Lüfterloser Embedded PC mit High-Performance-System

Bild: Comp-Mall GmbH

Der lüfterlose Embedded PC Tank-880-Q370 von Comp-Mall ist als High-Performance-System für Anwendungen wie Edge Computing, Fabrikautomatisierung, Machine Vision und als KI-Inferenzsystem konfiguriert.

Standardmäßig wird der Embdedded PC mit Intel CPU der neunten Generation ausgeliefert: der i7-9700TE-Chip mit acht Kernen erreicht eine maximale Taktfrequenz von 3,80GHz und bietet 12MB Cache, der i5-9500TE-Chip mit sechs Kernen bringt es auf 2,2GHz und hat 9MB Cache. Vorinstalliert sind 8GB 2666/2400MHz DDR4, doch der Arbeitsspeicher ist auf bis zu 64GB erweiterbar. Als Datenspeicher stehen gleich 4x 2,5″ SATA-HDD/SSD-Schächte zur Verfügung, die RAID 0/1/5/10 supporten.

Der Tank-880-Q370 bietet zahlreiche Schnittstellen und Erweiterungsoptionen. 3x GbE, 6x USB3.1 Gen1, 3x RS-232/422/485, 1x HDMI und 1x DisplayPort sowie 8Bit Digitale I/Os bieten Konnektivität. Erweitern lässt sich der Embedded-PC über 1x Mini-PCIe, 1x M.2 2230A-Key, 2x M.2 2280M-Key und – über eine zusätzliche Backplane – mit 1x PCIe x16, 1x PCIe x1 und 2x PCIe x4.

Für Datensicherheit kann ein TPM-2.0-Modul integriert werden. Für Systemsicherheit ist ein programmierbarer Watchdog Timer eingebaut. Wird der Tank-880-Q370 als KI-Inferenzsystem genutzt, empfiehlt sich die Integration der Beschleunigerkarte Mustang-V100. Um das System nicht zu überhitzen, kann ein Lüfter eingebaut werden.

Der Stromverbrauch liegt bei 19V@5.4A (für die i7-Version). Durch zwei Stromeingänge kann eine redundante Stromversorgung angeschlossen werden, was die Verlässlichkeit des Systems maximiert. Die Betriebstemperatur liegt zwischen -20 und +60°C mit einer SSD im Airflow. Der rugged Tank-880-Q370 ist nach MIL-STD-810G 514.6C-1 geprüft und unempfindlich gegenüber Schockeinwirkung (5G, 11ms, 100 Schocks/Achse).

Comp-Mall GmbH
https://www.iot-design.de/embedded-hardware/luefterloser-embedded-pc-mit-high-performance-system/

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige