Разработка программно-аппаратного комплекса на базе процессора с NPU для предиктивного управления промышленными установками

Выполнили: Донской Дмитрий Владимирович и Шевляков Фёдор Сергеевич

Промышленные системы интернета вещей (Industrial IoT) генерируют большие объёмы данных с датчиков. Отправка всех этих данных в облако для обработки увеличивает задержку и требует стабильного сетевого соединения — а оно не всегда доступно в производственных условиях.

Вычисления на периферии (edge computing) позволяют избежать этих проблем за счёт выполнения инференса локально. Фреймворки TinyML дают возможность развёртывать нейронные сети на энергоэффективном встраиваемом оборудовании, а современные системы на кристалле (SoC), такие как Rockchip RK3568, оснащаются выделенными NPU, которые могут ускорять типовые операции машинного обучения.

Диагностика неисправностей на химических предприятиях должна быть быстрой и надёжной. Tennessee Eastman Process (TEP) — широко используемый тестовый симулятор, включающий 52 переменные с датчиков и 21 класс неисправностей. Он хорошо подходит для тестирования инференса на периферии: входные данные представляют собой временное окно фиксированного размера, а классификация должна выполняться в течение нескольких секунд. Запуск модели на NPU (вместо облака) сокращает задержку инференса до нескольких миллисекунд.