Industriell IoT kantplattform for smarte fabrikker

CPU/FPGA-kort støtter tidskoordinert databehandling, tidsfølsomt nettverk og sanntids IoT.

Publisert Sist oppdatert

Denne artikkelen er 2 år eller eldre

I samarbeid med Exor Embedded har Arrow Electronics utviklet gigaSOM gS01, et fullt produksjonsdesign- og ekstra utviklingssett med system on module (SOM) for IoT kantinstallasjoner. SOM er utstyrt med Intel Atom E3900 prosessorserie med en Intel Cyclone 10 GX FPGA, og er koblet til et PCI-grensesnitt med høy båndbredde.

Intels tidskoordinerte databehandling (TCC)-teknologi i selve prosessoren, støtter IEEE 802.1 tidsfølsom nettverk (TSN) i FPGA-referansedesign, og er lastet med en sanntids IoT-stakk. Kortet kan konsolidere flere enheter som industrielle PC-er, HMI-kontrollere og PLS’er i en enkelt modul.

MQTT-støtte (MQ Telemetry Transport) og OPC UA (Open Platform Communications - Unified Architecture) lettvektsprotokoller sørger for kontakt med Corvina Cloud – Exors sensor-til-sky-plattform – for å samle inn IoT-data. Corvina Cloud tilbyr ressurser som for eksempel maskinmodellforekomster på programvare-som-en-tjeneste (SaaS) -basis og har funksjoner som hjelper brukere å hente ut visuelle trender og analytiske apper som utnytter innsamlede data.

På grafikksiden finnes Intel HD Graphics 500, DirectX og OpenGL-støtte, og Intel Clear Video HD-teknologi, samt DisplayPort-, eDP-, HDMI- og MIPI-DSI-utganger for å koble til tre skjermer. Kortet har flere høyhastighetsgrensesnitt inkludert to USB2.0, to USB3.0 og to SATA3 porter, Gigabit Ethernet, PCIe, seks 10 Gb FPGA-transceivere og 34 LVDS par. Det er også SMBus-, flere I2C-, CAN- og SPI-tilkoblinger. Både mikroprosessoren og FPGA har rikelig med GPIO-er.

Kortet er tilgjengelig med fire konfigurasjoner; E3930-prosessor med eller uten en Cyclone 10 GX FPGA med 85 000 logiske elementer, eller E3940 prosessor med eller uten Cyclone 10 GX med 220 000 logiske elementer. Minnealternativer inkluderer 4 GB eller 8 GB DDR RAM, 32 GB eller 64 GB flash-disk og 64KB FRAM.

Powered by Labrador CMS