{"id":5529,"date":"2021-08-10T10:57:59","date_gmt":"2021-08-10T10:57:59","guid":{"rendered":"https:\/\/knowhow.distrelec.com\/?p=5529"},"modified":"2021-08-10T10:58:01","modified_gmt":"2021-08-10T10:58:01","slug":"arduino-edge-control-lavenir-de-la-fabrication","status":"publish","type":"post","link":"https:\/\/knowhow.distrelec.com\/fr\/industrie\/arduino-edge-control-lavenir-de-la-fabrication\/","title":{"rendered":"Arduino Edge Control – L’avenir de la fabrication"},"content":{"rendered":"\n

L’avenir de la fabrication sera port\u00e9 par des dispositifs intelligents connect\u00e9s et \u00e9conomes en \u00e9nergie. La connectivit\u00e9 de l’IoT combin\u00e9e \u00e0 l’apprentissage automatique embarqu\u00e9 va transformer les mod\u00e8les d’affaires, les processus et les services offerts par la fabrication.<\/p>\n\n\n\n


Les entreprises manufacturi\u00e8res exigent de plus en plus d’intelligence de leurs machines en acc\u00e9dant aux donn\u00e9es \u00e0 la p\u00e9riph\u00e9rie du r\u00e9seau, l\u00e0 o\u00f9 tout se passe. Cette intelligence est mise \u00e0 profit pour am\u00e9liorer les processus dans les usines, les machines apprenant des erreurs, des d\u00e9faillances et des impr\u00e9cisions. En d\u00e9pla\u00e7ant la charge de travail et l’apprentissage vers la p\u00e9riph\u00e9rie du r\u00e9seau, on \u00e9limine le besoin d’un mat\u00e9riel co\u00fbteux, gourmand en \u00e9nergie et gourmand en processeurs. En d\u00e9pla\u00e7ant le mat\u00e9riel vers la p\u00e9riph\u00e9rie du r\u00e9seau et en lui donnant le cerveau dont il a toujours eu besoin, il est d\u00e9sormais possible d’utiliser les vastes quantit\u00e9s de donn\u00e9es et les analyses avanc\u00e9es qui \u00e9taient auparavant rejet\u00e9es pour suivre les performances et les conditions de fonctionnement, am\u00e9liorer et optimiser le co\u00fbt total de possession des \u00e9quipements, pr\u00e9voir les dysfonctionnements et les pannes et prendre des mesures avant que des pannes co\u00fbteuses ne se produisent. Il en r\u00e9sulte une am\u00e9lioration continue et une maintenance pr\u00e9dictive plus rapide. <\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n

Designed for Machine Learning on the edge, the Arduino Portenta H7, which enables  Edge Con\u00e7u pour le Machine Learning on the Edge, l’Arduino Portenta H7, qui active le syst\u00e8me embarqu\u00e9 du Edge Impulse, fonctionne beaucoup plus rapidement et consomme moins d’\u00e9nergie, ce qui permet de conserver le traitement sur l’appareil tout en pr\u00e9servant votre s\u00e9curit\u00e9 et vos donn\u00e9es priv\u00e9es. L’utilisation du Arduino comme dispositif Edge permet aux entreprises d’augmenter consid\u00e9rablement leur capacit\u00e9 \u00e0 collecter, analyser et d\u00e9ployer \u00e0 peu pr\u00e8s tout ce qu’elles veulent dans une multitude de cas d’utilisation, tout en \u00e9vitant le co\u00fbt, la complexit\u00e9, les probl\u00e8mes de s\u00e9curit\u00e9 et la d\u00e9pendance omnipr\u00e9sente du cloud. <\/p>\n\n\n\n

Inspection optique automatis\u00e9e avec le shield Portenta Vision<\/h2>\n\n\n\n

Dans cette vid\u00e9o, Sebastian Romero, designer d’interactions Arduino, vous montre comment l’Arduino Portenta peut automatiser l’inspection d’objets manufactur\u00e9s. La cam\u00e9ra scanne les objets de mani\u00e8re autonome pour d\u00e9tecter les d\u00e9fauts tels que les composants manquants. <\/p>\n\n\n\n

\n