 안녕하세요 sd-microelectronics 코리아에서 mcu 기술지원과 ai-solution 기술지원 담당하고 있는 연수 과정입니다 이번 데모는 sd-microelectronics의 sdm3e mcu 기반의 ai-solution 중에 하나인 나노 엣지 ai-studio를 통해서 생선을 모델을 기반하고 sdm3e mcu에서 출어나는 ai-demo입니다 이 데모는 모터의 전류 센싱을 기반으로 모터의 정상 동작과 이상 동작을 분류하는 예제가 포함되어 있습니다 sdm3e g4 mcu를 기반으로 동작하고 있고 sdm3e g4 mcu는 모터와 ai-chro를 부동하고 있습니다 이 플랫폼에서 모터는 회전 벨트에 연결이 되어 있고 서버 보터를 회전시켜서 이 회전하고 있는 벨트의 의미로 닫게 하여 모터 동작의 부활을 적용해서 모터의 이상 동작 상황을 유발하게 됩니다 sdm3e mcu 기반의 ai-solution인 나노 엣지 ai-studio를 통해서 정상 동작과 이상 동작에 대한 데이터세스를 기반으로 사전에 미리 학습한 스타틱 ai-library가 sdm3e g4에 포팅되어 있습니다 또한 모터의 기본 속도를 변경할 수 있게 구성되어 있습니다 그래서 사전에 미리 학습된 나노 엣지 ai-studio의 모델에는 런타임으로 모터 속도에 대한 학습을 통해 스타틱 library 형태의 모델의 파라미터들에 대한 offset 값을 조절할 수 있기 때문에 속도가 달라져도 학습을 통해 이상 동작에 대한 분류가 가능합니다 이 데모는 전류 센싱을 기반으로 나노 엣지 ai-studio를 미리 학습된 모델과 그 모델을 기반으로 현재 모터의 상태를 동적으로 학습하여 모델을 구성해서 sdm3e g4 mcu에서 모터의 이상 감지에 대한 분류를 ai-추론 방식을 적용한 데모입니다 데모 시연을 위해서 현재 동작 중인 이 데모를 초기화하도록 하겠습니다 유저 버튼으로 스타트를 눌러주면 sdm3e g4에 대장된 나노 엣지 ai-static library가 정상 상태의 모터에 대해서 런닝을 시작하게 됩니다 런닝 단계가 끝나면 디스플레이에 표시된 바와 같이 현재 모터의 상태는 정상 상태임을 나타내고 있습니다 이 상황에서 어브노만한 상태를 만들어주면 보시는 바와 같이 디스플레이에 어브노만한 상태로 표시된 것을 확인하실 수 있습니다 이 상태에서 다시 초록색 버튼을 통해 모터를 정상 상태로 되돌리면 이 디스플레이에 표시된 바와 같이 정상 상태임을 ai-로 출원하는 것을 확인하실 수 있습니다 이 데모에 사용된 나노 엣지 ai-studio 솔루션의 경우 sdm3e mcu 개발자분들이 학습에 필요한 데이터셋만 준비해 주시면 자동으로 sdm3e mcu 기반의 ai 모델을 생성해 주기 때문에 ai 관련 기반 지식이 없으셔도 충분히 쉽게 어플리케이션 생성하실 수 있습니다 감사합니다