คอมพิวเตอร์แบบฝังตัว

ระดับอุตสาหกรรม

Farnell ขอเสนอคอมพิวเตอร์แบบฝังตัวระดับอุตสาหกรรมที่ล้ำสมัยรุ่นล่าสุด ซึ่งออกแบบมาเพื่อการใช้งานในสภาพแวดล้อม IoT และ Edge Computing ทางอุตสาหกรรมที่เป็นที่ต้องการมากที่สุดในปัจจุบัน

เพื่อให้คุณปฏิบัติงานได้อย่างราบรื่น คอมพิวเตอร์ระดับอุตสาหกรรมของเราจะช่วยลดการหยุดทำงานและป้องกันข้อผิดพลาด คอมพิวเตอร์แบบฝังตัวจากซัพพลายเออร์ชั้นนำในอุตสาหกรรมพร้อมจำหน่ายแล้วในฟอร์มแฟกเตอร์หลากหลายรูปแบบ เหมาะสำหรับการใช้งานในพื้นที่จำกัดและได้รับการออกแบบทางวิศวกรรมเพื่อประสิทธิภาพและความน่าเชื่อถือ

ทำไมจึงควรเลือกใช้คอมพิวเตอร์แบบฝังตัวระดับอุตสาหกรรม

การแพร่หลายของอินเทอร์เน็ตของสรรพสิ่งนั้นได้รับการสนับสนุนจากการเติบโตของคอมพิวเตอร์แบบฝังตัวระดับอุตสาหกรรม รวมถึงการเติบโตของเซ็นเซอร์และเทคโนโลยีที่มีการเชื่อมต่อ (IoT) ต่าง ๆ

อินเทอร์เน็ตของสรรพสิ่งนำมาซึ่งโอกาสสำหรับธุรกิจและชุมชนที่ไม่เคยเกิดขึ้นมาก่อน คอมพิวเตอร์ระดับอุตสาหกรรมมอบประสิทธิภาพในการประมวลผลและตัวเลือก I/O ที่หลากหลายสำหรับการเชื่อมต่อเครื่องจักร เซ็นเซอร์ และอุปกรณ์อื่น ๆ คอมพิวเตอร์ระดับอุตสาหกรรมสามารถรวบรวม ประมวลผล และแบ่งปันข้อมูลจากที่ใดก็ได้เกือบทั้งหมดโดยการใช้ประโยชน์จากประสิทธิภาพของระบบคลาวด์และการเชื่อมต่อแบบไร้สาย

ซึ่งสามารถพบได้ในเกือบทุกอุตสาหกรรม รวมถึงอุตสาหกรรมพลังงาน การดูแลสุขภาพ และการผลิต เซ็นเซอร์และคอมพิวเตอร์มีการใช้งานทั่วทั้งในชุมชนและธุรกิจ ข้อผิดพลาดด้านไอทีจึงอาจสร้างผลกระทบที่ร้ายแรงได้ การหยุดทำงานก็อาจเป็นหายนะได้ในหลายสถานการณ์ แม้จะเป็นช่วงเวลาสั้น ๆ เพื่อให้ตอบโจทย์ความต้องการของ IoT อุปกรณ์เหล่านี้จึงออกแบบมาเพื่อทำงาน 24 ชั่วโมงทุกวัน

ทนทานต่อสภาพแวดล้อมที่สมบุกสมบัน
ทนทานต่อสภาพแวดล้อมที่สมบุกสมบัน
การเชื่อมต่อและตัวเลือก I/O ที่หลากหลาย
การเชื่อมต่อจำนวนมาก
ฟอร์มแฟกเตอร์ขนาดกะทัดรัด
ฟอร์มแฟกเตอร์ขนาดกะทัดรัด
รองรับและปฏิบัติตามระบบ
รองรับและปฏิบัติตามระบบ
อายุการใช้งานยาวนาน
อายุการใช้งานยาวนาน
การเชื่อมต่อและตัวเลือก I/O ที่หลากหลาย
IO ที่หลากหลายขึ้น

ซัพพลายเออร์แนะนำ

Raspberry Pi Compute Module 4

พลังอันเปี่ยมล้นของ Raspberry Pi 4 อัดแน่นอยู่ในฟอร์มแฟกเตอร์ขนาดกะทัดรัดซึ่งออกแบบมาเพื่อการใช้งานระบบฝังตัว

Raspberry Pi Compute Module 4 ผสานการทำงานโปรเซสเซอร์ ARM Cortex-A72 แบบ 4 คอร์, เอาต์พุตวิดีโอคู่ และอินเทอร์เฟซต่าง ๆ ที่มีให้เลือกสรรอย่างหลากหลาย มีแบบต่าง ๆ ให้เลือกมากถึง 32 แบบ มาพร้อมกับตัวเลือก RAM และแฟลช eMMC ที่หลากหลาย มีทั้งแบบรองรับและไม่รองรับการเชื่อมต่อแบบไร้สาย

คุณสมบัติหลักต่าง ๆ ได้แก่ โปรเซสเซอร์แบบ 4 คอร์ 64 บิตที่มีประสิทธิภาพสูง, รองรับการแสดงผลแบบ 2 จอที่ความคมชัดสูงสุด 4K, การถอดรหัสวิดีโอฮาร์ดแวร์สูงสุด 4Kp60, RAM สูงสุด 8GB, เครือข่าย Gigabit Ethernet, USB 2.0, อินเทอร์เฟซกล้องคู่ และอินเทอร์เฟซ PCIe รุ่น 2 x1 ระบบ LAN ไร้สายที่มีตัวเลือกรองรับทั้งคลื่น 2.4/5.0 GHz และ Bluetooth 5.0 ที่ตรงตามมาตรฐานโมดูลาร์

ซึ่งทำให้สามารถออกแบบบอร์ดเข้ากับผลิตภัณฑ์ขั้นสุดท้ายและช่วยลดการทดสอบการปฏิบัติตามระบบได้เป็นอย่างมาก ซึ่งเป็นการปรับปรุงทั้งด้านต้นทุนและเวลาในการออกสู่ตลาด สามารถใช้ได้ทั้งชุดเสาอากาศภายนอกและเสาอากาศออนบอร์ด

Raspberry Pi RP2040

ไม่ว่าคุณจะมี Raspberry Pi Pico หรือบอร์ดไมโครคอนโทรลเลอร์อื่น ๆ ที่ใช้ RP2040 คุณสามารถเลือกซื้อทุกสิ่งที่คุณต้องการได้ที่นี่

คุณสามารถรับการสนับสนุนเพื่อเริ่มต้นใช้งาน C/C++ หรือ MicroPython บน Raspberry Pi Pico และลิงก์แหล่งข้อมูลสำหรับบอร์ดอื่น ๆ ที่ใช้ RP2040 ได้ เรายังมีลิงก์เอกสารทางเทคนิคสำหรับทั้งบอร์ดไมโครคอนโทรลเลอร์ Raspberry Pi Pico และชิปไมโครคอนโทรลเลอร์ RP2040

กรณีศึกษา

หุ่นยนต์เครื่องขุดที่ใช้ Raspberry Pi
FutureHome: สมาร์ทโฮมเทคโนโลยี IoT ที่สร้างขึ้นจาก Compute Module
Multicomp Pro

กล่องที่ออกแบบเอง:
สำหรับระบบสำคัญขององค์กร

ขับเคลื่อนโดย:

gttwireless

แหล่งข้อมูลแนะนำ

เราติดต่อฐานลูกค้าทั่วโลกของเราเพื่อขอให้ทำแบบสอบถาม IoT ในช่วงระหว่างเดือนกันยายน 2020 ถึงเดือนธันวาคม 2020 เราได้รับการตอบแบบสอบถาม 2,095 รายการ โดยผู้ตอบแบบสอบถามส่วนใหญ่เป็นวิศวกรของโซลูชัน IoT ใน 60 ประเทศ ผลลัพธ์มีดังนี้

เรียนรู้วิธีใช้งาน Raspberry Pi 4 เพื่อผสานเทคโนโลยีรู้จำคำพูดและการมองเห็นของมนุษย์เข้าด้วยกัน และเริ่มพัฒนาการใช้ AIoT สำหรับการใช้งานส่วนบุคคลและการใช้งานระดับมืออาชีพ

คู่มือโซลูชันนี้จะอธิบายเกี่ยวกับนิวรัลเน็ตเวิร์คแบบไบนารี (Binary Neural Network: BNN) และนิวรัลเน็ตเวิร์คแบบควอนไตซ์ (Quantized Neural Network: QNN) บนบอร์ด Ulta96-V2 จาก Avnet ที่ใช้โอเวอร์เลย์ PYNQ ของ Xilinx โดยผู้ใช้จะนำโปรแกรมการใช้งานด้านการจดจำภาพแบบต่าง ๆ ที่ใช้งานนิวรัลเน็ตเวิร์ค เช่น ระบบตรวจจับป้ายจราจรบนท้องถนนและระบบระบุชนิดของสัตว์จากโปรเจ็กต์ ImageNet มาใช้งาน โปรเจ็กต์นี้อธิบายถึงวิธีในการนำโมเดลการเพิ่มความเร็วประสิทธิภาพสูงแบบฮาร์ดแวร์มาใช้ในอุปกรณ์ AIoT Edge แบบฝังสำหรับการประมวลผลแทนการใช้งานซอฟต์แวร์ซึ่งมีข้อจำกัดในตัวเอง

เราติดต่อฐานลูกค้าทั่วโลกของเราเพื่อขอให้ทำแบบสอบถาม IoT ในช่วงระหว่างเดือนกันยายน 2020 ถึงเดือนธันวาคม 2020 เราได้รับการตอบแบบสอบถาม 2,095 รายการ โดยผู้ตอบแบบสอบถามส่วนใหญ่เป็นวิศวกรของโซลูชัน IoT ใน 60 ประเทศ ผลลัพธ์มีดังนี้

e-TechJournal ฉบับล่าสุด "ควบคุมพลังของคุณ" เจาะลึกเกี่ยวกับการจัดการพลังงานและการออกแบบระบบ

Technical resource center

Inspiring information on front-line technologies and applications

ซัพพลายเออร์ยอดนิยม