ขับเคลื่อนอุตสาหกรรมอัจฉริยะ เร่งสปีดการพัฒนาระบบประมวลผลเซ็นเซอร์ยุคใหม่

การออกแบบคอมพิวเตอร์สำหรับภาคอุตสาหกรรมกำลังมีความท้าทายเพิ่มขึ้นเรื่อยๆ เนื่องจากข้อมูลที่ได้จากสายการผลิตนั้นเพิ่มขึ้นอย่างต่อเนื่อง ทำให้ต้องเพิ่มจำนวนและประเภทของเซ็นเซอร์มากขึ้น นอกจากนี้ ทั้งภาคอุตสาหกรรมและการแพทย์ต่างก็นำระบบอัตโนมัติมาใช้ ตั้งแต่อุปกรณ์ขนาดเล็กไปจนถึงเทคโนโลยี edge และคลาวด์ (cloud) ซึ่งทั้งหมดนี้ต้องทำงานร่วมกับปัญญาประดิษฐ์ (AI), แมชชีนเลิร์นนิ่ง (ML), ซอฟต์แวร์วิเคราะห์ข้อมูล และจอแสดงผลอัจฉริยะ ปัจจัยเหล่านี้ทำให้ความต้องการพลังการประมวลผลที่หลากหลายและทรงพลังเพิ่มสูงขึ้นตามไปด้วย เทคโนโลยีใหม่เช่น ‘แพลตฟอร์มประมวลผลแบบปรับเปลี่ยนได้’ (adaptive compute platform) ออกแบบมาเพื่อจัดการกับระบบควบคุมที่ต้องใช้เซ็นเซอร์จำนวนมากโดยเฉพาะ ซึ่งช่วยเร่งการพัฒนา ทำให้การผสานฮาร์ดแวร์เข้ากับซอฟต์แวร์ง่ายขึ้น โดยยังคงประสิทธิภาพไว้สูงสุด และควบคุมการใช้พลังงานได้อย่างแม่นยำ

แนวโน้มการประมวลผลบนคอมพิวเตอร์อุตสาหกรรมแบบฝังตัว (Embedded PC)
แอปพลิเคชันต่างๆ กำลังเปลี่ยนไปสู่ระบบดิจิทัลที่ทำงานบน edge (การประมวลผลที่ปลายทางใกล้ตัวผู้ใช้) ซึ่งประกอบด้วยหลายปัจจัยสำคัญ เช่น การติดตั้งเซ็นเซอร์ในทุกภาคส่วน (sensorization), การนำ AI และ ML มาใช้ทั้งบน edge และคลาวด์, ระบบสั่งการระหว่างคนกับเครื่องจักร (human machine interface), ประสบการณ์ด้านมัลติมีเดีย, ระบบเครือข่าย และการรวมระบบเทคโนโลยีฝั่งปฏิบัติการ (OT) เข้ากับฝั่งสารสนเทศ (IT) ซึ่งแต่ละส่วนมักต้องการหน่วยประมวลผลที่แตกต่างกันเพื่อให้ทำงานได้ดีที่สุด

ยกตัวอย่าง ระบบสร้างภาพทางการแพทย์ (รังสีรักษา) ที่ต้องใช้ “หัววัดสัญญาณ (probes)” เชื่อมต่อและประมวลผลด้วยอัลกอริทึมที่ซับซ้อน จึงต้องใช้พลังประมวลผลมหาศาล ข้อมูลดิบที่ได้มาจะยังไม่มีประโยชน์ต่อนักรังสีวิทยาหรือแพทย์โรคหัวใจ จนกว่าจะถูกนำไปคัดกรอง จัดระเบียบ และประมวลผลให้เรียบร้อยเสียก่อน ซึ่งระบบวิเคราะห์ข้อมูลและประมวลผลด้วย AI (AI inferencing) สามารถเข้ามาช่วยสร้างข้อมูลเชิงลึกและเร่งกระบวนการวิเคราะห์ผลได้ จากนั้นข้อมูลทั้งหมดจะถูกนำมาสร้างภาพ (render) และแสดงผลบนหน้าจอเพื่อช่วยให้แพทย์วิเคราะห์ได้ง่ายขึ้น ก่อนจะส่งต่อไปยังฐานข้อมูลของโรงพยาบาล

นี่เป็นเพียงหนึ่งตัวอย่างที่แสดงให้เห็นว่าการใช้เซ็นเซอร์อย่างแพร่หลายช่วยเพิ่มประสิทธิภาพและประสิทธิผลให้กับแอปพลิเคชันแบบฝังตัวได้มหาศาล เซ็นเซอร์จำนวนมากเหล่านี้ต้องรับและส่งข้อมูลในระดับมิลลิวินาที (1/1000 วินาที) เพื่อการตอบสนองที่รวดเร็วที่สุด นอกจากนี้ ข้อมูลจากเซ็นเซอร์ยังเป็นวัตถุดิบสำคัญสำหรับอัลกอริทึม Big Data เพื่อสกัดข้อมูลเชิงลึกออกมาใช้ในการปรับปรุงกระบวนการและพัฒนาผลิตภัณฑ์รุ่นต่อไป

อินสแตนซ์ Edge จำนวนมากที่ติดตั้งเซ็นเซอร์และแพลตฟอร์มแบบปรับเปลี่ยนได้ มักจะมีคอมพิวเตอร์เป็นส่วนหนึ่งของระบบหรือเชื่อมต่ออยู่ด้วย การนำหน่วยประมวลผล x86, AI, ระบบควบคุม, การเชื่อมต่อเซ็นเซอร์, การแสดงผล และระบบเครือข่ายมารวมไว้ใกล้กัน มีข้อดีหลายอย่าง เช่น อุปกรณ์มีขนาดเล็กลง ทำให้ติดตั้งง่ายขึ้น และยังประหยัดพลังงาน ซึ่งช่วยให้การออกแบบระบบจ่ายไฟง่ายขึ้น อุปกรณ์ที่ใช้แบตเตอรี่เช่น หุ่นยนต์เคลื่อนที่อัตโนมัติ (AMR) ที่ใช้ขนย้ายชิ้นส่วนในโรงงาน ก็จะทำงานได้นานขึ้นต่อการชาร์ตหนึ่งครั้ง การใช้โซลูชันที่รวมทุกอย่างไว้ด้วยกันจึงช่วยลดต้นทุนโดยรวม (cost of ownership) ได้ดีกว่าการไปเพิ่มขนาดแบตเตอรี่ให้ใหญ่ขึ้น ซึ่งจะทำให้ทั้งต้นทุนและน้ำหนักของหุ่นยนต์เพิ่มขึ้นโดยไม่จำเป็น

อย่างไรก็ตาม การจะรวมระบบที่ซับซ้อนเหล่านี้เข้าด้วยกันได้นั้น ต้องอาศัยความเชี่ยวชาญด้านวิศวกรรมฮาร์ดแวร์และซอฟต์แวร์ขั้นสูง และจะยิ่งท้าทายขึ้นเรื่อยๆ เมื่อต้องเพิ่มจำนวนเซ็นเซอร์มากขึ้นเพื่อเพิ่มประสิทธิภาพ, ความปลอดภัย และการวางแผนธุรกิจที่ดียิ่งขึ้น

การผสานรวมที่ยืดหยุ่น

แนวทางที่นิยมใช้กันคือ การใช้ประโยชน์จาก สถาปัตยกรรมโปรเซสเซอร์ x86 ซึ่งเป็นที่แพร่หลายในวงการคอมพิวเตอร์อุตสาหกรรมและการแพทย์ ควบคู่ไปกับแพลตฟอร์มประมวลผลแบบปรับเปลี่ยนได้ ที่สามารถควบคุมเครื่องจักรและเชื่อมต่อเซ็นเซอร์ได้แบบเรียลไทม์ การผสมผสานนี้สามารถนำไปประยุกต์ใช้ได้หลากหลาย เช่น ระบบแมชชีนวิชั่น (machine vision), เครือข่ายในโรงงาน, อุปกรณ์ควบคุมหุ่นยนต์, การสร้างภาพทางการแพทย์ และการวิเคราะห์ข้อมูลในธุรกิจค้าปลีก

ตามปกติแล้ว คอมพิวเตอร์สำหรับอุตสาหกรรมจะทำหน้าที่เหมือน “ผู้เฝ้าประตู” ที่คอยจัดการข้อมูลเซ็นเซอร์ที่ส่งเข้ามามหาศาล และเลือกว่าจะประมวลผลบนคอร์ x86 หรือส่งต่อไปยังการ์ดเร่งความเร็วแบบ FPGA (หากมี) ผ่านช่องเชื่อมต่อ PCIe® แต่ปัญหาหลักของวิธีนี้คือ ความหน่วง (latency) หรือความช้าในการตอบสนอง เพราะเวลาที่ใช้ในการรับ-ส่ง และประมวลผลข้อมูลอาจทำให้ระบบไม่สามารถทำงานแบบเรียลไทม์ได้

แนวคิดในการ รวมอินเทอร์เฟซเซ็นเซอร์, โปรเซสเซอร์ AI, และการประมวลผลเครือข่ายไว้บนแพลตฟอร์ม FPGA แบบปรับเปลี่ยนได้ จึงมีศักยภาพอย่างมาก การรวมฟังก์ชันเหล่านี้ไว้บนเมนบอร์ดเดียวช่วยเพิ่มประสิทธิภาพและลดความหน่วง เพราะข้อมูลไม่ต้องเดินทางผ่านชิ้นส่วนหลายๆ ตัว ทำให้ระบบตอบสนองได้เร็วขึ้น แม่นยำขึ้น และยังใช้พลังงานน้อยลงอีกด้วย

ระบบนิเวศ (Ecosystem) ที่รองรับ

แพลตฟอร์มประมวลผลแบบปรับเปลี่ยนได้ที่สามารถจัดการการประมวลผลเซ็นเซอร์, การควบคุม, ระบบเครือข่าย และ AI ได้แบบเรียลไทม์ จะช่วยลดทั้งความหน่วง, การใช้พลังงาน และขนาดของอุปกรณ์โดยรวม ผลลัพธ์ที่ได้คือแพลตฟอร์มที่ทรงพลังและมีประสิทธิภาพสำหรับระบบประมวลผลแบบฝังตัว

หลักการนี้ถูกนำมาใช้ในอุปกรณ์เช่นโปรเซสเซอร์ AMD Versal ซึ่งเป็นชิปที่รวมหน่วยประมวลผลหลายชนิดไว้ด้วยกัน ทำให้การสร้างแพลตฟอร์มหน่วยประมวลผลแบบฝังตัวเพื่อรองรับการใช้งานเซ็นเซอร์จำนวนมากเป็นเรื่องง่ายขึ้น ขณะเดียวกันก็ยังจัดการกับภาระงานที่หลากหลายได้ การเพิ่มหน่วยประมวลผล x86 เข้าไปในโซลูชันที่ปรับเปลี่ยนได้ซึ่งมีช่อง I/O จำนวนมากสำหรับเชื่อมต่อเซ็นเซอร์โดยเฉพาะ จะช่วยยกระดับการผสานรวม, ประสิทธิภาพพลังงาน และการตอบสนองของระบบไปอีกขั้น การมีช่อง I/O จำนวนมากทำให้สามารถเชื่อมต่อเซ็นเซอร์ได้หลายประเภท เช่น กล้อง GMSL, LiDAR, หรือหัววัดทางการแพทย์ เช่น กล้องเอนโดสโคปและอัลตราซาวนด์ และยังสามารถเพิ่มช่องสัญญาณเซ็นเซอร์ใหม่ๆ ได้ง่ายในอนาคต

แนวทางนี้เป็นการรวมข้อดีของการเชื่อมต่อเซ็นเซอร์ที่ยืดหยุ่นเข้ากับ Ecosystem ขนาดใหญ่ของแพลตฟอร์ม x86 ทำให้การพัฒนาซอฟต์แวร์สำหรับเซ็นเซอร์, AI, และระบบควบคุมเครือข่ายง่ายขึ้น วิศวกรจึงสามารถสร้างคอมพิวเตอร์แบบฝังตัวที่ปรับแต่งมาให้ตรงตามความต้องการได้อย่างสมบูรณ์แบบ ไม่ว่าจะเป็นการกำหนดจำนวนช่อง I/O ของเซ็นเซอร์, การเลือกส่งข้อมูลแต่ละช่องไปยังหน่วยประมวลผลที่เหมาะสมที่สุด (เช่น CPU, DSP หรือ AI Engine) ไปจนถึงการปรับจูนระบบให้ประหยัดพลังงานและมีประสิทธิภาพสูงสุด ความยืดหยุ่นนี้ยังช่วยให้วิศวกรสามารถ จัดลำดับความสำคัญของเซ็นเซอร์ที่แตกต่างกันได้ตามความสำคัญและสอดคล้องกับการทำงานที่แม่นยำและคาดการณ์ได้แบบ เรียลไทม์

ด้วย Ecosystem ที่แข็งแกร่งของ x86 ทำให้นักพัฒนามีเครื่องมือและทรัพยากรมากมายในการสร้างแอปพลิเคชันที่ล้ำสมัย เช่น แมชชีนวิชั่น, การสแกนภาพทางการแพทย์, การควบคุมหุ่นยนต์ และอื่นๆ อีกมากมาย

บทความโดย สตีเวน ฟง, รองประธานฝ่ายธุรกิจหน่วยประมวลผลแบบฝังตัวประจำภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น (APJ)