Интеллект на грани 2: Сокращение времени до понимания
Сокращенное время для понимания на краевом узле может позволить принимать важные решения, как только данные будут доступны. Благодаря теоретически неограниченной вычислительной мощности и коммуникационным данным, полная пропускная способность от всей информации, полученной от пограничного узла, может быть отправлена на удаленную вычислительную станцию в облаке.
Огромные вычисления могут быть выполнены, чтобы раздобыть ценные детали, которые стремятся принять обоснованные решения. Однако ограничения мощности батареи, полосы пропускания связи и алгоритмов с интенсивным вычислением цикла делают этот сценарий просто концепцией, а не практической реализацией.
В этой многопрофильной промышленной серии IoT мы сломаем и рассмотрим фундаментальные аспекты интерпретации краевых узлов в рамках большей структуры IoT: измерение, измерение, интерпретация и подключение данных с дополнительным учетом управления питанием и безопасности. Необходимый набор данных из краевого узла может потребоваться просто быть дискретным подмножеством полной широкополосной информации. Аналогичным образом, данные могут быть доступны для передачи только по запросу. Энергоэффективная обработка сверхнизкой мощности (ULP) также должна быть ключевым аспектом реализации любого краевого узла.
Смарт-парадигма раздела
Пионерские дни промышленного IoT и его предшественника, связь между машинами (M2M), во многом определялись ролью облачных платформ в качестве основных приложений. Интеллектуальные системы исторически полагались только на возможности облачного уровня для их понимания. Фактические устройства краевых датчиков были относительно бесхитростными. Тем не менее, эта старая предпосылка в настоящее время взламывается, поскольку возможности вычислительной мощности малой мощности на краевом узле развиваются быстрее, чем в облаке. 1 Кромкие узлы теперь обладают способностью воспринимать, измерять, интерпретировать и подключаться.
С подключенной моделью датчиков в интеллектуальную модель устройства происходит переход парадигмы интеллектуального раздела. Это обеспечивает более доступный выбор архитектуры и позволяет организациям развертывать промышленный IoT для уникального расширения своих физических активов и процессов. Градиентная аналитика, известная также как краевой интеллект или интерпретация, ведет к этому сдвигу. Массовые промышленные развертывания IoT полагаются на доступность разнообразного набора интеллектуальных узлов, которые являются безопасными, высокоэффективными и удобными в управлении.
Edge Analytics
Данные с самым высоким качеством могут по-прежнему быть маргинализированы без особого внимания требованиям приложения в аналитике краевых узлов. Устройства датчика края могут быть ограничены энергией, пропускной способностью или необработанной вычислительной мощностью. Эти ограничения распространяются на выбор протокола, который позволяет сократить количество стеков IP до минимальной флэш-памяти или ОЗУ. Это может затруднить программирование, и может быть какая-то жертва в пользу ИС.
Обработка края может быть аналитическим предложением в качестве подхода к анализу данных, близких к его источнику, в дополнение к отправке на удаленный сервер для анализа уровня облачности. Перемещение обработки краев аналитической информации в реальном времени как можно раньше в цепочке сигналов снижает нагрузку на нагрузку на полезную нагрузку и сокращает время ожидания. Если исходная обработка данных в противном случае может быть выполнена на краевом узле, это упростит форматирование требуемых данных, пропускную способность связи и возможную агрегацию на шлюзе в облаке. Временные петли обратной связи через тесное соединение с датчиком могут обеспечить немедленную обработку, которая обеспечивает более ценное обоснованное решение. 2
Однако для этого требуется предварительный анализ того, какую конкретную информацию можно ожидать от измеренных и измеренных данных. Он также может варьироваться от края узла до края узла из-за пространственного разделения или различий приложения. Уведомления о событиях, триггеры и обнаружение прерываний могут игнорировать большинство данных для передачи только того, что необходимо.
Временная амортизация
Временная стоимость денег - это идея о том, что доллар сегодня стоит больше, чем доллар в будущем. Аналогично, для данных существует постоянная времени. Значение времени для данных означает, что данные, которые вы определили в эту дробную секунду, не будут означать столько же через неделю, день или даже час. Превосходные критические примеры IoT - это обнаружение тепла, обнаружение утечки газа или обнаружение катастрофического сбоя оборудования, которое требует немедленных действий. Затухание данных с учетом времени начинается с точки зрения интерпретации. Чем дольше время ожидания для эффективной интерпретации ваших данных и принятия мер, тем менее ценным будет решение. Чтобы разрешить временную амортизацию в промышленном IoT, мы должны получить информацию дальше в цепочке сигналов.
Могут использоваться алгоритмы обработки в узле краевого датчика, которые фильтруют, декомпилируют, настраивают и уточняют данные выборки до минимально необходимого подмножества. Для этого сначала необходимо определить узкие данные, представляющие интерес. Регулируемая полоса пропускания, частота дискретизации и динамический диапазон помогают установить эту базовую линию в аналоговой области аппаратного обеспечения в начале. Используя требуемые аналоговые настройки, датчик будет ориентироваться только на необходимую информацию и обеспечивать более короткую постоянную времени для качественных интерпретируемых данных.
Цифровая постобработка на краю может дополнительно сфокусировать интересующие данные. Частотный анализ данных на краевом датчике может принимать ранние решения о содержании сигнала до того, как информация покинет узел. Выполнение быстрых преобразований Фурье (FFT), фильтрация с конечным импульсным откликом (FIR) и использование интеллектуального прореживания - это некоторые вычислительные блоки высокого порядка, которые сужают область выборки данных. В некоторых случаях требуется только инкрементная сводка информации о пропуске или сбое, которая должна быть передана из узла краевого датчика после резкого уменьшения полной полосы пропускания данных.
На рисунке 1 мы видим, что без фронтального аналогового фильтра или цифрового фильтра постпроцессинга простой сигнал с прореживанием на 8 (слева) будет иметь псевдоним новых нежелательных сигналов (в центре), чтобы свернуть частоту в новый желаемый диапазон сигналов (справа). Цифровая постобработка с цифровым сигнальным процессором (DSP) или микроконтроллером (MCU) с использованием полуполосного FIR фильтра нижних частот в качестве компаньона для прореживания поможет предотвратить эту проблему путем фильтрации помех с псевдонимом.

Рисунок 1. Алиасирование может происходить без внешнего фильтра или цифровой постобработки
Обработка данных пограничного узла: Smart Factory
Ведущее промышленное приложение IoT - это решение для мониторинга состояния заводских машин. Целью решения является выявление и прогнозирование проблем с производительностью машины до отказа. На узле краевого датчика многоосный высокоактивный акселератор динамического диапазона контролирует смещение вибраций в различных местах на промышленных машинах. Необработанные данные могут быть отфильтрованы и уничтожены для интерпретации частотной области в микроконтроллере. БПФ, сравниваемый с известными пределами производительности, может быть обработан для тестирования предупреждений о пропуске, сбое и предупреждениях вниз по течению. Усиление обработки в FFT может быть достигнуто с помощью фильтрации FIR для удаления широкополосного шума, который в противном случае выходит за пределы интересующей полосы пропускания.
Обработка краевого узла является важным компонентом мониторинга состояния машины. Полная пропускная способность дискретизированных данных может стать существенным узким местом для агрегации на беспроводном шлюзе. Учтите, что на одной машине может быть одновременно установлено несколько датчиков и сотни компьютеров. Фильтрация и интеллектуальное принятие решений в блоке микроконтроллера обеспечивают выход с низкой пропускной способностью для беспроводного приемопередатчика без необходимости интенсивной обработки фильтра в облаке.
На рисунке 2 показана сигнальная цепь для контроля состояния машины, где датчик акселерометра измеряет сигнатуру вибрации смещения. При постобработке в узле краевого датчика частотный анализ может выполняться в узкой полосе частот, представляющей интерес, путем фильтрации и декомпиляции дискретизированных данных перед вычислением FFT.

Рисунок 2. Типичная цепочка сигналов для контроля вибрации
Во время вычисления FFT, аналогично осциллографу реального времени, обработка может быть слепой к новой активности во временной области до тех пор, пока FFT не будет завершен. Альтернативный путь во временной области во втором потоке также может использоваться для предотвращения пробелов в анализе данных.
Если точно известны интересующие частоты механической сигнатуры, частоту дискретизации размера АЦП и БПФ в микроконтроллере можно планировать таким образом, чтобы максимальное количество энергии попадало в ширину одного гистограммного лотка. Это предотвратит утечку сигнала из нескольких ящиков, что уменьшит точность измерения амплитуды.

Рисунок 3. Энергия бункера FFT может использоваться для запуска аварийных сигналов
На фиг.3 представлен пример БПФ, где определенные предварительно определенные зоны интерпретируются в пределах MCU краевого узла для более чем одного наблюдаемого механического компонента. Энергия бина, которая достигает максимума в требуемой зеленой зоне, представляет собой удовлетворительную работу, в то время как желтая и красная зоны указывают предупредительные и критические аварийные сигналы соответственно. Вместо того, чтобы передавать полную полосу пропускания датчика, более низкий сигнал скорости передачи данных или триггерный сигнал могут сигнализировать о системе экскурсионного события в интересующих зонах.
Динамический диапазон, нотация и точность
Для вычислительной лошадиной силы краевой аналитики имеется несколько вариантов выбора. Для обработки алгоритмов доступно множество опций: от упрощенного MCU, который обеспечивает ограниченные возможности управления, более сложные MCU, которые представляют собой сложную систему на чипе (SoC), для мощной многоядерной цифровой обработки сигналов. Типичными техническими соображениями являются размер ядра обработки, одно- или двухъядерная операция, размер кэша ОЗУ и фиксированная или плавающая точка. Часто существует компромисс между бюджетом власти, доступным на узле, и вычислительными требованиями приложения.
Для цифровой обработки сигналов две категории обозначают формат нотации, используемый для хранения и обработки числовых представлений данных узла датчика: фиксированная точка и плавающая точка. Фиксированная точка относится к тому, как цифры представлены с фиксированным числом цифр после и иногда до десятичной точки. DSP, используя этот метод, обрабатывают целые числа, такие как положительные и отрицательные целые числа, используя минимум 16 бит с 216 возможными битовыми шаблонами. Для сравнения, с плавающей запятой используются рациональные числа с минимальным количеством 232 возможных шаблонов. 3 DSP с использованием метода вычисления с плавающей запятой может обрабатывать гораздо более широкий диапазон значений, чем неподвижная точка, с возможностью представления очень больших или малых чисел.
Обработка с плавающей точкой гарантирует, что может быть представлен гораздо больший динамический диапазон чисел. Это важно, если необходимо вычислить большие наборы данных узла датчика, где точный диапазон может быть неизвестен до обнаружения. Кроме того, поскольку для каждого нового вычисления требуется математический расчет, округление или усечение являются неотъемлемым результатом. Это приводит к ошибкам квантования или цифровому шуму сигнала в данных. Ошибка квантования - это разница между идеальным аналоговым значением и его цифровым представлением, которое является ближайшим округленным значением. Чем больше разрыв квантования между этими значениями, тем более выраженный цифровой шум будет. Обработка с плавающей точкой дает большую точность, чем обработка с фиксированной точкой, когда точность и точность важны для интерпретируемых данных датчика.
Представление
Разработчики прошивок должны применять приложение для вычислений с наибольшей эффективностью, так как скорость, с которой выполняются операции, имеет решающее значение. Поэтому важно определить требования к обработке для интерпретации данных, чтобы определить, необходимы ли вычисления с фиксированной или с плавающей запятой для максимальной эффективности.
Можно запрограммировать процессор с фиксированной точкой для выполнения задач с плавающей запятой и наоборот. Однако это очень неэффективно и будет влиять на производительность и мощность обработки. Процессоры с фиксированной точкой сияют там, где они оптимизированы для приложений общего назначения большего объема, для которых не нужны интенсивные алгоритмы вычислений. Процессоры с плавающей запятой, наоборот, могут использовать специализированные алгоритмы для упрощения разработки и большей общей точности.
Несмотря на невысокую производительность, количество поддерживаемых контактов GPIO в процессоре может обеспечить вторичный критерий выбора. Прямая поддержка правильного интерфейса управления для интересующих датчиков, таких как SPI, I2C, SPORT и UART, снижает сложность проектирования системы. Базовая тактовая частота обработки, количество бит на выполнение, количество встроенной памяти команд, доступных для обработки, и скорость интерфейса памяти будут влиять на способность обработки краевого узла. Часы реального времени помогают сопоставлять данные времени и выравнивать обработку на нескольких платформах.
Обработка вычислительной мощности часто определяется в MIPS или MMAC. MIPS - это количество миллионов инструкций, которые могут быть выполнены за секунду. MMAC - это число 32-разрядных операций с многоточечной или фиксированной запятой с плавающей запятой или фиксированной точкой, которые могут выполняться миллионами в секунду. Значения производительности MMAC соответственно увеличиваются в 2 × и 4 × для 16-разрядных и 8-разрядных операций. 3
Безопасность
В то время как полная безопасность промышленного IoT охватывает все системы, передачу и доступ к точкам данных, микроконтроллеры и DSP, обеспечивают внутренние функции безопасности. В расширенном стандарте шифрования (AES) предусмотрена возможность добавления защиты по проводной ссылке, такой как UART / SPI или беспроводная связь. В случае беспроводной радиочастотной связи шифрование AES выполняется до передачи полезной нагрузки через радиоустройство краевого узла. Принимающий узел соответственно выполняет обратное дешифрование. Электронный кодовый блок (ECB) или цепочка блоков шифрования (CBC) являются типичными режимами AES. 4 Предпочтительным является ключ безопасности размером 128 бит или более. Генератор случайных чисел используется как часть вычисления безопасности в процессоре. Подробности этих схем будут более подробно описаны в будущих публикациях по промышленному IoT для более комплексного подхода к обеспечению безопасности.
Одиночный или двойной сердечник
Сырая вычислительная мощность всегда будет востребована. Эффективная мощность обработки сырья еще лучше. Многоядерные MCU и DSP могут обеспечить дополнительную вычислительную мощность для алгоритмов, которые особенно выигрывают от интенсивной параллельной обработки. Тем не менее, необходимость часто обрабатывать разрозненные данные также увеличивается. Это привело к созданию класса многоядерных микроконтроллеров, которые объединяют два или более ядра с определенными, но отличающимися функциональными сильными сторонами. Обычно называемые гетерогенными или асимметричными многоядерными устройствами, они часто имеют два ядра с очень разными профилями.
Пример асимметричного MCU может включать как ARM Cortex-M3, так и Cortex-M0, которые обмениваются данными с использованием протокола межпроцессорной связи. Это позволяет M3 сосредоточиться на тяжелых задачах обработки цифрового сигнала, в то время как M0 реализует более низкий интенсивный аспект управления приложения. 5 Концепция позволяет выполнять более простые задачи на меньшем ядре. Разделение максимизирует пропускную способность обработки более мощного ядра M3 для обработки с интенсивным вычислением, что на самом деле лежит в основе совместной обработки. В межсетевом соединении используется общий SRAM с одним процессором, который прерывает прерывание для проверки другого. Это предупреждение подтверждается, когда процессор приема вызывает прерывание ответа.
Еще одним преимуществом гетерогенных многоядерных MCU является преодоление ограничений скорости встроенной флэш-памяти. Разбирая задачи асимметричным образом на два небольших ядра, можно получить полную производительность основных ядер, используя при этом недорогую встроенную память. Стоимость внедрения встроенной вспышки часто диктует стоимость MCU, поэтому узкое место может быть эффективно удалено. Балансирование требований к процессору в рамках имеющегося бюджета мощности может быть ключевой частью конструктивного узла промышленного датчика IoT. 5
Баланс сил
Многие промышленные узлы измерительного датчика IoT должны работать в течение многих лет на одной и той же малой батарее форм-фактора, даже если возможна сбор энергии. Операция ULP будет ключевым параметром для этих узлов, и компоненты должны быть выбраны, что минимизирует текущее потребление тока в реальном времени узла. 6
Многие MCU, которые лучше всего подходят для промышленного IoT, основаны на семействе встроенных процессоров Cortex-M ARM, предназначенных для приложений с малой мощностью MCU и датчиков. 7 Они варьируются от Cortex-M0 +, оптимизированного для более эффективных приложений, для Cortex-M4, для сложных высокопроизводительных приложений, требующих операций с плавающей точкой и DSP. Более высокие процессорные ядра могут использоваться за счет малой мощности.
Процессоры ARM обеспечивают отправную точку с точки зрения размера, производительности и эффективности кода. Но когда дело доходит до фактического потребления тока MCU в режимах активной или глубокой спячки, многие сверхнизкие возможности мощности полностью зависят от поставщика MCU. Активное потребление тока может сильно зависеть от выбора технологической технологии, кэширования и общей архитектуры процессора. Время автономной работы MCU и периферийные функции, доступные во время спящего режима процессора, в основном зависят от дизайна и архитектуры MCU.
EEMBC, отраслевой альянс, разрабатывает тесты, которые помогут разработчикам системы выбрать оптимальные процессоры, помогая им понять характеристики и энергетические характеристики своих систем. Показатель CPL ULPMark ™, сообщаемый для каждого устройства, представляет собой рассчитанную цифру с одним номером. Оценки для каждого из отдельных тестов в этом пакете позволяют дизайнерам весить и объединить эталонные тесты в соответствии с конкретными требованиями приложений. 8
Бюджет мощности для краевого узла датчика будет напрямую коррелировать с его пропускной способностью. Если бюджет мощности не согласуется с потребностями обработки аналитики краевых узлов, может потребоваться компромисс. Эффективность работы может влиять на энергоэффективность краевого узла датчика. Типичным показателем потребляемой мощности для микроконтроллеров является указание количества активного тока, используемого на МГц вычислений. В качестве примера, для MCU, который основан на ARM Cortex-M3, ток может составлять десятки мкА на МГц.
Рабочий цикл
Минимизация энергопотребления для узла краевого датчика часто основана на двух факторах: сколько тока узел потребляет, пока он активен, и как часто он должен оставаться активным для определения, измерения и интерпретации. Этот рабочий цикл будет зависеть от типа датчика и процессора, используемого в узле, а также требований алгоритма.

Рисунок 4. В основном активным состоянием в узле краевого датчика MCU может потреблять избыточную мощность
Без учета потребления тока MCU, в основном активное состояние будет потреблять значительную мощность в узле краевого датчика и сокращать срок службы приложения с батарейным питанием в течение нескольких часов или дней.
Значительная экономия энергии достигается за счет использования цикличности компонентов в узле, следя за тем, чтобы они были активны только в случае крайней необходимости. MCU редко оказывается полностью выключенным. Он должен быть специально сконструирован для работы с низкой энергией, чтобы MCU мог полностью контролировать узел краевого датчика, потребляя как можно меньше энергии. Минимизация потребления тока MCU - это все, что делает сон MCU настолько часто, насколько это возможно, при этом позволяя ему выполнять свои критические задачи, когда они необходимы.

Рисунок 5. Сохранение MCU в основном неактивном состоянии для оптимального снижения мощности
Сохранение MCU в режиме спящего режима низкой мощности в основном неактивном состоянии, только для активного во время короткой работы, может продлить срок службы батареи для краевого узла на многие годы.
Для решения непрерывного непрерывного потока данных может не потребоваться множество решений для определения краевых узлов в пределах промышленного IoT. Игнорирование данных из известных условий вне границ с использованием пороговых значений прерываний может снизить вычислительную мощность. Чтобы сохранить как мощность, так и пропускную способность, предсказуемый рабочий цикл может быть известен заранее. Кроме того, переменный рабочий цикл, основанный на состоянии воспринимаемой информации, может вызывать либо активное, либо пониженное энергопотребление.
Время отклика и потребляемая мощность, как включение, так и выключение, микроконтроллера или DSP могут быть важными конструктивными соображениями для приложений с низкой пропускной способностью. Например, передача данных от датчика температуры и света может быть значительно уменьшена в периоды бездействия внутри здания. Это позволяет увеличить время ожидания на узле датчика и значительно меньше передач информации.
Чтобы обеспечить быструю реакцию, многие микроконтроллеры обеспечивают различные состояния работы с малой мощностью в дополнение к тому, чтобы быть полностью активными, такие как сон, сгибание, спящий режим и полное выключение питания. Каждый режим будет отключать различные внутренние вычислительные блоки для энергоэффективности, когда это не требуется, часто меняя текущие требования на несколько порядков. Компромисс для этой энергетической выгоды заключается в том, что для перехода к полной активности будет некоторое минимальное время отклика. В гибридной конфигурации, известной как режим flexi, ядро вычисления находится в спящем режиме, в то время как периферийные интерфейсы остаются активными. Режим гибернации может обеспечить сохранение данных SRAM с возможностью по-прежнему позволять часам реального времени оставаться активными.

Рисунок 6. Подробная информация о потребляемой мощности MCU по сравнению с временной диаграммой
Подробная диаграмма потребления электроэнергии по сравнению с временной диаграммой на рисунке 6 показывает влияние каждого режима MCU с низким энергопотреблением, времени перехода и рабочего цикла. Использование состояний низкого энергопотребления, когда MCU не активен, является ключом к сохранению в узле узла узла с низким энергопотреблением. 9
Датчик Fusion
Расширенные аналоговые микроконтроллеры обеспечивают полное вычислительное решение смешанного сигнала. Аналоговый мультиплексор с встроенным прецизионным аналого-цифровым преобразователем (АЦП) позволяет использовать более совершенный метод слияния датчиков. Несколько входных датчиков могут быть отправлены на один микроконтроллер перед цифровой обработкой. Встроенные цифро-аналоговые преобразователи (ЦАП) и обратная связь микроконтроллера с другим ближайшим оборудованием позволяют быстро контактировать с обратной связью. Другие модули встроенных схем, такие как компаратор, опорный диапазон, датчик температуры и фазовый цикл, обеспечивают дополнительную гибкость алгоритма для многосенсорного краевого узла. 10

Рисунок 7. Несколько сигналов датчиков могут обрабатываться в одном аналоговом микроконтроллере
Аналоговые сигналы от нескольких датчиков могут быть отправлены на аналоговый микроконтроллер с одной точностью. Алгоритмы в микроконтроллере разумно могут объединить информацию в процессе, известном как слияние датчиков.
Пример такого типа обработки краевых узлов находится в открытом мониторе загрязнения. В таком приложении данные с нескольких входов, включая газ, температуру, влажность и датчики твердых частиц, сплавляются и анализируются в одном процессоре. Исходя из этой информации, обработка может быть выполнена для создания показателей загрязнения, основанных на калибровке и компенсации, известных только на локальном узле датчика. Затем эти откалиброванные данные могут быть отправлены в облако для исторического анализа. В некоторых случаях может понадобиться уникальный однократный ввод в эксплуатацию для настройки каждого узла датчика для его конкретных смещений окружающей среды. 9
Analog Devices инвестировала в платформу ULP со значительными инновациями в сенсорах, процессорах и сильных наборах функций в энергоэффективных режимах. Недавно анонсированные семейства микроконтроллеров ADuMC3027 и ADuMC3029 обеспечивают производительность ядра ARM Cortex-M3 с частотой 26 МГц с рабочим током менее 38 мкА / МГц в активном режиме и 750 нА в режиме ожидания. Эта эффективная локальная вычислительная мощность снижает общую мощность системы, в то же время существенно уменьшая необходимость отправки данных через сеть для анализа. 9
Analog Devices предлагает широкий спектр механизмов MCU и DSP, которые могут помочь интеллектуально захватывать и обрабатывать данные IoT, предназначенные для облака. Семейство ADuCM36x предлагает процессорное ядро ARM Cortex-M3 с интегрированными двойными Σ-Δ-АЦП. Семейство цифровых сигналов семейства Analog Devices SHARC обеспечивает производительность обработки с плавающей запятой в реальном времени для многих приложений, в которых динамический диапазон является ключевым. 4
Процессор следующего поколения Cortex-M33 основан на архитектуре ARMv8-M с проверенной технологией ARM TrustZone, которая помогает защитить надежные приложения и данные с помощью аппаратного обеспечения, встроенного в процессор. По мере того как мир становится все более и более связанным, обеспечение каждого узла имеет решающее значение для расширения роста принятия IoT.
Рекомендации
1 Майкл Портер и Джеймс Хеппельманн. «Как Smart Connected Products трансформируют конкуренцию». Harvard Business Review, ноябрь 2014 года.
2 Зерни Мерфи и Колм Прендергаст. «Точность подсчета в IoT». Analog Devices, Inc., август 2016 года.
3 Борис Лернер. «Фиксированная точка или цифровая обработка сигналов с плавающей запятой». EE Times, февраль 2007 г.
4 Цифровые сигнальные процессоры. Analog Devices, Inc.
5 европейских редакторов. «Производительность мультиконтроллеров на микроконтроллерах». Digi-Key, ноябрь 2013 года.
6 Овинд Лоу. «Оценка энергоэффективности MCU реального мира». Embedded, октябрь 2015 года.
7 Амяс Филлипс. «Промышленный IoT». РУКА.
8 IoT-Connect, EEMBC Benchmark. EEMBC.
9 Мишель Фаррингтон. Эволюция автономных систем ввода-вывода. IDTechEx, апрель 2016 года.
10 прецизионных аналоговых микроконтроллеров. Analog Devices, Inc., июль 2008 г.
Отраслевые статьи - это форма контента, которая позволяет отраслевым партнерам делиться полезными новостями, сообщениями и технологиями с читателями All About Circuits таким образом, что редакционный контент не очень подходит. Все отраслевые статьи подчиняются строгим редакционным правилам с целью предоставления читателям полезных новостей, технических знаний или историй. Точки зрения и мнения, выраженные в отраслевых статьях, являются точками партнера, а не обязательно для All About Circuits или его авторов.