Si è appena conclusa presso lo Shanghai New International Expo Centre la fiera internazionale Electronica China 2020, dedicata a componenti elettronici, sistemi, applicazioni e soluzioni.
di Fonte ST
La pandemia globale ha colpito in maniera particolare il mondo delle fiere, luoghi d’assembramento per eccellenza. Originariamente programmata per fine marzo, si è appena conclusa la fiera annuale Electronica China di Shanghai.
Electronica China è la fiera internazionale per componenti elettronici, sistemi e applicazioni, che si tiene una volta all’anno a Shanghai. Dalla sua fondazione nel 2002, la fiera si è sviluppata come piattaforma leader del settore ed è il più importante luogo di incontro annuale per l’industria elettronica cinese e internazionale. Multisfaccettata e orientata al futuro Electronica China propone forum ed eventi di prim’ordine, che mettono in risalto le ultime tendenze e tecnologie del mercato. Con più di 5.800 espositori e 200.000 visitatori raccolti tra Monaco di Baviera, Cina e India, la fiera rappresenta un’occasione di aggiornamento sulle più recenti innovazioni nel campo dell’elettronica, da ideazione a produzione, e una possibilità di accesso al mercato cinese e asiatico per le società straniere.
Per l’occasione, STMicroelectronics ha proposto uno stand con oltre 100 demo su mobilità intelligente, alimentazione e gestione dell’energia, IoT, 5G, e molto altro. Tre presentazioni catturano, in particolare, l’attenzione: un prototipo di automobile, un modulo contactless per display a LED e una soluzione di manutenzione predittiva che esegue il proprio algoritmo di apprendimento automatico sul sensore inerziale. Electronica China rappresenta l’occasione di presentare una strategia per i mercati asiatici che si concentra innanzitutto sulle applicazioni, piuttosto che su concetti vaghi.
L’auto dimostrativa ST ha proposto un totale di 31 dimostrazioni a partire da alimentazione, unità di controllo del veicolo, moduli di controllo della carrozzeria, connettività e molto altro ancora. Tre le caratteristiche particolarmente degne di nota: inverter di trazione, gestione della batteria e illuminazione posteriore OLED. Il veicolo è un ottimo esempio di come si possa migliorare notevolmente la gestione della batteria grazie a misurazioni precise e operazioni veloci. L’illuminazione anteriore adattiva e le luci posteriori OLED del prototipo lasciano spazio ad una vasta gamma di opzioni personalizzabili che permettono alle case automobilistiche di offrire un’esperienza sia sicura sia distintiva.
Oltre a proporre l’utilizzo di transistor MOSFET SiC, gate driver e processore PowerPC, il progetto di riferimento per l’inverter di trazione del prototipo di ST Car offre la possibilità di avvalersi di firmware capace di determinare la posizione del motore. Tradizionalmente, una tale funzione richiede un IC dedicato. Tuttavia il nuovo firmware, permette di usufruire della stessa funzione semplicemente utilizzando la potenza di elaborazione disponibile. Questo design completo consente di elaborare prove di concetti più rapidamente grazie all’efficienza alla base del design di riferimento.
Lo stand ST ha inoltre proposto demo sul ricetrasmettitore contactless ST60, che permette di gestire grandi display a LED in maniera più semplice riducendo il quantitativo di cavi necessari e, di conseguenza, i costi di manutenzione, con un incremento di affidabilità del prodotto.
L’ultima demo di spicco è stata dedicata ad un sistema di manutenzione predittivo in grado di eseguire algoritmi basati sull’intelligenza artificiale all’interno del core di machine learning di LSM6DSOX. Il MEMS è in grado di rilevare comportamenti anomali di un motore e inviare un avviso per consentire alle aziende di riparare parti danneggiate prima che il danno si manifesti effettivamente aggravando le ripercussioni finanziarie. Elaborando i dati sul MEMS, il sistema può rimanere più a lungo in modalità di sospensione, il MEMS può eseguire l’algoritmo di apprendimento automatico con solo 1 mA ed attivare il sistema solo quando viene rilevata un’anomalia.
La guida dettagliata affronta anche la raccolta e la pulizia dei dati, un problema particolarmente complesso. Prima che il nucleo di machine learning possa rilevare un’anomalia, deve infatti imparare a riconoscerlo.