ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)가 올해 초 인수한 카테시암(Cartesiam)의 머신러닝 애플리케이션용 소프트웨어 툴의 첫 번째 주요 업그레이드로 나노엣지 AI 스튜디오(NanoEdge AI™ Studio) 버전 3을 출시했다고 밝혔다.

새로운 버전의 나노엣지 AI 스튜디오는 AI 기능이 클라우드에서 엣지로 이동함에 따라 산업 공정을 근본적으로 개선하고, 유지관리 비용을 최적화하며, 로컬에서 데이터를 감지, 처리, 작동시키는 혁신 기능을 장비에서 구현해 지연시간 및 정보 보안을 개선하는 등의 엄청난 잠재력을 제조업체들에게 제공한다. 애플리케이션 분야로는 커넥티드 기기, 가전기기, 산업 자동화 등이 포함된다.

나노엣지 AI 스튜디오는 모든 STM32 마이크로컨트롤러에 직접 구현할 수 있는 머신러닝, 이상 학습, 검출 및 분류, 회귀, 이상치 라이브러리를 간단하게 생성할 수 있다. 사용자는 이 새로운 버전을 통해 이러한 최첨단 머신러닝 기능을 빠르고 쉽게 비용 효율적으로 장비에 통합할 수 있으며, 데이터 과학 전문지식을 갖추지 않아도 된다.

ST는 모든 STM32 개발 보드에 기본 지원을 추가한 것은 물론, 첨단 IoT 애플리케이션 시제품을 제작하는 STWIN 개발 보드에 내장된 새로운 고속 데이터 수집 및 관리 기능을 구현함으로써 산업용 등급 센서에 수반되는 코드 작성이 필요하지 않다. 또한, 나노엣지 AI 스튜디오 소프트웨어는 클라우드로 데이터를 전송 및 처리하는 대신, 로컬에서 데이터 스토리지 및 프로세싱을 이용함으로써 보안을 강화한다.

국제적 기술 컨설팅 및 엔지니어링 회사인 알텐 그룹(Alten Group)의 혁신 부문 과학 디렉터인 스티브 페게(Steve Peguet)는 “항공우주 분야의 주요 고객과 나노엣지 AI 스튜디오를 사용할 기회가 있었다. 알텐은 드릴 비트(Drill Bit)의 마모나 사소한 이상만으로도 심각한 결과를 초래할 수 있는 고가의 부품을 제조하면서 머신 드릴링을 위해 나노엣지 AI 스튜디오를 이용해 머신러닝 알고리즘을 드릴링 장비에 통합했다. 생산 라인에서 테스트를 마친 이 솔루션은 매우 효과적이었고, 알텐은 이 기술의 실행방식을 도입해 고객을 지원하고, 그 첫 번째 결과를 산업화해 드릴링 도구의 처방적 유지보수를 위한 혁신 솔루션을 공장에 구축했다”라고 밝혔다.

철도 및 기타 산업 분야를 위한 산업용 IoT(Industrial IoT) 솔루션 개발 전문 기업인 스티미오(Stimio)의 설립자이자 CEO인 데이비드 도발(David Dorval)은 “스티미오의 주요 철도 고객들은 가동시간을 늘리고 비용을 최적화하며, 비용 부담이 큰 운전 정지시간을 방지하기 위해 저전력 무선 기반의 자율적 예측유지보수 솔루션을 제공해 달라고 요청했다. 저전력 엣지 AI는 자사 전략의 핵심이며, 여러 엣지 AI 소프트웨어 솔루션을 벤치마킹한 후 ST의 나노엣지 AI 스튜디오를 선택했다. 이로써 강력한 저전력 AI 알고리즘을 통해 옥시젠 엣지(Oxygen Edge) 제품을 강화할 수 있었다”라고 말했다.

웨어러블 테크놀로지스(Wearable Technologies Inc.)의 사장 겸 CEO인 디팩 아로라(Deepak Arora)는 “나노엣지 AI는 차세대 개인용 안전장치의 머신러닝 개발 시간을 단축하도록 지원함으로써 사랑하는 사람들이 건강하고 행복한 삶을 누릴 수 있게 보호해준다. 이 장치는 엣지에서 실행되는 AI를 통해 더 높은 정확도와 낮은 오탐률(False-Positive)로 정보에 입각한 결정을 신속하게 내릴 수 있게 할 것이다”라고 설명했다.

나노엣지 AI 스튜디오 버전 3의 주요 기능은 다음과 같다.

• 완전히 재설계된 사용자 인터페이스로 비전문가도 최첨단 머신러닝 라이브러리를 손쉽게 개발할 수 있도록 지원
• STWIN 개발 보드의 새로운 고속 데이터 수집 및 관리 기능으로 단 한 줄의 코드 작성 없이도 모든 산업용 등급 센서의 간편한 관리 가능
• 예측유지보수에 특히 유용한 이상 탐지 지원 기능 개선으로 마모현상을 예측하거나 장비 노후화 문제를 원활하게 처리
• 작은 데이터 세트를 사용해 STM32 MCU에서 직접 정규성을 학습하거나, 새로운 회귀 알고리즘을 이용해 이전의 비정상적 패턴을 보지 않고도 트레이닝 가능
• 회귀 알고리즘을 추가해 에너지 관리 또는 장비의 남은 수명을 예측하기 위해 데이터를 추론하고 향후 데이터 패턴을 예측
• 모든 STM32 개발 보드에 대한 기본 지원 제공, 구성 불필요