IIoTとインダストリー4.0は従来、センサー、スイッチ、データ分析、接続性に焦点を当ててきましたが、次のデジタル製造の波は「エネルギー効率」によって駆動されます。 産業プラントは最大の電力消費者の一つであり、信頼性の高い電力供給はすべての高度なプロセスの基盤です。国際エネルギー機関（IEA）によると、産業部門は2016年に世界の電力消費の41.6%を占めました。 効果的な電力管理は、産業用ロボットを最小限のダウンタイムで稼働させます（1ミリ秒が命取りになります）。信頼性向上に加え、効率改善は大幅なリソース節約をもたらします。 エネルギー性能を向上させる複数の戦略があります： 再生可能エネル

データは自律走行車（AV）開発の生命線であり、自動運転システムを可能にするディープラーニングモデルを支えています。 競争力を維持するため、AVベンダーは公道で数百万マイルを走行し、ペタバイト単位の生データを蓄積しています。例えばWaymoは、実走行1,000万マイル、シミュレーション100億マイル以上のデータを記録しています。 しかし、業界は重要な問いをあまり投げかけていません：その膨大なアーカイブのうち、実際にラベル付けされているのはどれくらいで、そのラベルの精度はどの程度なのか？ Edge Case Researchの共同創業者兼CTOであるPhil Koopman氏は、最近のEE Tim

適切なスイッチの選定はしばしば見過ごされがちですが、製品の性能、耐久性、ブランド評判に劇的な影響を与えます。スイッチは安価で一見単純な部品ですが、その仕様（サイズ、電気定格、環境耐性、ユーザー操作性）は多岐にわたります。設計者は、各スイッチをアプリケーション固有の要求と照らし合わせて評価し、高コストな手戻りを防ぎ、ユーザー体験を向上させる必要があります。 以下に、スイッチ選定時に評価すべき10の重要な要因を実例と実践的なガイダンスとともに解説します（前半5項目）。 1. データ駆動型設計 IoTエコシステムは、保存または送信が必要な数十億のデータポイントを生成します。これにより、アンテナ、送信

TinyMLグループが初会合を開いたとき、最初の議題はシンプルな質問でした：TinyMLとは一体何か？ TinyMLは、機械学習（ML）を超低消費電力デバイスで動作させることに専念するエンジニアのコミュニティです。初回の集まりでは、MLがマイクロコントローラーで実装可能か、専用の低消費電力MLプロセッサが必要かが焦点となりました。 Qualcomm AI ResearchのEvgeni Gousev氏は、TinyMLを1mW以下で動作するML技術と定義しました。彼は1mWをスマートフォンにおける「常時オン」アプリケーションの「マジックナンバー」と呼びました。 「クラウドMLが会話を支配している

ファブレス半導体大手のXMOSが、音声制御を日常デバイスに組み込む決定的な一歩を踏み出しました。新しいXVF3510音声プロセッサは、わずか2つのマイクロフォンで堅牢なリアルタイム音声認識を実現し、コストとサイズを劇的に削減することを実証しています。 背景として、XMOSは音声ソリューション、オーディオ製品、リアルタイム タスク実行、集中的なデジタル信号処理（DSP）、決定論的動作を維持するマルチコア マイクロコントローラを専門としています。xCOREアーキテクチャは複数のRISCプロセッサ タイルを高速スイッチで接続し、各タイルが最大8タスクを並行実行可能。タスク間はチャネル（ローカル/リモ

新たな業界アライアンス「FiRaコンソーシアム」が結成され、超広帯域（UWB）技術を高精度なファイン レンジング アプリケーション向けに推進します。このグループは、チップセット、デバイス、サービス プラットフォーム間のシームレスな相互運用性を保証する標準と認証を開発します。 4つの創設スポンサーによって推進されるこのコンソーシアムは、低データレート ワイヤレス接続と拡張測位を定義するIEEE 802.15.4/4z標準に基づいて構築されます。FiRaはIEEEプロファイルを拡張する相互運用性仕様を策定し、不足メカニズムを追加し、ターゲット ユースケースの展開を加速します。 FiRaはI

データ収集はこれまでになくシンプルになりました。わずか数クリックで、企業は最先端のクラウド技術にアクセスし、膨大な情報を取得・格納できます。10年前なら、データ収集のスケーリングは高価なサーバと専門エンジニアを雇える大企業の特権でした。 今日、IoT（モノのインターネット）があらゆるデバイスをデータ発生源に変えます。2020年までに、1人が毎秒1.7MBのデータを生成するようになりました。さらに驚くべきことに、自動運転車は1日で11TBのデータを生成します。これらの数字はさらに増加すると予測されています。 データ サイエンティストにとって、情報の豊富さは恵みでもあり課題でもあります。新しいディ

米国疾病管理予防センター（CDC）によると、米国では毎年約61万人が心疾患で死亡しています（4人に1人の死因）。心臓の健康は個人の総合的健康において最も重要なパラメータの1つです。医療モノのインターネット（IoMT）は、病院、クリニック、患者ケア、在宅など多様な環境でヘルスケア管理を改善する、ウェアラブル、マルチパラメータ、継続的な心臓モニタリング システムの新世代を可能にしています。 IoMTは、医療デバイスとサービスがデータを収集・分析し、医療提供者に送信する接続インフラストラクチャです。現在、これらのデバイスには温度、湿度、振動を測定するセンサーや、限られた心疾患を特定するアルゴリズムが

今日の急速に進化する技術環境では、ワイヤレス通信標準を追いかけるのは熟練プロフェッショナルでさえ骨が折れます。プロトコルの多様性と、それらが対応する特定ユースケース要件が、必要性と革新の境界を曖昧にするからです。 ほとんどの人はWi-FiとBluetoothを知っています。これらは家庭、オフィス、モバイル デバイスで至る所にあります。低消費電力メッシュ ネットワークを構築したことがなくても、Zigbee、SigFox、LoRa、LTE-M、NB-IoTという名前は聞いたことがあるでしょう。 しかし、これらのよく知られた言葉は表面をなぞったに過ぎません。異なるIoTシナリオは異なる性能プロファイ

2011年ハノーファー見本市でのデビュー以来、インダストリー 4.0は単なるバズワードから具体的な製造革命へと進化しました。真の原動力は、IoT（モノのインターネット）の爆発的普及と、人工知能（AI）の産業ワークフローへの統合です。 2012年、General Electricが「インダストリアル インターネット」という用語を導入し、監視、収集、交換、分析、実用的洞察の提供を行うインテリジェント デバイスのネットワークを記述しました。この概念はインダストリー 4.0と融合し、最終的に産業用IoT（IIoT）へと結実しました。 ラベルに関わらず、目標は同じです：蒸気機関、コンベア ベルト、IT基

Amazon Web Services（AWS）は、Microsoft AzureとGoogle Cloud IoTに並ぶ、IoT向け主要クラウド プラットフォームの1つです。スマート デバイスはインターネット経由でAWSに接続し、通常MQTTプロトコルを使用し、豊富なクラウド サービスとやり取りします。デバイス通信以外にも、AWSは堅牢なデータ ストレージ、分析（AI含む）、アクセス制御など、エンドツーエンドのIoTソリューションを強化する多くの機能を提供します。 データ永続化には、スケーラブルな階層型ファイル システムであるSimple Storage Service（S3）を提供。S3の

IoTは前例のないペースで拡大し、2035年までに1兆台の接続デバイスが予測され、現在のデータ量を遥かに超えます。スマートメーターは最も急成長しているIoTセグメントの1つです。IHS Markitによると、高度計量インフラ（AMI）支出は2023年に130億ドルに達し、2018年の90億ドルから増加見込み。電力会社は自動検針、精密な請求、遠隔制御の恩恵を受けつつ、リソース消費を削減しています。 しかし、この爆発的拡大は、重要インフラを標的とするサイバー犯罪者や機密データ窃取を狙う攻撃対象領域を拡大します。2016年12月、「Crash Override」マルウェアがウクライナの送電網を乗っ取

コネクテッド デバイスが普及しているにもかかわらず、大多数のIoTハードウェアは強固なセキュリティなしで出荷されています。実際、多くが基本的な暗号化さえ欠いており、攻撃者にとって格好の標的です。 リスクを定量化し、企業の備えを測るため、Shared AssessmentsとPonemon Institute（両者ともサイバーリスク測定の権威）による第3回年次調査「企業は自分が何を知らないかを知らない」が2019年5月に公開されました。調査は625人の上級リスク/ガバナンス リーダーから洞察を収集しました。 主要な調査結果は、露出と備えの著しいミスマッチを浮き彫りにします： 回答者の26%が、

組み込みデバイスはますます普及していますが、新しいインターネット接続製品ごとに新たなプライバシー懸念が生じます。幸い、増え続ける市販のシリコンとソフトウェア サービスのポートフォリオが、設計者が侵入と不正データ露出への耐性を構築するのを助けます。第一歩は、緩和すべき正確な脅威を特定することです。 実践において、プライバシーとは、認可された所有者以外のいかなる当事者も特定情報にアクセスできないようにすることを意味します。プライバシーはセキュリティのサブセットですが、両者は異なります。セキュリティはデータの悪意ある改ざんや破壊も防ぎます。システムはプライバシーがなくてもセキュアであり得ますが、プラ

オーディオ インターフェースは、産業用IoT（IIoT）シングル ボード コンピュータ（SBC）の定番となり、アナログとデジタルのオプションを網羅しています。各インターフェース タイプは独自の設計とテスト課題をもたらし、アセンブリと生産を通じて対処する必要があります。目標は、フロントエンドICからプロセッサのデジタル オーディオ入力まで、信号チェーン全体を検証することです。 図1は、組み込みオーディオ フロントエンドの典型的な生産テスト フローを示します。レシーバーIC（アナログ・ツー・デジタル コンバータまたはデジタル オーディオ レシーバー）、シリアル インターフェース（例：I²S）、処理

2015年設立のピッツバーグ拠点スタートアップAspinityは、火曜日にReconfigurable Analog Modular Processorプラットフォーム「RAMP」を発表します。超低消費電力のアナログ処理プラットフォームで、音声、アラーム、振動変化などの生センサー データをアナログ ドメインで直接検出、分析、分類します。信号を背景ノイズから分離したら、RAMPは洗練されたデータをデジタル化のために引き渡します。 （出典：Aspinity） アナログ解析を最初に行うことを優先することで、RAMPはエッジ デバイスの消費電力を最大10分の1に削減し、常時オン アプリケーションでデー

カリフォルニア州サンノゼ ― 2年目のスタートアップPetalが、モバイルとクラウドのリーダーがユーザーの思考にアクセスできる脳波モニタリング プラットフォームを先導しています。同社はSensors Expoで技術を披露し、Googleのアシスタント エコシステム拡張への招待に応えました。 リアルタイム思考監視はまだ主流から遠いですが、複数の出展者によると、この分野は生センサー ハードウェアから高度なソフトウェアとデータ分析へと価値連鎖を急速に登っています。 Petalは市販のEEGヘッドセットで脳信号を取得し、GoogleのTensorFlowフレームワーク上に構築したカスタム ニューラル

グルノーブル ― 今年のLeti Innovation Daysは「エッジ人工知能のためのディープテック」をテーマに、屋外気温が40℃（104°F）に迫る記録的熱波の中、世界から800人の代表者を集めました。 Minatecキャンパスで開催された会議では、講演、ワークショップ、ライブ デモを通じて、エッジへのAI展開の主要課題が浮き彫りにされました。 データ プライバシーがエッジAI採用の主たるドライバーである一方、計算時間とエネルギー消費の削減も同様に重要です。実際、データ転送とメモリアクセスがシステム エネルギーの最大90%を消費するため、メモリとプロセッサ間のデータ移動を最小化することが

急速に進化するIoT環境において、LoRaと5GのNarrowband-IoT（NB-IoT）が、より広範な低消費電力広域ネットワーク（LPWAN）群をリードしていると、IHS Markitの最新分析が示しています。 4G LTE-M変種は後れを取り、Sigfoxは遠く後塵を拝しています。データはLPWAN分野での明確な統合を示唆しています。 2018年、IHSは世界でわずか1億5000万のLPWANリンクがアクティブだったと推定。年平均成長率63%で、2023年までに17億に膨らむと予測しています。 新興選択肢も牽引力を得ています。複数ベンダーがHaLow（長距離Wi-Fi変種）向けの初の9

カリフォルニア州サニーベイル ― 約200人のエンジニアと研究者が集まり、超低消費電力システムにディープラーニングをもたらす新興分野TinyMLを推進するコミュニティの発足会合が開かれました。 「革新的なアイデアに不足はない」と、Armの機械学習フェローIan Bratt氏が冒頭で述べました。 4年前、進展は停滞していました。新しい浮動小数点フォーマットと圧縮技術の到来が熱狂を再燃させましたが、最先端研究と商業的に実行可能なソリューションの間には依然として大きなギャップが存在します、とBratt氏は説明しました。 ソフトウェア エコシステムはワイルド ウェストの様相を呈し、断片化し、Amaz