随着多协议网状网络在工业和医疗物联网应用中越来越受欢迎，在拥塞的2.4 GHz 波段中确保出色无线性能是设备制造商面临的一大挑战。考虑到这些挑战，Silicon Labs （亦称“芯科科技”）推出了超低功耗 BG24 和 MG24 无线 SoC与模块系列产品，以解锁先进传感器和处于医疗和工业环境中微小边缘的人工智能和机器学习（AI/ML）应用。我们并制作了一篇应用文章－“多协议、网状网络 SoC 和模块推动医疗、工业应用创新”来详细说明医疗和工业物联网的设计趋势。
医疗和工业物联网的市场需求与机会涌现
全球新冠肺炎疫情给医疗保健系统带来了前所未有的挑战，包括医疗资源稀少、患者数量增加，以及诊所和设施管理的复杂性更高。在照护急重病例时，不容有错误的工作流程或暂时无法找到医疗器械。如果忘记了把器械放在什么地方，会减慢手术速度，护士平均每班次需要约 20 分钟来寻找器械。这相当于因无效工作而损失 500,000 美元。
支持物联网的解决方案可以改善医疗保健垂直行业的整体绩效，推动更好的工作条件，并改善医院的患者护理。因此，预计到 2027 年，物联网医疗保健市场规模将达到 4694 亿美元，并以 20.9% 的复合年增长率 (CAGR) 实现增长。
预测工业领域也会有上述同样的增长前景。2021 年至 2028 年间的 CAGR 为 22.8%，预计到 2028 年，市场规模将达到 1.1 万亿美元，显然，越来越多的企业注意到支持物联网的解决方案在改善运营方面的价值。通过无线连接增强现有基础设施，工业领域充分利用物联网的强大能量，从而减少了意外停机时间、提高了产量并改善了人员安全。
这一轨迹转化为创新物联网解决方案，随时准备变革我们所了解的现有行业。那么，是什么阻碍了一些设备制造商利用这些创收机会？答案：能够确保跨零散多协议环境可靠连接的复杂开发流程。
Silicon Labs 的全新 BG24和 MG24 专为实现 2.4 GHz 无线性能而设计，旨在使设备制造商能够开发安全、智能的设备并将其更快推向市场。公司SoC 产品组合中新增了这两款产品，强化了我们的集成硬件和软件平台产品，从而助力发掘新的工业和医疗机会。
出色性能的射频链路，无需权衡能源效率
众所周知，工业环境中的 RF 条件非常恶劣，在这种条件下，视线障碍物包括厚墙壁、金属外壳、旋转设备以及在制造过程中产生的其他电磁波，这给设备制造商带来了重大挑战。更为糟糕的是，这些快速增长的应用运行在拥塞的 2.4GHz 传输频带上，对射频模块提出了更高的要求。
射频传输会对任何连接的设备能耗造成负面影响，尤其是电池供电的设备。当使用钮扣电池工作时，每盎司能量都至关重要。为此，优化电池生命周期是首要的设备设计考虑因素。
对于 Zigbee 和 Matter 中使用的 802.15.4 技术，BG24 和 MG24 SoC 具有市场上出色性能和 124dB 超低功耗 RF 通信链路。而这是通过提供高达 +19.5 dBm 的发射功率和 -104.5 dBm 的接收器灵敏度得以实现的。
通常，这种级别的无线性能意味着需要在能效方面作出权衡。然而，通过微调睡眠模式电流和调度电池供电的设备传输数据时间，实现了低功耗能耗配置文件，从而确保了这些SoC出色的可靠性和延迟。
Lumen Heat下的网状网络可靠性
随着LED市场的转变，互联照明系统进一步减少了商业建筑的能源费用和二氧化碳排放量。通过部署电池供电的日光感应传感器，无线技术大大降低了安装成本。无需电线即可与灯具通信，部署变得易于实施和扩展。
这也可以为额外的增值服务开创机会。由于灯具在建筑物中随处可见，因此商业建筑业主开始转向使用智能照明，以更好地了解其建筑物，从而营造更愉快、更高效的工作环境。还可以获取宝贵的运营见解，范围涵盖空气质量、空间利用率、入住舒适度和客房入住统计数据等等。
实施智能照明的一大挑战是实现当前通信协议之间的互操作性。全新MG24具有足够的内存空间，可承载多个无线协议栈，而不会使主机 MCU 过载，可提供动态多协议配置。这确保了具有蓝牙或 Zigbee 网状网络的零散生态系统内所需的灵活性。此外，MG24可在高达125°C的温度下可靠运行，因此成为商业照明领域最具竞争力的 SoC 选择。
面向未来的互联医疗设备
对于所有物联网开发人员来说，充分利用其边缘能力所面临的一大障碍是资源受限，如内存空间。由于医疗设备的使用寿命长达 10 年，因此经扩展的内存容量可确保已部署设备有空间来安装更多软件。随着越来越多的医疗保健法规出台，连接的端点需要场内固件和安全升级。
全新 BG24 SoC 配备嵌入式大存储容量，是适用于医疗设备的高效、高性能解决方案。BG24 支持蓝牙网状网络，可为外围设备和远程无线 (OTA) 软件更新提供扩展内存资源。
行业最高级别的安全性
诈骗者和黑客的点子越来越多，医疗和工业部门都面临着许多安全问题。潜在黑客名单很长，设备劫持、数据泄露和中间人攻击相当常见。为了确保设备制造商开发稳健、安全的解决方案，医疗市场受到行业标准和指南的严格监管。
Silicon Lab 在 SoC 层面注入最高级别的行业安全认证 PSA Level 3 认证 Secure Vault™安全技术，从而为设备制造商从一开始就优先满足网络安全的工作提供支持。为了进一步消除任何安全漏洞，我们还提供不止闪存编程的软件安全配置服务。定制化零件制造服务 (CPMS) 提供先进的安全性和唯一的证书，样本周转时间少于 4 周。
在最低BOM的情况下实现精确测量
在互联世界中，工业和医疗保健环境具有相似特征：两者都需要高质量的传感数据来作出明智的决策。虽然这些行业仍在不断发展，但对于监测关键设备和跟踪人员及患者，以及改造设施和站点以提高效率、可持续性和安全性而言，也提出了新的要求。
由于精确测量可确保系统的稳健性和可靠性，因此非常注重底层硬件及其设计考虑因素。为了确保传感应用的输出值具有更高的分辨率，设备制造商需要选择具有先进模拟组件且能够测量最小电压/电流变化的无线 SoC。
全新推出的 SoC 系列无需外部模拟组件，通过内置的 20-ADC 和 12 位 DAC 以及比较器即可满足行业基准。这对设备制造商意味着什么？高精度测量，降低物料表（BOM）成本和印刷电路板（PCB）占用空间。除了明显的经济效益外，BG24 和 MG24 SoC 还真正简化了开发过程。
适用于电池供电设备的微型边缘 AI/ML
对于任何一家企业，能否充分利用时间序列传感数据成为关键的差异化因素。能够从环境中学习并实时操作的自主设备可带来全新的效率并释放创新力。AI/ML 随时可以重新装备和升级现有的工业和医疗用例。据IoT for All调查指出，AI/ML应用很快就要走出炒作阶段，到 2024 年，物联网市场中AI/ML的价值将达到162 亿美元。
在工业环境中，AI/ML 在预测性维护领域势头正猛，其中 AI/ML 会及时检测设备条件下的异常情况，并且能够在任何故障发生之前予以纠正。在商业建筑管理领域，设施经理开始使用 AI/ML 来实施人员计数算法，并将包括照明和暖通空调在内的关键建筑系统重新定义为智能系统。
所有这些应用程序都呈现了对时间敏感的用例，其中速度和延迟对于识别可用的见解至关重要。将边缘计算置于云端会扩大数据传输窗口，并且需要大量基础设施来存储、传输和处理数据。Silicon Labs 通过在芯片组级别纳入内置 AI/ML 硬件加速器，通过全新 BG24 和 MG24 SoC 推动电池供电设备在微型边缘进行 AI/ML 处理。这些 SoC 为业界率先推出，可为电池供电物联网设备发掘新的 AI/ML 机会，使处理性能提升四倍。
