Silicon Labs（亦称“芯科科技”）超低功耗、多协议的MG24 SoC为Waites公司的工业物联网状态监测（Condition Monitoring）传感器提供了理想的网状网络无线连接解决方案。
凭借卓越的射频接收器灵敏度（高达20 dBm的输出功率），内置更大的Flash和RAM内存以及集成人工智能和机器学习（AI/ML）硬件加速器，MG24 SoC保证了一流的低延迟无线连接，是数据密集型（Data-Intensive），远程，电池供电传感器的理想选择。
动态的工业世界需要迅速的行动和决策，特别是当设备出现故障时。针对重要资产、基础设施和运营的评估有助于运营人员发现、警报和解决违规问题。
状态监测和预测性维护（Predictive Maintenance）在实现这一目标方面发挥着至关重要的作用。通过分析和解释各类型机动机械的状态，企业可以最大限度地减少计划外停机时间，加强资产生命周期管理和维护部署，最终降低安全风险。
挑战
设计面向未来的传感器，具有弹性可扩展到各种设施规模(数千种不同的机器)，即使在最具挑战性的射频条件下也能够传输超过100 KB的数据。这些传感器必须有效地在低功耗模式下工作，以延长电池寿命并减少更换电池的频率。确保传感器的信号发射过程不超过1分钟。
解决方案
针对网状物联网无线连接，Waites选择了超低功耗、多协议的MG24 SoC，并集成了AI/ML硬件加速器。凭借其卓越的射频接收器灵敏度，高达20 dBm的输出功率，以及广泛的闪存和RAM内存，MG24 SoC保证了一流的低延迟无线连接，是数据密集型，远程，电池供电传感器的理想选择。
开发成果
通过嵌入MG24 SoC, Waites加快了传感器的部署，使不同行业的客户能够快速获得可用性。同时也凭借的芯科科技的定制化元件制造服务（CPMS），Waites可简化设备设置和安装，将配置过程缩短到45秒。
Waites:用状态监测让世界平稳运行
自2006年以来，Waites一直是市面上供应状态监测解决方案的杰出代表公司，通过全天候、即插即用的在线监测，为工厂和设施管理人员提供全面的运营视图。
他们的无线传感器系统旨在彻底改变预测性和预防性维护，具有一系列传感器和网关，用于监测和分析三轴振动和温度数据，因此工厂和设施管理人员可以在不到5分钟的时间内使他们的设备监控系统运行。
机器学习革新工厂车间
人工智能系统通过训练模型、检测异常和持续监测设备参数，及时启动干预措施。AI/ML揭示了对传感器数据的隐藏见解，将状态监测转变为主动、经济高效和数据驱动的过程。
Waites使用人工神经网络，包括深度神经网络、卷积神经网络和变压器，以及大型语言模型(LLM)来识别用户交互。他们还利用异常检测和预测技术来监测各种内部和遥测指标，在高维多元时间序列数据中对设备缺陷进行分类。
MG24提升Waites数据密集型人工智能传感器
制造业、物流和医疗保健等行业越来越多地采用数字基础设施资产管理。Waites走在前列，即使在具有挑战性的射频环境中，也将其传感器部署在容纳超过100,000个关键资产的多层设施中。这些传感器旨在确保精确、不间断的实时数据处理。在部署状态监测传感器时，快速高效的设备设置和安装是一个至关重要的优势，配置所需时间不到一分钟，具有竞争优势。
Waites选择了芯科科技MG24多协议SoC，以确保其数据密集型电池供电传感器的可靠，稳健和安全的无线通信。此外，利用MG24内置的AI/ML矩阵向量处理器(MVP)硬件加速器，Waites能够以高达8倍的速度完成时间序列数据的大规模复杂数学运算，同时将功耗减少8倍。
