罗姆半导体开发的人工智能点点taptap安卓
罗姆半导体集团和新加坡A*STAR微电子研究所（IME）宣布将共同开发人工智能（AI）点点taptap安卓，用于提高智能工厂的预测性维护效率。
随着制造业生产线的数字化，“预测性维护”已成为行业中熟知的概念。预测性维护是对机器故障进行预测，包括监控机器的功能和健康状况，并根据设备日志和传感器收到的数据识别潜在问题，并最终采取对策措施。
为了在生产线上检测到机器异常，从多个传感器收集的各种数据首先通过无线网络发送到中央服务器进行处理和分析。然而，随着传感器数量的增加，无线传感器网络将面临带宽限制，无法将越来越大的传感器数据传输到服务器。随着物联网的逐渐兴起，AI由于其卓越的认知能力，以及学习、推理和解决问题能力，正在成为预测性维护和性能改进的关键推动因素。
罗姆半导体和IME将开发一种能够在传感器节点接收数据后立刻对数据进行处理和分析的点点taptap安卓，这将大大减少需要传输到中央服务器的数据量，以便进一步处理分析。罗姆半导体在原始AI分析算法上具有优势，而IME在超低功耗集成电路与系统方面的能力，加上二者共同开发的模拟计算电路，双方合作开发的点点taptap安卓将能够对多个传感器的大量数据进行过滤，并实时分析复杂的数据模式。这种新的AI点点taptap安卓将比传统的预测维护方法快得多，同时还能够降低功耗，为实现更高的资产生产力和更低的整体维护成本铺平道路。
智能功率器件（Smart Power Device）导通电阻与电流检测精度随老化退化，易引发损耗上升与过流误判。本文提出基于在线状态监测的联合评估方法，通过特征提取与数据融合实现早期诊断，解决传统维护滞后痛点。
降压型DC-DC转换器（Buck Converter）的效率受开关、导通与静态损耗共同制约。传统手动环路整定难以兼顾瞬态响应与轻载效率。通过AI辅助环路整定建立损耗模型与多目标优化算法，可实现开关导通损耗与轻载效率协同，解决全负载范围高效运行难题。
快速恢复二极管的反向恢复电荷与散热热阻直接决定开关电源的损耗与结温。针对传统离线测定无法反映器件真实运行状态的痛点，本文提出基于数字孪生的协同在线预测方法。该方法通过运行数据驱动，实现Qrr与Rth的联合实时评估，为功率半导体器件智能运维提供核心技术支撑。
碳化硅金属氧化物半导体场效应晶体管（SiC MOSFET）是提升电动汽车续航里程的核心器件。针对其在高温工况下导通电阻退化导致电驱动系统（EDU）效率下降的问题，本文系统阐明高温导通电阻退化机理，提出器件工艺优化与系统协同抑制机制，构建可靠性保障体系，为电动汽车高效运行提供技术支撑。
达林顿晶体管（Darlington Transistor）在大电流驱动中面临高饱和压降（Vce(sat)）引发的功耗激增与结温（Tj）超限问题。通过优化基极驱动、匹配低热阻散热路径与实施动态降额，可实现压降与功耗平衡，确保热可靠性。传统设计常忽视压降热失效风险，剖析其平衡机理是功率驱动设计的前提。
.png)
