ローム

製造現場での故障予知にはクラウドサーバーへのデータ送信が必要であり、通信遅延やコスト、セキュリティの課題があった。エッジデバイスでのリアルタイムAI処理が求められていたが、従来のAIチップは消費電力が大きかった。

ニューロモルフィック技術を応用し、数10mWの超低消費電力でオンデバイス学習とAI推論が可能なチップを開発。クラウドサーバー不要でリアルタイムの故障予知を実現。モーターコントローラーICに組み込み、産業機器の状態監視に適用。

エッジAIの超低消費電力化により、クラウドに依存しない分散型の予知保全が可能になる。デバイス上での学習機能が、導入現場ごとのカスタマイズを不要にする。