• 企业新闻

    芒果树发布**E模块

    ----------------------------E模块概览----------------------------E系列单个模块内集成了ADC或DAC、信号调理和信号连接功能,信号类型涵盖: 模拟电压、模拟电流、声音与振动、热电偶、热电阻、高速数字、编码器等。搭配RobustRIO平台,可为用户提供高性能的嵌入式控制和实时状 态监测系统;搭配FlexDAQ平台,可为用户提供高性能的嵌入式测量和数据记录系统。● 与RobustRIO和FlexDAQ搭配使用● 无缝兼容CompactRIO平台● 每个通道配有独立ADC或者DAC,通道完全同步,完全隔离● 可实现任意通道-通道、板卡-板卡同步,并编辑自定义触发模式----------------------------新模块发布----------------------------公司持续在E系列模块进行投入,不断丰富产品线。现隆重发布**E763、E790、E791、E792、E793模块.E763为差分编码器采集模块,可以广泛运用于速度、角度、位移测量的场合,提供了高信噪比的信号连接。搭配模拟输入模块,可完成力(矩)-位移,力(矩)-角度等同步测量和分析。E79X 系列全面丰富了E平台的工业协议通信功能。E790,E791实现了串口通信,可以和广泛的工业设备、传感器、分布节点进行互联和通信;E792, E793提供了I²C和SPI接口,广泛用于芯片测试,模组通信等场合。用户可以直接使用内嵌的FPGA API接口,无需二次开发。E734为高精度电流输出模块,实现了芯片级的电源管脚驱动和测量,可作为MEMS,传感器芯片测试的重要组成部分。以下E系列模块也将于近期发布,敬请期待:E713 为高速电压采集卡,实现了每通道1MHz的采样率。可用于瞬态信号捕捉,高速信号采集,数据流盘等应用场合。E794提供了2通道的高速CAN接口。可广泛应用于汽车电子功能测试,硬件在环仿真,分布式监测等应用领域。E系列模块全家福:E系列模块完全国产化,技术自主可控。全系备货充足,货期最快至24小时内发货。欢迎广大客户前来咨询和选购。----------------------欢迎来购----------------------想更多了解产品资讯,欢迎点击原文,来到我们的官方网站了解咨询,风里雨里,我们在这等你。实时测控平台,认准芒果树!正下方点击关注,不迷路!

    芒果树音频及声学功能测试解决方案

    一、简介随着物联网设备应用经验在全球范围内的增长,许多电子产品都采用了语音控制用户界面,这给音频及声学的功能测试带来了新的挑战。要求我们必须遵循新的产品引入计划,满足更广的测试覆盖需求以及通过多设备在线测试及修正来最大化高产量/高混合的生产测试吞吐。 二、应用需求1.全面的覆盖当下和未来的测试需求;2.在预期的周期内完成可靠测试操作;3.在生产计划内进行方案设计、开发和部署;4.在物理和可操作性方面适应生产过程; 三、芒果树的优势1.高效的软件工具减少开发周期,帮助加快新产品的引入;2.通过模块化的方法有效地满足新的变化需求;3.通过快速的测量速度及本地并行测试来增加测试吞吐;4.市场**的测量质量使得产品出错率最小化;5.更低的每通道数字声学测量成本; 四、芒果树解决方案芒果树提供了一套完整的测试平台,包含实时控制器,模块化的采集卡、应用开发软件等,来帮助用户开发和运行功能测试站。 图一 完整的工具及组件支持音频及声学测试 -RobustRIO实时控制平台及软件支持**和成熟的音频及声学测试需求,确保完整和准确的测试覆盖率;-FPGA和同步技术提高了高产量/高混合生产的测试吞吐;-LabVIEW软件集成了为音频测试而设计的工具包,为复杂测试步骤和序列的迅速开发提供保障; 图二 音频及声学功能测试系统 五、关键指标和硬件选择 1.关键指标 支持的DUT数字MEMS麦克风和PCBA,扬声器(包括智能扬声器),耳机(包括主动降噪),手机,可穿戴助听器等 音频/声学分析 电平&增益,频率响应,THD/THD+N,SNR,灵敏度,串扰,音阶测试,多频声测试,相位响应,主动降噪分析,背景噪声测量,阻抗曲线,STI/STIPA     音频/声学测试指标PDM输入数量:多达128DIO数字I/O逻辑电平:1.2V/1.5V/1.8V/2.5V/3.3V/5VPDM速率:512 kb/s/ch to 3.2Mb/s/ch 降采样率:8 to 50 kS/s 数字动态 > 120dBFS(i.e. Mic Spec AOP 130dB, SNR 74dB, Dynamic 110dBFS)AI 动态范围: 116dBFSAI THD+N: -106dBcAO动态范围: 110dBFSAO THD+N: -98dBcAI/AO同步:< 200ns测量范围:±10V硬件平台组件多功能DAQ,基于FPGA的DAQ,信号发生器,通讯组件等表一 关键指标 2.芒果树硬件RobustRIO实时控制平台,基于可重配置输入/输出(RIO)架构。提供4-15个数据采集槽位。搭配芒果树自研E系列模块,可满足用户多元化的实时控制、信号调理/采集、嵌入式检测等应用。表2列出了音频及声学功能测试相关的E系列模块,配合RobustRIO搭建实时功能测试平台。 动态加速度、速度、声音模块MTE7404通道,16bit,±5V,200kS/s/ch,同步MTE7414通道,24bit,±5V,128kS/s/ch,同步 静态电压、电流MTE7108通道差分输入,16bit,±10V/±5V,200kS/s/ch,同步MTE71116通道差分输入,16bit,±10V/±5V,200kS/s/ch,同步MTE7124通道,16bit,±25mA,180kS/s/ch,同步 温度MTE7208通道热电偶,B/E/J/K/N/R/S/TMTE7218通道热电阻,PT100/PT1000MTE72216通道热电偶,B/E/J/K/N/R/S/T 数字输入MTE76132通道漏极数字输入(触点闭合)MTE76232通道漏源极数字输入(触点闭合) 表二  E系列模块列举 表2中所列的E系列模块包括了模拟电压输入/输出,声音输入,数字DIO,数字DIO模块可用于接收PDM信号,模拟输出用于激励测试信号的输出,模拟/声音输入则可以采集音频信号。图三为8槽的RobustRIO控制器,搭配了8个不同类型的E系列模 图三 8槽RobustRIO控制器 实时测控平台,认准芒果树!正下方点击关注,不迷路!  

    用于设备预测性维护的传感测量技术

    一、背景现如今,随着工业物联网(IIOT)地愈演愈热,企业将致力于利用工业制造领域的进步技术,并采取更大胆的措施来提高增长和运营效率。制造商正在寻求解决将所有生产系统(OT和IT数据、BI、质量管理和生产流程)整合到单一设局模型中的复杂问题,因为他们知道那些成功管理它的人可以在这个过程中击败竞争对手。因此,在接下来几年内物联网设备和服务的采用率将会快速增长。  图1工业物联网 预防性维护服务几乎是所有最近和即将召开的国际工业4.0会议的热门主题。采用现代技术进行机器健康状态监测可以帮助维护团队增加生产时间,制定更高效的备件管理策略,以进行定期的预防性维护。MangoTree机器健康监测技术可帮助工厂工程师将关键设备的数据共享给领域专家,以便他们进行机器振动分析,同时还可将这些数据连接到企业IT系统,以推动数字化转型,实现工业物联网I(IoT)或工业4.0。MangoTree资产状态监测解决方案还具有开放性和可定制性,可让您针对工厂的特定需求开展现代化的预测性维护和流程优化。 二、概览状态监测系统可用于确定机械设备在运行过程中的状态,帮助用户实时了解与分析被监测设备的健康状态,从而实现一些常见故障的预判。一般地,我们针对不同设备进行故障分析,确定其故障模式,再根据被监测设备的特定组件确定所需传感器类型,最后对传感器获取的数据进行处理分析,来判断组件是否存在异常以及是否会出现相应的故障。 三、用于状态监测应用的测量技术和传感器用于探测设备组件变化的传感器多种多样。其中振动传感器是监测旋转机械最常用的传感器。振动传感器的特点在于能够在故障发生前两个月左右感测到设备组件的机械性能退化(图2)。  图2机械组件的性能退化 其它设备状态监测感测技术包括电机电流、机油分析、热成像、动态压力以及速度等工作状态传感器(图3)。 图3状态监测传感技术 表1列出了用于状态监测的传感器类型及其一些信号调理需求。 测量传感器频率范围可能的信号调理需求振动加速度计>100HzIEPE、交流/直流耦合、±24V输入或交流耦合、抗混叠滤波器振动速度>20Hzto<2kHzIEPE、交流/直流耦合、±24V输入或交流耦合、抗混叠滤波器电机电流电流分流器电流钳高达50kHz±333mV或±5V温度RTD热电偶高达10Hz噪声抑制、激励、冷端补偿温度红外线相机每秒多帧基于以太网的GigEVision连接机油质量油珠粒径黏度、污染、微粒高达10HzmA电流输入、±10V输入、50/60Hz噪声抑制表1.测量、传感器、频率、信号调理 图4为不同传感器对应的故障模式示例。图4传感器对应故障图解 上述各种传感器可用于监测旋转机械设备内部机械和电子部件的健康状态。 -振动传感器用于检测滚子轴承的磨损、齿轮箱的磨损、轴倾斜、失衡和机械松动。-速度传感器与振动传感器结合可将振动与转速和轴角位置相关联。-电动电流传感器通常安装在电机控制中心,这些传感器可用于检测转子偏心、绕组松动、转子条退化和电力供应不平衡。-温度传感器通常用于感测摩擦引起的热量,它们经常与振动传感器搭配使用结合振动情况来探测健康退化。-热成像可检测相机视场范围内的数百个温度点。-超声波传感器可以检测电气问题,包括电晕、电弧和漏电痕迹。它们也可以用于检测滚子轴承磨损的早期迹象。 设备的故障类型及所需传感器确定之后,需要选择将传感器数字化的测量硬件。测量硬件的选择依据包括:传感器特性、频率范围、电压范围和信号调理需求等。根据测量频率范围的不同,有静态传感器和动态传感器两种。动态传感器可测的频率更宽,一般为1Hz或2Hz至15kHz或20kHz,超声波传感器的频率范围**可达100kHz或以上。静态传感器可测的频率为1Hz到10Hz或20Hz。电压范围和信号调理需求是传感器的另外两个特性。不同传感器生成电压不同,有的只有几毫伏,有的能够高达30V。还有些传感器需要IEPE激励或冷端补偿。 四、选择正确的硬件来支持感测需求基于MangoTreeRobustRIO实施控制平台,并搭配通用的动态输入模块MTE741,您可以轻松搭建一套状态监测系统。 分辨率24位Δ-ΣADC电压范围±5V总通道4通道同步最大采样率128kS/s/通道IEPE激励电流 2mA, 24V兼容接口类型BNC接口隔离60VrmsCATII通道接地隔离表2.MTE741测量模块特性 RobustRIO实施控制平台的设备节点可通过使用多个MTE741模块在单个机箱中实现多达60个通道。图5所示的RobustRIO实施控制平台搭配了15个MTE741模块。 图5配有15个MTE741模块的RobustRIO 许多静态测量可以使用0V~10V输出或4mA~20mA输出传感器实现。这些输出范围适用于常见的控制系统。这些“处理”传感器输出对于石油和天然气、化学处理和发电等工业过程应用来说是非常普遍的。MTE710模块提供八个±10V差分输入,MTE712模块提供4个±25mA输入,电压和毫安输入模块为包含各种处理传感器的RobustRIO监测系统提供了输入,包括表1中列出的传感器。表3列出了一些RobustRIO适用的模块。 动态加速度、速度、声音模块MTE7404通道,16bit,±5V,200kS/s/ch,同步MTE7414通道,24bit,±5V,128kS/s/ch,同步 静态电压、电流MTE7108通道差分输入,16bit,±10V/±5V,200kS/s/ch,同步MTE71116通道差分输入,16bit,±10V/±5V,200kS/s/ch,同步MTE7124通道,16bit,±25mA,180kS/s/ch,同步 温度MTE7208通道热电偶,B/E/J/K/N/R/S/TMTE7218通道热电阻,PT100/PT1000MTE72216通道热电偶,B/E/J/K/N/R/S/T 数字输入MTE76132通道漏极数字输入(触点闭合)MTE76232通道漏源极数字输入(触点闭合)表3.RobustRIO适用的MT测量模块 表3中列出的其他模块包括热电偶模块、RTD模块、隔离电压输入模块和触点闭合监测模块。热电偶模块提供冷端补偿和可选的噪声抑制。RTD模块提供传感器激励和可选的噪声抑制。数字输入模块可监测机器或过程控制中的触点闭合。 我们将于2021年8月6日上海国际智能维护技术及工程应用展览会现场以展台的形式集中呈现核心产品。   想更多了解产品资讯,欢迎点击原文,来到我们的官方网站了解咨询,风里雨里,我们在这等你。实时测控平台,认准芒果树!正下方点击关注,不迷路! 

  • 行业新闻

    人工智能系列之一:迎接人工智能时代的到来

    在数字时代,人工智能(AI)即将引起新一轮的科技革命。全球AI市场将呈现迅猛的增长。推动它快速发展的动力来源于技术的不断突破、强劲的政策支持和充沛的资金投入。如何寻找AI行业切入点和投资机会是众多决策者关注的重要问题。随着AI黄金时代的到来,我们是否能乘风破浪,发挥它的最大价值?十年后,AI市场规模将会超过万亿美元  AI多年来一直是新技术革命的热点。虽然AI的热潮经历了几次波动,但是越来越多的实际落地应用使投资者和企业始终保持热情。  尽管处于萌芽阶段,AI市场预计将在未来十年呈现指数级的增长。我们预计AI市场的年增长率将达到64%,在2027年超过1万亿美元。AI的发展驱动力是什么?  AI技术和市场的蓬勃发展受技术的不断进步与成熟、政府政策的鼓励和资金的大量投入等众多力量的推动。  深度学习算法、AI芯片和大数据的可获性与可用性推动AI技术的创新  AI技术的快速发展,使其从学术阶段发展到实际应用阶段,结合**进的技术和系统,突破了传统计算技术的极限。云存储和计算技术的成熟为处理大量图像、文本和其他类型的数据奠定了基础。通过大数据,AI可以让企业实现以往都无法想象的转变。  不断改进的AI算法,助力AI技术能实现突破性的创新。自2012年以来,音频和图像识别的准确性得到了显著提高,已经超越人类的基本能力。  开源框架,降低了开发深度学习算法的障碍。大数据的可用性为深度学习算法提供了充足的学习材料。到2020年,全球每月上传的在线视频总长度预计为500万年,即每分钟在线上传100万分钟的视频。  硬件的成熟为深度学习算法提供了足够的计算能力。采用图形处理器GPU、现场可编程门阵列FPGA、专用集成电路ASIC(TPU和NPU是ASIC芯片的主要代表)等AI芯片,大大提高了AI训练和推理的计算效率。毫无疑问,创新技术将继续推动AI革命。  政府的积极引导,加快AI的发展  AI对于国家来说战略意义重大,全球主要国家政府纷纷启动AI发展计划。  中国于2018年1月发布了人工智能标准化白皮书。这是指导中国人工智能产业高水平发展的重要战略。在此之前,国务院于2017年7月发布了下一代人工智能发展计划,制定了人工智能发展的总体思路、战略目标、主要任务和配套措施,努力到2030年把中国打造成****的人工智能创新中心。  美国于2016年12月发布了“人工智能、自动化和经济”报告,重点关注人工智能驱动的自动化经济学和推荐的政策反应。 2016年6月,网络与信息技术研究与发展小组委员会(NITRD)制定了国家人工智能研究与发展战略计划,为联邦政府资助的人工智能研究制定了一系列目标。  类似的,日本政府颁布了第五个科学技术基本计划(2016-2020),进一步推动AI、边缘计算和高速处理设备技术的发展,作为构建超智能社会服务平台所必需的基础技术。  大量的资金投入,是AI从实验室走向应用的基础  持续的资本投入促进了全球AI产业的发展。 2017年,AI初创公司获得了152亿美元投入,其中近48%是种子或天使轮融资。 此外,谷歌和百度等互联网巨头在2017年在AI领域投入了约300至400亿美元,其中90%用于研发,10%用于收购。战略和财务投资者都在大力寻找AI行业的优质资产。 AI是如何工作的?  AI是指给机器提供“思考”的能力。通常,AI由3层架构组成:底层硬件与服务、算法与框架、以及垂直应用。底层硬件与服务  AI的底层基础设施是扩展、加速、自动化管理大量数据处理的重要基础。AI数据的编程和存储是AI技术落地最大的挑战之一,尤其是随着数据量飞速的增长,需要通过AI芯片的强大的计算能力支持基础架构环境建立,为AI提供充足的算力。AI主要包括各种不同的算法与技术。其中机器学习是一种统计学习方法,旨在训练具有大量数据的模型。该模型从已知数据“学习”“规则”并自动更新模型中的相关参数。经过训练的“规则”和“模型”可用于预测现实世界中的未知数据。  深度学习是机器学习的一个子领域。它广泛用于图像识别,语音识别等领域。深度学习可实现无监督学习——无需人工提取规则或功能。卷积神经网络(CNN)是一种典型的深度学习算法,经证明在图像识别和分类等领域非常有效。CNN通过分层多个(通常为4~5层或更多层)非线性函数来模拟人类神经系统的工作过程。AI框架的核心竞争力在于计算能力和训练效率。数据并行性和模型并行性是提升算力与效率的两种方式。在数据并行性中,数据被放置在并行计算环境中的多个处理器上,不同的机器具有完整的模型副本。每台机器只需获取不同部分的数据并训练数据。其关键在于整合不同机器的结果,达到快速收敛。  在模型并行性中,分布式系统中的不同机器负责单个网络的不同部分中的计算——例如,神经网络中的每个层可以被分配给不同的机器。模型并行的优点是可以通过使用多台机器同时更新多个参数来加速算法。  垂直应用  AI的商业价值最终仍需要在垂直领域的应用中体现。成功的应用需要结合AI和特定行业的专业知识,将AI产品转化为最终用户的定制解决方案/服务。 AI目前已应用于医疗保健,工业,安全,金融科技等众多行业。  AI能实现什么?  通过监督学习、无监督学习和强化学习等手段,机器可以利用统计模型,达到一定的“思考”能力。  图像识别和人类语音识别已成为目前AI最重要的两大应用。AI的准确性已达到满足日常生活与工作需求的水平。当数据在未来变得更加结构化和准确时,其应用将会变得更加广泛。  机器学习结合其他技术支持各种应用。例如聊天机器人使用机器学习来解释用户响应并确定后续查询。特定于某种服务的语音命令即将成熟。使用语音识别可以在法庭上检测情绪和谎言。内部数据分析,例如通过机器学习可以实现协助起草文件,如简报和语言优化动作。  对于企业来说,AI可以提升运营效率、推动创新,并降低员工的劳动强度。  AI的应用存在哪些挑战?  数据可获得性、实施的复杂性、业务价值的开发是AI应用推广所面临的挑战。  数据可获得性:训练模型用的数据集的数量和质量在许多案例中都成为了AI应用的瓶颈。AI模型训练需要基于充分的历史或参考数据。而在很多情况下,企业缺乏有效的数据跟踪与访问的系统,甚至可能没有数据的访问权限。在另一些情况下,可能面临的问题包括可用的数据不足、现有数据格式无法进行模型训练等。  实施的复杂性:在某些领域(例如语音识别,安防监控,图像阅读),AI可以当做平台被使用(AI-as-a-platform)。但在大多数情况下,要开发一套行业统一的AI解决方案,更不用说跨行业的解决方案。AI的实施需要大量的定制化工作和行业专业知识的支持。  业务价值的开发:AI的应用必须以给行业带来真正的价值为基础,无论是为了创收还是节约成本,或是赋予公司切实的竞争优势。我们预测AI会首先应用于能产生直接利益的领域,如:  提升营收:基于客户特定的定制化推荐  节省成本:提高工作效率,预测异常情况  有形竞争优势:如用AI赋予成像设备,金融投资决策等  企业应该为AI时代的到来做些什么准备?  首先,企业的管理层应明确发挥AI技术优势的方式与方法,他们应评估AI应用的会带来的短期和长期的价值以及相应的财务影响。  其次,公司应有效评估其内部IT能力和基础设施。通常,不同行业企业的能力和资源会有非常大的差异,很多传统行业企业或小规模企业通过依靠自身投入很难有效地达成技术升级。此时企业应该仔细评估是否需要引入外部合作伙伴,如云服务平台,AI解决方案提供商和AI系统集成商。  最后,关键的利益相关者应共同制定明确的AI实施路线图以及绩效跟踪机制。管理层应强调AI项目对企业的重要性,并分配足够的资源以确保达成预期的结果和按时交付。                                                                                                                 来源:网络

    全球每年消失24种语言,AI已成为濒危语言新的救星

    去年,联合国曾宣布将2019年为“国际本土语言年”,现在离这个节日已经越来越近。实际上,这一举措旨在提高人们对濒危语言的认识,因为这些语言正面临灭绝的危险。“通过语言,人们保留了他们的社区的历史、习俗和传统、记忆、独特的思维方式、意义和表达方式。他们也用语言来构建自己的未来。在人权保护、良好治理、和平建设、和谐和可持续发展等领域,语言是关键所在”:这些也是联合国可持续发展目标(SDGs)的核心。  据联合国统计,世界上有7000多种语言,但消亡的速度却非常快,平均每个月都有2种语言消失。由于人工智能在语言存档和学习方面具有优势,人工智能在拯救濒危语言的斗争中变得比以往任何时候都更加重要。  Jason Lovell正在学习新西兰的土著语言“毛利语”,但缺少帮助他练习的对象,因此他与IBM的“沃森人工智能”合作,创立了一个Facebook messenger聊天机器人,该聊天机器人能够理解并回复用户的信息,包括毛利语和英语。即使用户犯了拼写错误,比如“Reobot”,对Lovell的聊天机器人来说,也不会造成理解障碍。Lovell希望在不久的将来引入发音帮助。通过提供毛利语交流机会,Reobot可以帮助学习者更快地培养自信和技能。  为了向居住在偏远社区的儿童教授澳大利亚土著语言,一组来自ARC语言动力学**中心(CoEDL)的研究人员开发了Opie,这是一种低成本、易于运输的机器人。在学习故事、游戏和课程时,Opie的眼睛能够和孩子们互动,此外,机器人能够记录孩子们的语言技能,协助老师追踪他们的学习进度。CoEDL已经与谷歌展开合作,为土著语言转录和构建人工智能模型,这要归功于谷歌的开源人工智能平台TensorFlow。这台机器学习技术为语言学家省去了数百万小时的时间,在CoEDL的存储库中记录了超过4万小时的录音。  对许多组织来说,维护语言数据数据并将其引入土著社区是一项挑战。第一人民文化委员会(FPCC)的使命是支持不列颠哥伦比亚省的土著语言、艺术、文化和遗产的复兴,与当地社区合作,将语言数据存档,并通过其First Voices平台进行教学。First Voices的*新创新是一款键盘应用,用户可以在移动设备上的任何应用上输入超过100种本地语言,包括社交媒体、电子邮件和文字处理。  First Voices存储的数据是一个开源的云原生内容服务引擎,其将人工智能和机器学习整合在内。  未来学家托马斯·弗雷(Thomas Frey)设想出一种全球语言档案馆,作为一个活生生的博物馆,一座“语言的卢浮宫”,在那里,已经灭绝的语言甚至都可以被学习:“将收集到的足够多的视频、音频和书面文件输入到人工智能语言重建引擎(AI Language Recreation Engine),其能够生成一个功能性的三维立体化身,将语言传授给想要学习它的人。”人工智能引擎将更进一步,填补任何语言空白,在需要时创建一种语言的书面形式,并提供语言之间的翻译。  弗雷将濒危语言项目(Endangered Languages Project)作为创建全球语言档案的第一步,该项目由第一人民文化委员会在夏威夷大学夏威夷分校的濒危语言目录/濒危语言项目(ELCat/ELP)管理。濒危语言项目汇集了濒危语言的资源和信息,这要归功于全世界的合作者,到目前为止,该项目已拥有3418种语言的数据,其中许多语言都位列濒危语种中                                                                                                                                                       来源:网络

    韩媒:中国大陆明年将成为全球最大的半导体设备市场

    半导体是科技业的生存命脉,被喻为「21世纪原油」。北京不想继续受制于人,砸钱发展,预料明年就会超越南韩,成为全球*大的半导体设备市场。  南韩媒体BusinessKorea报导,中国大撒银弹培植半导体,目标自制芯片比重从13%升至70%,因此狂买半导体设备。外界估计中国半导体设备市场,2017年市值为82亿美元,2018年将升至118亿美元,2019年续升至173亿美元。与此同时,南韩半导体设备市场将从179亿美元萎缩至163亿美元。这表示中国将取代南韩,晋身全球*大半导体设备市场。  南韩设备多从美国和欧洲进口,南韩本地生产的半导体设备,使用比重仅占18.2%。专家指出,中国不会想重蹈南韩覆辙,因而锁定南韩半导体设备和原料厂进行并购,中国想在半导体市场一把抓,全面掌握上中下游市场。  SEMI:*新半导体设备出货,韩国蝉联**  晶圆代工业者陆续释出今年第3季旺季不旺讯息,国际半导体产业协会(SEMI)公布*新半导体设备出货报告,6月北美半导体设备制造商出货金额为24.8亿美元,比5月下滑8%,虽比去年同期成长8.1%,却是今年首见出货下滑,反映半导体厂下半年资本支出趋保守。  SEMI表示,整体来看今年每月出货金额仍优于去年同期,还是对今年半导体市场景气表示乐观。  国际半导体产业协会(SEMI)日前在其发布的年中预测报告中表示,2018年全球半导体设备销售金额将成长10.8%,达627亿美元,超越去年所创下566亿美元的历史高点。2019年全球半导体设备市场销售金额可望续创新高,预计将成长7.7%,达到676亿美元。  SEMI年中预测报告指出,2018年“晶圆处理设备”预计将成长11.7%,达到508亿美元。“其他前端设备”,包括晶圆厂设备、晶圆制造,以及光罩/倍缩光罩设备,预计将成长12.3%,达到28亿美元。2018年“封装设备”预计将成长8.0%,达到42亿美元,“半导体测试设备”今年预计成长3.5%,达到49亿美元。  以各区域市场来看,2018年韩国将连续第二年蝉联全球*大设备市场,中国今年**位居第二,台湾第三。在成长率部分,SEMI台湾区总裁曹世纶表示,中国市场在外资企业的积极投资下,今年的成长幅度*大(43.5%),其次分别为日本(32.1%)、东南亚(19.3%)、欧洲(11.6%)、北美(3.8%)和韩国(0.1%)。台湾半导体设备支出金额今年在缺乏新内存产能建置的投资下,成长幅度稍低,但明年度由于晶圆代工厂商在先进制程及产能的持续投资下以及内存厂商的制程提升,预期将呈现较高幅度的成长。台湾中长期而言整体支出仍将呈现稳健成长态势。  2019年,SEMI预测中国半导体设备销售金额成长幅度*大(46.6%),达到173亿美元。2019年中国、南韩及台湾预料将稳坐前三大市场,中国排名也将攀爬至第一。南韩将以163亿美元成为全球第二大市场,台湾半导体设备销售金额则有接近123亿美元的水平。  中国,成为*大设备购买地背后的隐忧  从目前发展情况看来,中国成为全球*大设备购买地是必然的,但我们应该看到其背后的隐忧,那就是相关设备的供应只能依靠外企。  我们看下Gartner2016年的全球十大半导体设备制造商排名,当然里面并没有中国公司出现,只有三个国家的公司上榜了,美国,日本和荷兰。  世界前三名是美国应用材料,美国LamResearch,荷兰ASML。  接下来是第四名日本的东京电子,第五名美国的KLATencor,前十名的门槛为4.97亿美元,可以看出其实世界十强的门槛并不高,但就是这么低的门槛,也就是30多亿人民币,我国仍然没有一家企业入围。  可以看到,随着国内的半导体建设加速,国产设备的自立自强势在必行。《国家半导体产业发展推进纲要》指出,2020年我国IC产值将达到8710亿元,晶圆代工实现16/14nm量产,封测技术达到国际大厂水平;《中国制造2025》也提出,2025年,我国12寸晶圆产能将达到100万片/月,并实现14nm制程导入量产。根据巴斯夫预测,2019年,中国大陆芯片厂商将实现14nm制程工艺,2020年达到7-10nm水平,快速追赶国际顶尖工艺水准。  由于半导体行业的高壁垒性,我们认为国内厂商将充分受益于国家战略支持和设备市场广阔的市场空间。另外,考虑到中兴事件带来的刺激性影响,半导体产业国产化有望加速,国内厂商也将充分享受发展红利,希望这一天不会太远。                                                                                                                            来源:网络

  • 相关报道

    斯坦福大学电子皮肤 希望赐予机器人如人类般敏感而优质的触觉

    机器人没有触觉会怎样?以下便是*生动的例子  一直以来,机器人没有足够优质的触觉,是让很多机器人学家头疼的问题。  拿起一样东西需要用多大力,以怎样的姿势拿比较合适,这些对于人类来说再简单不过的问题,对机器人来说显然并不那么轻松。  所以,在之前的工厂里,工程师们需要**计算机器人要拿起来的物品的坐标和大小,以让机器人快速**的完成抓取的工作。  拥有结构化环境和固定‘工位’的机器人  即便如此,再复杂的数学计算,也不能完全填补机器人没有优秀触觉的弊端。就像文章开头的那张图片,当碰到柔软的树莓时,它永远不知道自己到达什么位置,才算**的接触到这颗果实。  所以,能否解决机器人在抓取东西这方面远不如人类能干的问题,成为很多科学家致力于解决的科研问题。  在解决这一问题上,也出现了两个比较主流的派系,一种是另辟蹊径的想法:既然机器人在触觉上还不能**复刻人类,那么我们可以把它做得足够柔软。  因而,在各大科技类网站上,都出现过与下面图片类似的柔软抓手,它们如同章鱼的触手一般,可以把物品包裹住,再完成之后的抓取任务。    或者模仿拥有人类智慧的折纸艺术,这些折纸类的软体机器人可柔和硬,也能完好无损的将树莓抓取上来。    另一种就是死磕到底:致力于提高机器人触觉感知能力,研发中各种不同种类的电子皮肤。  近日,斯坦福大学在Science Robotics上就发表了一篇关于其电子皮肤的文章,这款电子皮肤,可以说是让我们走上了有朝一日让机器人拥有人体皮肤感知能力的道路。    其实,在人类的手指和手掌上拥有很多触摸传感器,这些传感器可以检测压力,热量和其他刺激。这些传感器和名叫“棘毛” (Spinosum) 的子层密切配合,这一层里,有微观的千山万壑,这些崎岖的地形,对人类触觉的形成至关重要。  当人的手指接触物体的时候,外层皮肤会向棘毛这一层移动。如果是轻度接触,外层皮肤会接触到那些棘毛的“小山”,山上的传感器就会感受到。如果是重度接触,外层皮肤被迫走向更深一层,凹陷的沟壑里传感器会接收到信号,这样便会引发更强烈的触感。    除此之外,棘毛还可以测量压力的方向,就是切向和法向分别有多少力施加在皮肤上,如果一根手指向北推某个东西,“小山”的南坡就会感受到强烈的信号,这是一种叫做剪应力 (Shear Force) 的力量,可以帮助人类握起一个鸡蛋:让鸡蛋不会被握碎,也不会掉在地上摔碎。  斯坦福大学的电子皮肤,就是模仿人类手指触觉器官而来的。在他们研究的装有电子皮肤的手套上,每个手指的传感器都是三层的。    其中上层和底层带电,中层是不带电的橡胶层,可以让上层和底层的电极保持分离的状态。  研究人员在 (上层与底层) 两个相对的面上,铺设了电线网格 (Grid of Electrical Lines) ,就像电场线那样。然后让这些“电场线”互相垂直,形成一个密集的感应像素阵列。其中底层,就像人类皮肤的棘毛层那样沟壑纵横。  中间的橡胶层很重要,因为两层电极距离很近,又不互相接触,这样的结构可以储存电能。当手指向下按的时候,上层电极和下层就会更靠近,存储的电能就会增加。  一方面我们可以根据储存电量的大小来判断压力的大小,另一方面底层“山丘”状的结构加上电网格上密布的点,我们也可以知道每一点上对应的压力大小和方向。这样类似人类手指的触感就形成了。  试验中,斯坦福大学的研究人员让带着装有电子皮肤的手套的机械臂在轻轻触碰到树莓时便能感知到,并且能够迅速退回不至于伤害到柔软的果实。    也可以轻轻抓起一个圆形的乒乓球任意移动。    那讲完这个神奇的电子皮肤,回到我们*初的问题。既然在解决机器人触觉方面出现了两个主要的研究方向:电子皮肤和软体机器人。那么在模仿人手的道路上,小编认为肯定是要殊途同归的。  比如像康奈尔大学这只发表在《Science》杂志上的触觉机械手“Gentle Bot”,它不仅拥有柔性的外表,还能够感知所接触物体的形状和质地。    只是,和依靠电信号的电子皮肤不一样,康奈尔大学这只触觉机械手,采用的却是导光材料。类似于“大白”的充气状手指,内部有可弯曲的波导和可携带光波的导管。当手指触摸物体时,其外部的轻微形变导致波导弯曲,进而扭曲或改变光信号,从而使机械手获取相应的触摸数据,以确定被触摸物体的坚硬程度和形状。    所以,在未来比起硬邦邦的机械手,你是不是也希望给你端茶的机器人,拥有和人类一样柔软的手掌呢?  当人的手指接触物体的时候,外层皮肤会向棘毛这一层移动。如果是轻度接触,外层皮肤会接触到那些棘毛的“小山”,山上的传感器就会感受到。如果是重度接触,外层皮肤被迫走向更深一层,凹陷的沟壑里传感器会接收到信号,这样便会引发更强烈的触感。    除此之外,棘毛还可以测量压力的方向,就是切向和法向分别有多少力施加在皮肤上,如果一根手指向北推某个东西,“小山”的南坡就会感受到强烈的信号,这是一种叫做剪应力 (Shear Force) 的力量,可以帮助人类握起一个鸡蛋:让鸡蛋不会被握碎,也不会掉在地上摔碎。  斯坦福大学的电子皮肤,就是模仿人类手指触觉器官而来的。在他们研究的装有电子皮肤的手套上,每个手指的传感器都是三层的。    其中上层和底层带电,中层是不带电的橡胶层,可以让上层和底层的电极保持分离的状态。  研究人员在 (上层与底层) 两个相对的面上,铺设了电线网格 (Grid of Electrical Lines) ,就像电场线那样。然后让这些“电场线”互相垂直,形成一个密集的感应像素阵列。其中底层,就像人类皮肤的棘毛层那样沟壑纵横。  中间的橡胶层很重要,因为两层电极距离很近,又不互相接触,这样的结构可以储存电能。当手指向下按的时候,上层电极和下层就会更靠近,存储的电能就会增加。  一方面我们可以根据储存电量的大小来判断压力的大小,另一方面底层“山丘”状的结构加上电网格上密布的点,我们也可以知道每一点上对应的压力大小和方向。这样类似人类手指的触感就形成了。  试验中,斯坦福大学的研究人员让带着装有电子皮肤的手套的机械臂在轻轻触碰到树莓时便能感知到,并且能够迅速退回不至于伤害到柔软的果实。    也可以轻轻抓起一个圆形的乒乓球任意移动。    那讲完这个神奇的电子皮肤,回到我们*初的问题。既然在解决机器人触觉方面出现了两个主要的研究方向:电子皮肤和软体机器人。那么在模仿人手的道路上,小编认为肯定是要殊途同归的。  比如像康奈尔大学这只发表在《Science》杂志上的触觉机械手“Gentle Bot”,它不仅拥有柔性的外表,还能够感知所接触物体的形状和质地。    只是,和依靠电信号的电子皮肤不一样,康奈尔大学这只触觉机械手,采用的却是导光材料。类似于“大白”的充气状手指,内部有可弯曲的波导和可携带光波的导管。当手指触摸物体时,其外部的轻微形变导致波导弯曲,进而扭曲或改变光信号,从而使机械手获取相应的触摸数据,以确定被触摸物体的坚硬程度和形状。    所以,在未来比起硬邦邦的机械手,你是不是也希望给你端茶的机器人,拥有和人类一样柔软的手掌呢?                                                                                                                                           来源:网络

    下一代GPS 2厘米位移可以精确定位

    9月11日消息,Humatics公司今天宣布推出其商业版空间智能平台,旨在帮助人们和机器以毫米级精度交互。  Humatics称该系统结合使用无线信号,软件和移动传感器的来跟踪物体和人在特定空间内的移动,并确保在500米范围内位置追踪精确精确到2厘米。  **执行官大卫明德(David Mindell)认为,从装配中心和工厂的机器人到送货无人机和自动驾驶汽车,这项技术在未来经济的几乎每个部分中都将扮演极其重要的角色。  明德是麻省理工学院的教授,专注航空航天工程,技术史和未来的工作,他拥有深海机器人的技术背景。他希望他的系统能成为下一代GPS,特别是在GPS力不能及的环境中,如室内,地下或城市中。  Humatics在声明中还提到像Eckhart和上海振华重工集团(ZPMC)这样的合作伙伴将把其空间追踪技术整合到工厂的自动导向车(AGV)系统中,使用虚拟网格技术替换现有的磁条系统。  随着时间的推移,明德认为随着城市通过物联网设备和自动驾驶汽车变得更加紧密,它们将需要Humatics推出的空间智能系统。  他说:“如果你去今天先进的制造工厂里看一看,就会知道十年后的城市将会是什么样子。毫无疑问,在越来越拥挤,人与机器越来越紧密的未来城市里,自动驾驶汽车和飞行器必须变得更可靠,强大和安全。它们必须与周围的人保持非常紧密的关系,而这正是我们的导航系统正在追求的目标:建立人,机器人和基础设施这三个要素之间的精确关系。“  除了在先进的工厂中使用外,Humatics的系统目前还用于跟踪纽约市地铁车厢的实时位置。  Humatics的投资者包括洛克希德风险投资公司,空中客车风险投资公司以及去年9月参与1800万美元融资的其他投资者。  Humatics公司成立于2015年,但四年前就已经开始开发其相关技术。?今年2月,Humatics收购了Time Domain,将其无线技术融入自己的平台。Time Domain的研发领域也是使用无线电波跟踪机器人的位置。  其他从事物体追踪技术开发的公司包括由麻省理工学院CSAIL工程师开发的Chronos,它使用Wi-Fi技术实现了几十厘米的精度。

    浅谈一个“百年技术”——3D打印

    近几年,随着一批如巴斯夫、**、万华等这类化工巨头开始涉足、逐浪3D打印市场,3D打印这片蓝海又重新被公众的视线所聚焦。  横空出世的新技术?不,这是一项制造业的“百年技术”  尽管3D打印近几年的突然大热使得我们认为它是一项横空出世的制造业新技术,但是如果从它的正式出现到现在比较广泛地被运用在如模具制造、精细零部件加工等方面算起,它已经有将近30年的历史,而如果深究这项技术的核心制造思想,则可以追溯到更早的时代——19世纪中后期;在1995年以前,“3D打印”这个词还不存在,当时学界称呼这项技术为——“快速成型”,在那一年,两名来着MIT的大四学生将这一“3D打印”这个名词冠予这项技术,此后,随着这个名词的流行,所有的快速成型技术都被“3D打印”纳入麾下。  自1860年法国人申请到一项名为“多照相机实体雕塑”的专利到上世纪日本学者对3D打印技术的完善和美国技术人员的实践,3D打印在越来越完善中也越来越接近我们的生活。  3D打印技术的应用领域及材料  随着技术的发展,3D打印如今已被广泛应用于各行各业,从工业制造用于各种产品原型、概念的设计,模具的制造等;在航空航天,国防军工行业实现复制多变,尺寸细微的特殊零部件制造;在生物医疗方面打造人造骨骼甚至器官等等。3D打印技术的发展和应用使得越来越多的行业破解了行业的各种难题,制造出以前无法实现的产品。  随着3D技术一起成长的还有对于材料的应用,据不完全统计,目前3D打印材料的种类已超过200种,大致分类的话可以将其划分为:聚合物材料、工程塑料类材料、生物材料、金属类材料、陶瓷材料等几个大类。其中*为我们熟知的应该就是各类工程塑料和树脂了。  由于树脂的种类繁多,并且存在着诸如透明、半流体等各种形态,广泛地应用于各种中间设计形态模型的3D打印中。而对于3D打印中所用到的塑料常见的有:ABS、PA、PC、PPSF、PEEK等工程塑料。  除开上述介绍的工程塑料,3D打印中还可以使用PLA作为打印材料,这类材料为生物分解性塑料,比上述的某些材料更加环保,一般用于制造各类医疗器具。  是什么限制了3D打印?  尽管3D打印具有着强大的实现力,但是这并不代表着它能够取代某些目前已经广泛运用的的制造技术,以制造工业零件模具为例,尽管以高强度的工程塑料作为打印的材料,但是通过3D打印技术制造的模具在零件制造中可能会由于各种诸如热循环等因素的作用下迅速损坏,这就使得生产的成本相应的被提高,同时还由于逐层成型这一特性,模具的表面会出现台阶纹边缘出现锯齿等情况,这就使得打印的模具需要进行二次加工,增加生产中的成本。  而在工业制造业外,3D打印也在其他行业遇到不少的阻碍限制,尽管这几年的技术发展使得这项技术可谓飞越性成长,但是在制造精度、强度、质感等方面还尚未能达到一些行业所需的高要求。  技术的逐步发展正使得人们看到3D打印技术所具有的闪光点,但是由于目前技术与我们想实现的想法的不对称,这项技术还未能够真正走近我们,但是在3D打印市场的蓝海,早有一批已经在这一领域不断探索的企业,而近几年各大化工巨头纷纷在这一市场中注入一股股新的力量,或推出该领域新技术,或并购已经浸淫许久的专业厂商,这一股股力量的入局势必能推动技术的进步,使得3D打印得以广泛化应用,走入我们的生活。3D打印,未来可期!

网站导航
产品系列
应用与解决方案
新闻动态
技术支持
关于我们
人力资源
联系我们

电话:0512-62951811

邮箱:sales@mangotree.cn

suport@mangotree.cn


微信扫一扫