预约起来，了解TinyML技术和应用的机会来啦！
前言：5月6日晚10点我们将迎来5月TinyML分享会，这次我们将邀请法雷奥集团计算机视觉部门首席工程师Manivannan Sivan谈论“工业 4.0时代：使用Arduino Portenta H7和Edge Impulse进行预测性维护”。
PS：To read the original blog in English, please click "Read more" at the end of the article.
边缘计算、物联网和超低功耗设备的机器学习给制造业带来了翻天覆地的变化。
自动化程度提高促进了生产效率的大幅提升，同时也催生了许多有价值的商业模式，从而推动制造业进入工业 4.0时代。虽然数字化技术不能覆盖制造业的全环节，但很显然的是预测性维护将给制造业带来新的契机。
什么是预测性维护？
预测性维护本质上是一种主动维护策略，它使用数据分析工具及技术来评估设备状况，对故障采取主动维护措施。预测性维护的重要意义优化利用维护资源，节约设备维护成本。
这主要是因为预测性维护能够预测特定部件何时发生了故障，维护人员可以按需进行维护工作，避免过度维护。
为什么预测性维护如此重要？
普华永道报告称，预测性维护将成为制造业中增长最快的机器学习技术之一，工厂进行预防性维护实践可以降低12%的成本，增加9%的正常运行时间，减少14%的安全、健康和环境风险，并将资产的使用寿命延长20%。从2020年到 2025 年，预计市场价值将增长38%。
资料来源：MobiDev
预测性维护如何发挥作用？
一般来说，预测性维护系统由三个主要元素组成：跟踪、通信和预测系统。
1. 安装监测传感器，用于传输性能和机器健康状况相关的实时数据。
2. 物联网技术使机器、软件解决方案和云技术之间的通信成为可能。
3. 为预测数据模型提供所有数据以预测故障。
5月TinyML分享会
在本次演讲中，Manivannan将向大家介绍TinyML在工业 4.0时代的应用潜力。同时他还将展示使用Arduino Portenta H7和Edge Impulse预测泵、阀门和风扇等完成的用于工业机械的异常运行监测的TinyML模型。
其中，工业机械音频数据集使用开源数据集——MIMII。该数据集包含工业机器发生故障产生的4种声音，即阀门、泵、风扇和滑轨。
每种机器包括七个单独的产品型号，每个型号的数据包含正常声音（从5000秒到10000秒）和异常声音（约1000秒）。该模型先是使用带有一维卷积层的Edge Impulse 进行训练，再进行神经网络层训练。
Manivannan Sivan
法雷奥计算机视觉平台的首席工程师
韦诺尔大学“车辆控制稳定性的计算预测方法”博士在读。Manivannan在对TinyML的热爱驱使之下，开发了许多相关的应用程序，这些程序囊括大象保护到汽车行业等多个行业。
凭借“使用基于低压IGBT的单相逆变器模块通过闪蒸工艺保存食品的欧姆加热器”项目获得一项印度专利。此外，他其中一个TinyML模型还在Elephant Edge竞赛中入选“Top 5机器学习模型”。
分享会细节
时间: 5月6日（周五） 22:00
直播平台: 视频号“柴火创客空间”
语言：英语
进群：进入TinyML深圳兴趣群请添加柴火菌“Alison_Li26”（备注：TinyML）
回放：后续录播视频将上传至B站“柴火创客空间”
众人拾柴火焰高！我们期望更多的社区伙伴加入我们一起推动tinyML的发展。如果你也想成为tinyML系列活动的讲者，面向全球社区讲述你与tinyML的故事，欢迎扫描下方二维码报名。
学习tinyML:如果你想学习tinyML这一项技能，欢迎报名我们5月工作坊。5月28-29日线上开启，名额有限，感兴趣的小伙伴速速扫描下方二维码报名！
🤖️🤖️🤖️
往期TinyML分享会回顾
人才升级 推动双创事业合作
----END---- Chaihuo x.factory｜深圳，河北
点个“在看”加鸡腿