KR20230066109A - 인공 지능용 컴퓨팅 유닛에 의한 기술적 시스템의 제어 - Google Patents

인공 지능용 컴퓨팅 유닛에 의한 기술적 시스템의 제어 Download PDF

Info

Publication number
KR20230066109A
KR20230066109A KR1020237012526A KR20237012526A KR20230066109A KR 20230066109 A KR20230066109 A KR 20230066109A KR 1020237012526 A KR1020237012526 A KR 1020237012526A KR 20237012526 A KR20237012526 A KR 20237012526A KR 20230066109 A KR20230066109 A KR 20230066109A
Authority
KR
South Korea
Prior art keywords
control application
control
artificial intelligence
time
control unit
Prior art date
Application number
KR1020237012526A
Other languages
English (en)
Inventor
안드레스 보테로 할브라우브
팀 쉥크
잉고 톤
크리스토프 빈헤링게르
Original Assignee
지멘스 악티엔게젤샤프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR20230066109A publication Critical patent/KR20230066109A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Programmable Controllers (AREA)
  • Stored Programmes (AREA)

Abstract

본 발명은, 기술적 시스템의 제어를 위해, - 제어 유닛의 실시간 요구 사항의 값 및 하드웨어 구성 파라미터들을 판독하는 단계(S1), - 인공 지능을 위한 컴퓨팅 유닛(NPU)의 하드웨어 구성 파라미터들을 판독하는 단계(S2), - 기술적 시스템을 제어하기 위한 제어 애플리케이션을 판독하는 단계(S3) ― 제어 애플리케이션은 인공 지능에 따라 제어 유닛에 대한 입력값을 생성하도록 구성됨 ―, - 제어 유닛의 하드웨어 구성 파라미터들 및 인공 지능을 위한 컴퓨팅 유닛의 하드웨어 구성 파라미터들을 고려하여 인공 지능을 위한 컴퓨팅 유닛 상에서 제어 애플리케이션을 실행하기 위한 제어 애플리케이션의 처리 시간을 결정하는 단계(S4), - 제어 유닛의 상기 실시간 요구 사항의 값을 기반으로, 결정된 처리 시간을 확인하고(S5) 확인 결과를 출력하는 단계, 및 - 확인 결과에 따라 제어 애플리케이션을 출력하는 단계(S6)를 포함하는 기술적 시스템을 제어하기 위한 컴퓨터 구현 방법에 관한 것이다.

Description

인공 지능용 컴퓨팅 유닛에 의한 기술적 시스템의 제어
본 발명은 기술적 시스템을 제어하기 위한 컴퓨터-구현 방법, 기술적 시스템을 제어하기 위한 디바이스 및 인공 지능(AI) 컴퓨팅 유닛을 포함하는 제어 시스템에 관한 것이다.
예를 들어, 인공 신경망들을 사용한 딥 러닝 추론(deep learning inference)과 같은 특수한 계산들을 가속화하기 위해, 인공 지능(AI) 컴퓨팅 유닛 또는 신경 프로세서 또는 신경 처리 유닛(줄여서, NPU)으로도 지칭될 수 있는 AI 가속기들로 알려진 특수 시스템-온-어-칩 솔루션들을 사용할 수 있다.
이러한 AI-기반 알고리즘들이 산업 자동화에도 점점 더 많이 사용되고 있기 때문에, 이러한 특수 AI 컴퓨팅 유닛들이 산업 설비들 또는 기계들을 제어하기 위한 산업용 제어기들에 통합될 수도 있다.
EP 3 657 277 A1에는 산업 시스템의 자동화 디바이스용 확장 유닛이 설명되어 있으며, 이 확장 유닛은 인공 지능을 기반으로 데이터 평가를 수행하도록 구성된다.
그러나 AI 가속기들의 전형적인 적용 분야들과는 달리, 산업 자동화의 알고리즘들은 일반적으로 예를 들어, 전형적으로 이러한 특수 인공 지능 컴퓨팅 유닛에 의해 제공되지 않는 프로그래밍 가능한 논리 제어기(PLC)의 최대 사이클 시간과 같은 엄격한 실시간 요구 사항들을 준수해야 하고, 이는 비-실시간-중요 제어 흐름들에만 통합이 가능함을 의미한다.
따라서, 본 발명의 하나의 목적은 인공 지능 컴퓨팅 유닛/AI 가속기를 실시간-중요-제어 흐름들에 통합할 수 있도록 하는 것이다.
이 목적은 독립 청구항들에서 설명되는 조치들을 통해 달성된다. 종속 청구항들은 본 발명의 유리한 발전들을 개시한다. 제1 양태에 따르면, 본 발명은 기술적 시스템을 제어하기 위한 컴퓨터 구현 방법으로서,
- 제어 유닛의 실시간 요구 사항의 값 및 하드웨어 구성 파라미터들을 판독하는 단계,
- 인공 지능 컴퓨팅 유닛의 하드웨어 구성 파라미터들을 판독하는 단계,
- 기술적 시스템을 제어하기 위한 제어 애플리케이션을 판독하는 단계―제어 애플리케이션은 인공 지능을 기반으로 제어 유닛에 대한 입력값을 생성하도록 구성됨―,
- 제어 유닛의 하드웨어 구성 파라미터들 및 인공 지능 컴퓨팅 유닛의 하드웨어 구성 파라미터들을 고려하여 인공 지능 컴퓨팅 유닛에서 제어 애플리케이션을 실행하기 위한 제어 애플리케이션의 처리 시간을 결정하는 단계,
- 제어 유닛의 실시간 요구 사항의 값을 기반으로, 결정된 처리 시간을 확인하고 확인 결과를 출력하는 단계, 및
- 확인 결과를 기반으로 기술적 시스템을 제어하기 위한 제어 애플리케이션을 출력하는 단계
를 포함하는 컴퓨터 구현 방법에 관한 것이다.
이 방법은 특히, 적어도 부분적으로 컴퓨터 지원식 또는 컴퓨터 구현식일 수 있다. 본 발명과 관련하여 "컴퓨터 지원식"은 예를 들어, 특히 프로세서가 방법의 적어도 하나의 방법 단계를 실행하는 방법의 구현을 의미하는 것으로 이해될 수 있다. 본 발명과 관련하여 프로세서는 예를 들어, 기계 또는 전자 회로를 의미하는 것으로 이해될 수 있다. 프로세서는 특히 중앙 처리 장치(CPU), 마이크로프로세서 또는 마이크로컨트롤러, 예를 들어 주문형 집적 회로 또는 디지털 신호 프로세서일 수 있으며, 프로그램 명령들 등을 저장하기 위한 저장 유닛과 결합될 수도 있다. 프로세서는 예를 들어 IC(집적 회로), 특히 FPGA(필드-프로그래머블 게이트 어레이) 또는 ASIC(주문형 집적 회로) 또는 DSP(디지털 신호 프로세서) 또는 그래픽 처리 장치(GPU)일 수도 있다. 프로세서는 가상화된 프로세서, 가상 머신 또는 소프트 CPU를 의미하는 것으로도 이해될 수 있다. 또한, 예를 들어, 본 발명에 따라 명시된 방법을 실행하기 위한 구성 단계들이 구비되거나, 프로그래밍 가능한 프로세서가 방법, 구성요소, 모듈들 또는 본 발명의 다른 양태들 및/또는 하위 양태들의 독창적 특징들을 구현하도록 구성 단계들로 구성되는 프로그래밍 가능한 프로세서일 수도 있다.
다음 설명에서 달리 명시되지 않는 한, "수행하다", "계산하다", "컴퓨터 지원식", "산출하다", "설정하다", "생성하다", "구성하다", "재구성하다" 등의 용어들은 바람직하게는 데이터를 변경 및/또는 생성하고 그리고/또는 데이터를 다른 데이터로 변환하는 작업들 및/또는 공정들 및/또는 처리 단계들을 지칭하며, 여기서 데이터는 특히 물리적 변수들로서, 예를 들어 전기 펄스들로서 표현되거나 존재할 수 있다. "컴퓨터"라는 표현은 특히 데이터 처리 기능들을 갖는 모든 전자 디바이스들을 포함하기 위해, 특히 가능한 한 광범위하게 해석되어야 한다. 따라서, 컴퓨터는 예를 들어 개인용 컴퓨터들, 서버들, 프로그래밍 가능한 논리 제어기들(PLC), 휴대용 컴퓨터 시스템들, 포켓 PC 디바이스들, 모바일 무선 디바이스들 및 컴퓨터 지원 방식으로 데이터를 처리할 수 있는 다른 통신 디바이스들, 프로세서들 및 다른 전자 데이터 처리 디바이스들일 수 있다.
본 발명과 관련하여, 특히 데이터 및/또는 정보와 관련하여 "제공"은 예를 들어 컴퓨터 지원식 제공을 의미하는 것으로 이해될 수 있다. 예를 들어, 제공은 예를 들어 네트워크 인터페이스, 통신 인터페이스 또는 저장 유닛에 대한 인터페이스와 같은 인터페이스를 통해 이루어진다. 이러한 인터페이스는 예를 들어 제공 중에 대응하는 데이터 및/또는 정보를 전송 및/또는 송신 및/또는 검색 및/또는 수신하는 데 사용될 수 있다.
본 발명과 관련하여 "제어 유닛의 하드웨어 구성 파라미터"는 예를 들어 백플레인 버스의 유형 및 파라미터, 수 및 어셈블리 유형들 등과 같은 예를 들어 PLC 유형을 의미하는 것으로 이해될 수 있다.
본 발명과 관련하여 "실시간 요구 사항"은 공정이 수행되도록 의도된 범위 또는 순간인 제어 유닛의 공정에 대한 시간 간격 또는 시점을 의미하는 것으로 이해될 수 있다. 따라서, "실시간 요구 사항의 값"은 시간 단위의 그러한 조건일 수 있다.
본 발명과 관련하여 "제어 애플리케이션"은 특히 기술적 시스템을 제어하기에 적합한 소프트웨어 애플리케이션, 즉 예를 들어 기술적 시스템의 제어 유닛에 대해 적어도 하나의 입력값을 제공하는 소프트웨어 애플리케이션을 의미하는 것으로 이해될 수 있다. 제어 애플리케이션은 인공 지능을 기반으로 제어 유닛에 대한 입력값을 생성하도록 구성된다. 다시 말해, 이 경우 AI 기반 제어 애플리케이션일 수 있다. 예로서, 인공 지능은 제어 애플리케이션이 판독될 때, 특히 인공 신경망의 입력 노드들 및 출력 노드들의 개개의 수 및 유형이 판독되도록 인공 신경망으로서 구현된다.
본 발명과 관련하여 "인공 지능 컴퓨팅 유닛"은 특히 AI 가속기 또는 신경 처리 유닛을 의미하는 것으로 이해될 수 있다. 이러한 컴퓨팅 유닛은 인공 지능을 기반으로 계산에 특히 적합한 컴퓨팅 유닛, 즉 AI용 특정 컴퓨팅 유닛 또는 AI 기반 애플리케이션을 실행하는 데 적합한 컴퓨팅 유닛이 바람직하다. 다시 말해, 컴퓨팅 유닛은 특히 예를 들어 인공 신경망을 이용한 계산과 같은 AI 계산에 할당될 수 있다.
본 발명과 관련된 "인공 지능 컴퓨팅 유닛의 하드웨어 구성"은 특히 예를 들어, 프로세서 클럭킹(clocking), 메모리 클럭킹 및/또는 버스들의 대역폭과 같은 컴퓨팅 유닛/NPU 어셈블리의 하드웨어 구성요소들에 대한 정보를 의미하는 것으로 이해될 수 있다.
특히 "처리 시간"은 AI 컴퓨팅 유닛에서 제어 애플리케이션의 실행과 관련한 처리 기간, 총 계산 시간, 총 실행 시간 또는 수행 시간을 의미하는 것으로 이해될 수도 있다.
본 발명은 제어 애플리케이션이 제어 유닛의 실시간 요구 사항을 충족하는지 확인할 수 있도록 한다. 이 경우, 특히 인공 지능 컴퓨팅 유닛에서 AI 기반 제어 애플리케이션을 실행할 때, 실시간 요구 사항이 충족되는지 여부를 결정하기 위해 확인을 수행한다. 따라서, 본 발명의 한 가지 장점은 인공 지능 컴퓨팅 유닛/AI 가속기에서 실행되는 제어 애플리케이션에 대해, 이것이 실시간 중요 시스템을 제어하는 데 사용될 수 있을지 또는 제어하기에 적합한지를 결정할 수 있다는 것이다. 이는 특히 대응하는 하드웨어에 대해 구체적으로 확인된다.
일 실시예에서, 처리 시간은,
- 제어 유닛과 인공 지능 컴퓨팅 유닛 사이에서의 데이터 전송을 위한 전송 시간, 및/또는
- 인공 지능 컴퓨팅 유닛 상에서 애플리케이션을 실행하는 실행 시간
을 포함할 수 있다.
일 실시예에서, 실행 시간은 인공 지능 컴퓨팅 유닛 상에서 제어 애플리케이션을 실행하는 컴퓨터 지원 시뮬레이션을 통해 결정될 수 있다.
이러한 목적을 위해 예를 들어 CPU 시뮬레이션이 사용될 수 있다. 공정에 있어서 캐시 거동(cache behavior)이 고려될 수도 있다.
대안적인 일 실시예에서, 실행 시간은 인공 지능 컴퓨팅 유닛 상에서의 제어 애플리케이션 실행을 통해 결정될 수 있다.
또한, 직접 측정을 통해 처리 시간을 결정하는 것도 가능하다. 이로 인해, 특정 컴퓨팅 유닛의 임의의 특성들을 고려하는 것이 가능하게 된다.
일 실시예에서, 확인 결과에 기반하여,
- 제어 유닛의 실시간 요구 사항의 값이 결정된 처리 시간에 맞춰 조정될 수 있으며,
그리고/또는
- 제어 애플리케이션의 실행 시간은 제어 애플리케이션을 수정함으로써 실시간 요구 사항의 값에 맞춰 조정될 수 있다.
이를 통해 실시간 기준을 수정하거나 그리고/또는 제어 애플리케이션을 대응하는 하드웨어에 적용할 수 있다.
일 실시예에서, 제어 애플리케이션은 제어 애플리케이션의 결정된 실행 시간이 제어 유닛의 실시간 요구 사항의 값을 충족할 때까지 반복적으로 수정될 수 있다.
제어 애플리케이션은 특히, 최적화 공정을 통해 수정될 수 있으며, 제어 애플리케이션은 실행 시간이 최소화될 때까지 반복적으로 적용된다.
일 실시예에서, 제어 애플리케이션은 인공 신경망을 포함할 수 있고, 신경망의 노드들은 제어 애플리케이션의 결정된 실행 시간이 실시간 요구 사항의 값을 충족할 때까지 반복적으로 감소될 수 있다.
이를 통해 예를 들어, 가중치가 낮은 인공 신경망의 노드들을 제거할 수 있다. 이는 예를 들어, 민감도 분석을 통해 결정할 수 있다. 이를 통해 예를 들어, 민감도 분석에서와 같이, 입력 신호들의 여기(excitation)를 사용하여 노드가 계산의 출력에 기여하는 정도에 대해 신경망을 조사할 수 있다. 영향력이 낮은 노드들은 무시될 수 있다.
일 실시예에서, 제어 애플리케이션은 인공 지능 컴퓨팅 유닛 상에서 실행될 수 있고, 이에 의해 제어 유닛에 대한 입력값이 생성되고, 기술적 시스템이 입력값을 기반으로 제어된다.
제어 애플리케이션은 특히 확인 결과가 긍정적인 경우, 즉 처리 시간이 실시간 요구 사항을 충족할 때 실행될 수 있다.
제2 양태에 따르면, 본 발명은 기술적 시스템을 제어하기 위한 디바이스로서,
- 제어 유닛의 실시간 요구 사항의 값 및 하드웨어 구성 파라미터들을 판독하도록 구성되는 제1 인터페이스,
- 인공 지능 컴퓨팅 유닛의 하드웨어 구성 파라미터들을 판독하도록 구성되는 제2 인터페이스,
- 기술적 시스템을 제어하기 위한 제어 애플리케이션을 판독하도록 구성되는 제3 인터페이스―제어 애플리케이션은 인공 지능을 기반으로 제어 유닛에 대한 입력값을 생성하도록 구성됨―,
- 제어 유닛의 하드웨어 구성 파라미터들 및 인공 지능 컴퓨팅 유닛의 하드웨어 구성 파라미터들을 고려하여 제어 유닛에 대한 입력값을 생성하기 위해, 인공 지능 컴퓨팅 유닛 상에서 제어 애플리케이션을 실행하기 위한 제어 애플리케이션의 처리 시간을 결정하도록 구성되는 분석 모듈,
- 제어 유닛의 실시간 요구 사항의 값을 기반으로, 결정된 처리 시간을 확인하고 확인 결과를 출력하도록 구성되는 확인 모듈, 및
- 확인 결과를 기반으로 기술적 시스템을 제어하기 위한 제어 애플리케이션을 출력하도록 구성되는 출력 모듈을 포함하는 디바이스에 관한 것이다.
디바이스 및/또는 디바이스의 인터페이스들 또는 모듈들 중 적어도 하나는 특히 하드웨어 및/또는 소프트웨어의 형태로 구성될 수 있다. 디바이스는 바람직하게는 적어도 하나의 프로세서를 포함한다. 디바이스는 기술적 시스템의 제어 유닛에 그리고 인공 지능 컴퓨팅 유닛에 결합되는 것이 바람직하다.
일 실시예에서, 디바이스는 인공 지능 컴퓨팅 유닛 상에서 제어 애플리케이션을 실행하는 컴퓨터 지원 시뮬레이션을 통해 실행 시간을 결정하도록 구성되는 시뮬레이션 모듈을 포함할 수 있다.
"시뮬레이션 모듈"은 또한 시뮬레이션 환경을 의미하는 것으로 이해될 수도 있다.
일 실시예에서, 디바이스는 제어 애플리케이션의 결정된 실행 시간이 제어 유닛의 실시간 요구 사항의 값을 충족할 때까지 제어 애플리케이션을 반복적으로 수정하도록 구성되는 최적화 모듈을 포함할 수 있다.
최적화 모듈은 제어 애플리케이션의 실행 시간이 최소화되도록 제어 애플리케이션을 반복적으로 수정할 수 있는 최적화 공정을 수반하는 것이 바람직하다. 최적화 모듈은 실행 시간이 실시간 요구 사항을 충족할 때까지 제어 애플리케이션이 반복적으로 수정 및 확인될 수 있도록 적어도 분석 모듈에 그리고 확인 모듈에 결합되는 것이 바람직하다.
추가적인 양태에 따르면, 본 발명은 제어 시스템으로서,
- 본 발명에 따른 디바이스,
- 기술적 시스템을 제어하기 위한 제어 애플리케이션을 실행하도록 구성되는 인공 지능 컴퓨팅 유닛 ― 제어 애플리케이션은 인공 지능을 기반으로 제어 유닛에 대한 입력값을 생성하도록 구성됨 ―,
- 제어 애플리케이션에 의해 생성된 입력값을 기반으로 기술적 시스템을 제어하도록 구성되는 제어 유닛을 포함하는 제어 시스템에 관한 것이다.
또한, 본 발명은 프로그래밍 가능한 컴퓨터에 직접 로딩될 수 있고, 프로그램이 컴퓨터에 의해 실행될 때 본 발명에 따른 방법의 단계들을 상기 컴퓨터가 실행할 수 있도록 하는 프로그램 코드 부분들을 포함하는 컴퓨터 프로그램 제품에 관한 것이다.
예를 들어, 컴퓨터 프로그램 제품은 예를 들어, 메모리 카드, USB 스틱, CD-ROM, DVD, 비휘발성/비일시적 저장 매체와 같은 저장 매체 또는 그 밖에 네트워크의 서버로부터 다운로드 가능한 파일 형태로 제공되거나 공급될 수 있다.
본 발명에 따른 방법의, 본 발명에 따른 디바이스의 그리고 본 발명에 따른 제어 시스템의 예시적인 실시예들이 도면들에 있어서의 예를 통해 예시되고, 이하의 설명을 참조하여 더욱 상세하게 설명된다. 도면들에서,
도 1은 본 발명에 따른 방법의 제1 예시적인 실시예를 도시하고;
도 2는 본 발명에 따른 방법의 제2 예시적인 실시예를 도시하며;
도 3은 본 발명에 따른 디바이스의 그리고 본 발명에 따른 제어 시스템의 하나의 예시적인 실시예를 도시한다.
도면들 전반에 걸쳐 서로 대응하는 부분들에는 동일한 참조 부호들이 제공된다.
특히, 이하의 예시적인 실시예들은 특히, 본 발명에 따른 교시내용의 이러한 구현예들이 어떻게 구현될 수 있는지에 대한 예시적인 구현 옵션들만을 보여줄 뿐인데, 이는 이들 구현 옵션들을 모두 인용하는 것은 불가능하고 또한 본 발명의 이해를 위해 편리하거나 필요하지도 않기 때문이다.
하나 이상의 방법 청구항들에 대한 지식을 가진 당업자(관련인)는 또한 특히 종래 기술에서 일반적인 본 발명을 구현하기 위한 모든 옵션들을 명백하게 알고 있는데, 이는 특히 설명에 있어서 이에 대해 따로 공개할 필요가 없음을 의미한다.
도 1은 기술적 시스템을 제어하기 위한 본 발명에 따른 방법의 예시적인 일 실시예를 흐름도 형태로 도시한다. 이 경우, 기술적 시스템은 예를 들어, 생산 설비, 자동화 디바이스 또는 로봇 시스템과 같은 산업 설비일 수 있다. 기술적 시스템은 특히, 머신 러닝 방법/머신 러닝 알고리즘에 기반한 제어 애플리케이션의 도움으로 제어될 수 있으며, 제어 애플리케이션은 기술적 시스템의 제어 유닛에 대한 입력값을 출력한다. 이를 위해, 제어 유닛은 인공 지능 컴퓨팅 유닛에 결합되며, 제어 애플리케이션은 인공 지능 컴퓨팅 유닛 상에서 실행된다.
기술적 시스템의 제어는 인공 지능 컴퓨팅 유닛 상에서 실행될 때 제어 애플리케이션이 준수해야 하는 실시간 요구 사항을 가질 수 있다. 이는 기술적 시스템을 제어하기 위한 제어 애플리케이션이 승인 및/또는 실행될 수 있도록 후술되는 방법을 통해 확인할 수 있다.
방법의 제1 단계(S1)에서는 제어 유닛의 하드웨어 구성 또는 하드웨어 사양을 획득한다. 이를 위해, 예를 들어 PLC 유형, 메모리 크기, 메모리 속도 및/또는 버스 대역폭과 같은 제어 유닛의 하드웨어 구성 파라미터들이 판독된다. 제어 공정에 대한 실시간 요구 사항의 적어도 하나의 값, 즉 예를 들어 시간적 상한값도 판독된다. 실시간 요구 사항은 예를 들어 하드웨어 구성을 기반으로 확인할 수 있다.
다음 단계(S2)에서, 예를 들어 유형, 연산력, NPU 클럭킹/크기, 내부 버스 속도 및/또는 대역폭과 같은 인공 지능 컴퓨팅 유닛의 하드웨어 구성 파라미터들이 판독된다.
인공 지능 컴퓨팅 유닛의 그리고/또는 제어 유닛의 펌웨어 및/또는 소프트웨어에 대한 정보도 추가로 판독될 수 있다.
다음 단계(S3)에서는 기술적 시스템을 제어하는 데 적합한 제어 애플리케이션을 판독한다. 제어 애플리케이션은 인공 지능, 예를 들어 인공 신경망을 기반으로 제어 유닛에 대한 입력값을 생성하고 출력하도록 구성된다. 다시 말해, 제어 애플리케이션은 인공 지능을 기반으로 한다. 제어 애플리케이션은 또한 인공 지능 컴퓨팅 유닛 상에서 실행되도록 구성된다.
다음 단계(S4)에서, 인공 지능 컴퓨팅 유닛 상에서 제어 애플리케이션을 실행하기 위한 처리 시간, 바람직하게는 최대 또는 최소 처리 시간이 결정되며, 여기서 인공 지능 컴퓨팅 유닛의 하드웨어 구성 파라미터들 및 제어 유닛의 하드웨어 구성 파라미터들이 고려된다. 즉, 처리 시간의 계산이 이들 하드웨어 구성 파라미터들에 대해 구체적으로 확인된다. 인공 지능 컴퓨팅 유닛의 그리고/또는 제어 유닛의 펌웨어 및/또는 소프트웨어도 선택적으로 고려될 수 있다.
이 경우 처리 시간은 제어 유닛과 인공 지능 컴퓨팅 유닛 사이의 데이터 전송을 위한 전송 시간 및/또는 인공 지능 컴퓨팅 유닛 상에서 애플리케이션을 실행하는 실행 시간을 포함한다. 다시 말해, 처리 시간은 전송 시간과 실행 시간의 합인 것이 바람직하다. 특히, 처리 시간은 제어 애플리케이션을 실행하는 데 그리고 출력 입력값을 제어 유닛으로 전송하는 데 필요한 시간을 나타낸다.
실행 시간은 특히, 인공 지능 컴퓨팅 유닛 상에서의 제어 애플리케이션의 실행에 대한 컴퓨터 지원 시뮬레이션을 통해 결정(단계(S4a))될 수 있으며, 인공 지능 컴퓨팅 유닛은 하드웨어 구성 파라미터들에 기초하여 표현/모델링된다. 대안예로서, 실행 시간은 실제 인공 지능 컴퓨팅 유닛 상에서 제어 애플리케이션을 실행함으로써 직접 결정(단계 S4b)될 수도 있다.
제어 유닛의 기능 블록과 NPU 어셈블리 사이의 최대 전송 시간은 바람직하게는 이들 구성요소들 사이의 요청 및 응답을 포함한다. 예를 들어, 백플레인 버스의 총 전송 시간(버스 중재 제어의 버스 요청으로부터 버스 부여까지의 최대 대기 시간 포함), 하드웨어의 서로 다른 클럭 도메인들 간 전이부들에서의 최대 클럭 스큐 및 제어 시스템의 그리고 NPU 어셈블리의 인터럽트 서비스 루틴들의 최대 응답 시간이 합산된다.
NPU 어셈블리에 대한 최대 실행 시간은 예를 들어, 아톰 코드 세그먼트들(수신/발신 브랜치들 없이)의 최대 실행 시간을 포함한다. 이들은 예를 들어, 정적 최악의 경우의 실행 시간 분석을 통해 계산되거나 시뮬레이션될 수 있다. 이 경우, 코드 세그먼트가 시작될 때, 모든 캐시들은 "콜드" 상태, 즉 필요한 캐시 라인들이 하나도 포함되지 않은 것으로 가정되어야 한다. 가능한 계산들은 서로 다른 리소스들에서 병렬로 실행될 수 있다. 따라서, 완전한 병렬화의 경우, 제어 애플리케이션 또는 제어 애플리케이션의 인공 지능의 데이터흐름 그래프에서 가장 긴 경로가 실행 시간의 최상위 한계를 구성한다.
다음 단계(S5)에서는, 결정된 처리 시간이 제어 유닛의 실시간 요구 사항을 충족하는지 여부를 확인한다. 이를 위해, 결정된 처리 시간은 실시간 요구 사항의 적어도 하나의 값과 비교된다.
처리 시간이 제어 유닛의 실시간 요구 사항을 충족하는 경우(경로 Y), 기술적 시스템을 제어하기 위한 제어 애플리케이션이 출력된다(단계(S6) 및 단계(S10)). 이를 위해, 제어 애플리케이션은 인공 지능 컴퓨팅 유닛 상에서 구성 및 실행될 수 있으며, 제어 애플리케이션은 제어 유닛에 대한 입력값을 생성한다. 제어 유닛은 이 입력값을 기반으로 기술적 시스템을 제어할 수 있다(단계(S10)).
처리 시간이 제어 유닛의 실시간 요구 사항을 충족하지 않는 경우(경로 N), 예를 들어 실시간 요구 사항이 조정될 수 있다(단계(S7)). 예로서, 처리 시간의 상한이 그에 따라 수정될 수 있다. 그 후, 수정된 실시간 요구 사항들을 기반으로 처리 시간에 대한 다른 확인이 수행될 수 있다. 이를 통해, 기술적 시스템의 제어 시스템을 조정하여 미리 정의된 AI 기반 제어 애플리케이션을 사용할 수 있도록 할 수 있다.
도 2는 기술적 시스템을 제어하기 위한 본 발명에 따른 방법의 추가의 예시적인 실시예를 도시한다. 단계(S1) 내지 단계(S6) 및 단계(S10)는 도 1의 단계들에 대응한다.
처리 시간에 대한 확인(단계(S5))에서 처리 시간이 기술적 시스템의 제어 유닛의 실시간 요구 사항을 충족하지 않는 것으로 확인되면(경로 N), 실시간 요구 사항의 조정(도 1의 단계(S7))에 추가하여 또는 이에 대한 대안으로, 제어 애플리케이션을 수정(단계 S8)하여 제어 애플리케이션의 실행 시간이 실시간 요구 사항의 값에 맞게 조정될 수 있다.
이를 위해, 제어 애플리케이션은 결과적인 실행 시간이 실시간 요구 사항을 충족할 때까지 반복적으로 조정될 수 있다(단계(S9)). 예로서, 제어 애플리케이션은 제어 애플리케이션의 결정된 실행 시간이 실시간 요구 사항의 값을 충족할 때까지 신경망의 노드들이 반복적으로 감소되도록 인공 신경망을 포함할 수 있다. 이는 예를 들어, 최적화 공정에 의해 지원될 수 있는데, 여기서 인공 신경망은 예를 들어 노드들을 반복적으로 제거하거나 추가함으로써 변경/조정/축소되며, 이에 따라 결정된 실행 시간이 기껏해야 제어 유닛의 최대 사이클 시간에 대응할 때까지 지원될 수 있다. 예로서, 이를 위해 가중치가 낮은 노드들을 제거하도록 개개의 노드들에 대해 개개의 민감도 분석이 수행될 수 있다.
도 3은 기술적 시스템(TS)을 제어하기 위한 본 발명에 따른 디바이스(100)의 그리고 본 발명에 따른 제어 시스템(200)의 예시적인 일 실시예를 도시한다. 디바이스(100)는 예를 들어 제어 시스템(200)에 결합되거나 제어 시스템에 통합될 수 있다. 디바이스(100)는 바람직하게는 도 1 및/또는 도 2에 도시된 바와 같은 방법의 단계들을 실행하도록 구성된다.
디바이스(100), 예를 들어 신경 처리 유닛과 같은 인공 지능 컴퓨팅 유닛(NPU), 및 제어 유닛(PLC)을 포함하는 제어 시스템(200)이 도시된다. 기술적 시스템은 예를 들어, 머신 러닝 알고리즘을 기반으로 제어될 수 있는 이미지 제어식 로봇 시스템일 수 있다. 제어 시스템(200)은 바람직하게는 신경 처리 유닛(NPU)으로부터 그리고 제어 유닛(PLC)으로부터의 데이터를 중앙 처리하는 적어도 하나의 프로세서(CPU)를 포함한다.
디바이스(100)는 하드웨어 구성 파라미터들(HW1) 및 제어 유닛(PLC)의 실시간 요구 사항(RT)의 값을 판독하도록 구성되는 제1 인터페이스(101)와, 인공 지능 컴퓨팅 유닛(NPU)의 하드웨어 구성 파라미터들(HW2)을 판독하도록 구성되는 제2 인터페이스(102)를 포함한다. 디바이스(100)는 기술적 시스템을 제어하기 위한 제어 애플리케이션(APP)을 판독하도록 구성되는 제3 인터페이스(103)를 더 포함한다. 제어 애플리케이션(APP)은 인공 지능을 기반으로 제어 유닛에 대한 입력값을 생성하도록 구성된다. 디바이스(100)는 제어 유닛의 하드웨어 구성 파라미터들(HW1) 및 인공 지능 컴퓨팅 유닛의 하드웨어 구성 파라미터들(HW2)을 고려하여 제어 유닛에 대한 입력값을 생성하기 위해, 인공 지능 컴퓨팅 유닛(NPU) 상에서 제어 애플리케이션(APP)의 실행을 위한 제어 애플리케이션의 처리 시간(T)을 결정하도록 구성되는 분석 모듈(104)을 더 포함한다. 디바이스는 제어 유닛의 실시간 요구 사항의 값을 기반으로 결정된 처리 시간(T)을 확인하고 확인 결과(CR)를 출력하도록 구성되는 확인 모듈(105) 및 확인 결과가 긍정적인 경우 기술적 시스템(TS)을 제어하기 위한 제어 애플리케이션(APP)을 출력하도록 구성되는 출력 모듈(106)을 더 포함한다. 확인은 예를 들어, 처리 시간과 실시간 요구 사항의 값을 비교하는 것을 포함한다. 확인 결과는 특히, 제어 애플리케이션(APP)의 처리 시간(T)이 제어 유닛(PLC)의 실시간 요구 사항(RT)을 충족하는 경우 긍정적이다.
처리 시간(T)은 바람직하게는 신경 처리 유닛(NPU) 상에서 제어 애플리케이션(APP)의 실행에 대한 컴퓨터 지원 시뮬레이션, 예를 들어, CPU 시뮬레이션을 통해 결정된다. 이를 위해, 디바이스(100)는 그러한 컴퓨터 지원 시뮬레이션을 수행하도록 구성되는 시뮬레이션 모듈(107)을 포함할 수 있다. 시뮬레이션 모듈(107)은 분석 모듈(104)에 결합되는 것이 바람직하다. 계산을 위해, 신경 처리 유닛(NPU)의 하드웨어 구성 파라미터들(HW2)이 특히 시뮬레이션 모듈(107)로 전송되어, 이 신경 처리 유닛(NPU)에 대한 특정 컴퓨터 지원 시뮬레이션을 수행할 수 있다.
제어 애플리케이션(APP)이 제어 유닛의 실시간 요구 사항들(RT)을 충족하는 경우, 제어 애플리케이션은 신경 처리 유닛(NPU) 상에서 실행되고, 기술적 시스템(TS)을 제어하기 위해 제어 유닛(PLC)에 대한 입력값(CTL)을 전달한다.
확인 모듈(105)이 부정적인 확인 결과를 출력하는 경우, 즉 제어 애플리케이션(APP)의 처리 시간(T)이 실시간 요구 사항(RT)을 충족하지 않는 경우, 선택적 최적화 모듈(108)을 사용하여 실시간 요구 사항(RT)이 충족될 때까지 제어 애플리케이션의 실행 시간을 최적화할 수 있다. 최적화 모듈(108)은 제어 애플리케이션의 결정된 실행 시간이 제어 유닛의 실시간 요구 사항의 값을 충족할 때까지 제어 애플리케이션(APP)을 반복적으로 수정하도록 구성된다. 예로서, 제어 애플리케이션(APP)의 기반이 되는 머신 러닝 모델은 예를 들어 인공 신경망의 노드들이 제거되는 방식으로 축소될 수 있다.
설명 및/또는 지칭된 모든 특징들은 본 발명의 범위 내에서 서로 결합되는 것이 유리할 수 있다. 본 발명은 설명된 예시적인 실시예들로 제한되지 않는다.

Claims (13)

  1. 기술적 시스템(TS)을 제어하기 위한 컴퓨터 구현 방법으로서,
    - 제어 유닛(PLC)의 실시간 요구 사항(RT)의 값 및 하드웨어 구성 파라미터들(HW1)을 판독하는 단계(S1),
    - 인공 지능 컴퓨팅 유닛(NPU)의 하드웨어 구성 파라미터들(HW2)을 판독하는 단계(S2),
    - 상기 기술적 시스템을 제어하기 위한 제어 애플리케이션(APP)을 판독하는 단계(S3) ― 상기 제어 애플리케이션은 인공 지능을 기반으로 상기 제어 유닛에 대한 입력값(CTL)을 생성하도록 구성됨 ―,
    - 상기 제어 유닛의 상기 하드웨어 구성 파라미터들 및 상기 인공 지능 컴퓨팅 유닛의 상기 하드웨어 구성 파라미터들을 고려하여 상기 인공 지능 컴퓨팅 유닛 상에서 상기 제어 애플리케이션을 실행하기 위한 상기 제어 애플리케이션의 처리 시간을 결정하는 단계(S4),
    - 상기 제어 유닛의 상기 실시간 요구 사항(RT)의 값을 기반으로, 상기 결정된 처리 시간(T)을 확인하고(S5) 확인 결과를 출력하는 단계, 및
    - 상기 확인 결과를 기반으로 상기 기술적 시스템을 제어하기 위한 제어 애플리케이션을 출력하는 단계(S6)
    를 포함하는, 컴퓨터 구현 방법.
  2. 제1 항에 있어서,
    상기 처리 시간(T)은,
    - 상기 제어 유닛과 상기 인공 지능 컴퓨팅 유닛 사이에서의 데이터 전송을 위한 전송 시간, 및/또는
    - 상기 인공 지능 컴퓨팅 유닛 상에서 상기 애플리케이션을 실행하는 실행 시간
    을 포함하는, 컴퓨터 구현 방법.
  3. 제2 항에 있어서,
    상기 실행 시간은 상기 인공 지능 컴퓨팅 유닛 상에서 상기 제어 애플리케이션을 실행하는 컴퓨터 지원 시뮬레이션을 통해 결정(S4a)되는, 컴퓨터 구현 방법.
  4. 제2 항에 있어서,
    상기 실행 시간은 상기 인공 지능 컴퓨팅 유닛 상에서의 상기 제어 애플리케이션 실행을 통해 결정(S4b)되는, 컴퓨터 구현 방법.
  5. 제1 항 내지 제4 항 중 어느 한 항에 있어서,
    상기 확인 결과를 기반으로,
    - 상기 제어 유닛의 실시간 요구 사항의 값이 상기 결정된 처리 시간에 맞춰 조정(S7)되고, 그리고/또는
    - 상기 제어 애플리케이션의 실행 시간은 상기 제어 애플리케이션을 수정함으로써 상기 실시간 요구 사항의 값에 맞춰 조정(S8)되는, 컴퓨터 구현 방법.
  6. 제5 항에 있어서,
    상기 제어 애플리케이션은 상기 제어 애플리케이션의 상기 결정된 실행 시간이 상기 제어 유닛의 상기 실시간 요구 사항의 값을 충족할 때까지 반복적으로 수정(S9)되는, 컴퓨터 구현 방법.
  7. 제1 항 내지 제6 항 중 어느 한 항에 있어서,
    상기 제어 애플리케이션은 인공 신경망을 포함하고, 상기 신경망의 노드들은 상기 제어 애플리케이션의 상기 결정된 실행 시간이 상기 실시간 요구 사항의 값을 충족할 때까지 반복적으로 감소되는, 컴퓨터 구현 방법.
  8. 제1 항 내지 제7 항 중 어느 한 항에 있어서,
    상기 제어 애플리케이션(APP)은 상기 인공 지능 컴퓨팅 유닛(NPU) 상에서 실행되고, 이에 의해 상기 제어 유닛(PLC)에 대한 입력값(CTL)이 생성되고, 상기 기술적 시스템이 상기 입력값을 기반으로 제어(S10)되는, 컴퓨터 구현 방법.
  9. 기술적 시스템(TS)을 제어하기 위한 디바이스(100)로서,
    - 제어 유닛(PLC)의 실시간 요구 사항(RT)의 값 및 하드웨어 구성 파라미터들(HW1)을 판독하도록 구성되는 제1 인터페이스(101),
    - 인공 지능 컴퓨팅 유닛(NPU)의 하드웨어 구성 파라미터들(HW2)을 판독하도록 구성되는 제2 인터페이스(102),
    - 상기 기술적 시스템을 제어하기 위한 제어 애플리케이션(APP)을 판독하도록 구성되는 제3 인터페이스(103) ― 상기 제어 애플리케이션(APP)은 인공 지능을 기반으로 상기 제어 유닛(PLC)에 대한 입력값을 생성하도록 구성됨 ―,
    - 상기 제어 유닛의 상기 하드웨어 구성 파라미터들(HW1) 및 상기 인공 지능 컴퓨팅 유닛의 상기 하드웨어 구성 파라미터들(HW2)을 고려하여 상기 제어 유닛에 대한 입력값을 생성하기 위해, 상기 인공 지능 컴퓨팅 유닛 상에서 상기 제어 애플리케이션을 실행하기 위한 상기 제어 애플리케이션의 처리 시간(T)을 결정하도록 구성되는 분석 모듈(104),
    - 상기 제어 유닛의 상기 실시간 요구 사항의 값을 기반으로, 상기 결정된 처리 시간(T)을 확인하고 확인 결과(CR)를 출력하도록 구성되는 확인 모듈(105), 및
    - 상기 확인 결과를 기반으로 상기 기술적 시스템을 제어하기 위한 제어 애플리케이션을 출력하도록 구성되는 출력 모듈(106)
    을 포함하는, 디바이스.
  10. 제9 항에 있어서,
    상기 인공 지능 컴퓨팅 유닛 상에서 상기 제어 애플리케이션(APP)을 실행하는 컴퓨터 지원 시뮬레이션을 통해 실행 시간을 결정하도록 구성되는 시뮬레이션 모듈(107)을 포함하는, 디바이스.
  11. 제9 항 또는 제10 항에 있어서,
    상기 제어 애플리케이션(APP)의 결정된 실행 시간이 상기 제어 유닛의 상기 실시간 요구 사항(RT)의 값을 충족할 때까지 상기 제어 애플리케이션을 반복적으로 수정하도록 구성되는 최적화 모듈(108)을 포함하는, 디바이스.
  12. 제어 시스템(200)으로서,
    - 제9 항 내지 제11 항 중 어느 한 항에 청구된 것과 같은 디바이스(100),
    - 상기 기술적 시스템을 제어하기 위한 제어 애플리케이션(APP)을 실행하도록 구성되는 인공 지능 컴퓨팅 유닛(NPU) ― 상기 제어 애플리케이션은 인공 지능을 기반으로 상기 제어 유닛에 대한 입력값(CTL)을 생성하도록 구성됨 ―, 및
    - 상기 제어 애플리케이션에 의해 생성된 입력값을 기반으로 상기 기술적 시스템을 제어하도록 구성되는 제어 유닛(PLC)
    을 포함하는, 제어 시스템.
  13. 프로그래밍 가능한 컴퓨터에 직접 로딩될 수 있고, 제1 항 내지 제8 항 중 어느 한 항에 청구된 것과 같은 방법의 단계들을 수행하기에 적합한 프로그램 코드 부분들을 포함하는, 컴퓨터 프로그램 제품.
KR1020237012526A 2020-09-15 2021-08-27 인공 지능용 컴퓨팅 유닛에 의한 기술적 시스템의 제어 KR20230066109A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20196314.7 2020-09-15
EP20196314.7A EP3968108A1 (de) 2020-09-15 2020-09-15 Steuerung eines technischen systems mit einer recheneinheit für künstliche intelligenz
PCT/EP2021/073741 WO2022058140A1 (de) 2020-09-15 2021-08-27 Steuerung eines technischen systems mit einer recheneinheit für künstliche intelligenz

Publications (1)

Publication Number Publication Date
KR20230066109A true KR20230066109A (ko) 2023-05-12

Family

ID=72521458

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237012526A KR20230066109A (ko) 2020-09-15 2021-08-27 인공 지능용 컴퓨팅 유닛에 의한 기술적 시스템의 제어

Country Status (6)

Country Link
US (1) US20230324856A1 (ko)
EP (2) EP3968108A1 (ko)
JP (1) JP2023545901A (ko)
KR (1) KR20230066109A (ko)
CN (1) CN116113895A (ko)
WO (1) WO2022058140A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11904905B2 (en) * 2022-01-31 2024-02-20 Gm Cruise Holdings Llc Dynamic adjustment of autonomous vehicle system based on deep learning optimizations

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2568346B1 (en) * 2011-09-06 2015-12-30 Airbus Operations Robust system control method with short execution deadlines
EP3657277A1 (en) * 2018-11-23 2020-05-27 Siemens Aktiengesellschaft Extension device for an automation device

Also Published As

Publication number Publication date
EP4179395A1 (de) 2023-05-17
CN116113895A (zh) 2023-05-12
JP2023545901A (ja) 2023-11-01
EP3968108A1 (de) 2022-03-16
US20230324856A1 (en) 2023-10-12
WO2022058140A1 (de) 2022-03-24
EP4179395B1 (de) 2024-06-26

Similar Documents

Publication Publication Date Title
JP5523624B2 (ja) 制御装置及び制御のための出力変数を計算する方法
KR102215271B1 (ko) 데이터 기반 함수 모델의 모델 계산 유닛, 제어 장치 및 계산 방법
US20100198574A1 (en) Programmer View Timing Model For Performance Modeling And Virtual Prototyping
JP2005507128A5 (ko)
US10606970B2 (en) Selection of corners and/or margins using statistical static timing analysis of an integrated circuit
US20160357175A1 (en) System and method for control and/or analytics of an industrial process
KR20230066109A (ko) 인공 지능용 컴퓨팅 유닛에 의한 기술적 시스템의 제어
Deng et al. An efficient control-driven period optimization algorithm for distributed real-time systems
Peng et al. Dual-core virtual platform with QEMU and SystemC
Ando et al. System-level design method for control systems with hardware-implemented interrupt handler
Afonso et al. Heterogeneous CPU/FPGA reconfigurable computing system for avionic test application
Chung et al. Enhancing performance of HW/SW cosimulation and coemulation by reducing communication overhead
US9841954B1 (en) Method and system for automatic code generation
CN111026258B (zh) 处理器及降低电源纹波的方法
Alali et al. Modeling and simulation of multiprocessor systems MPSoC by SystemC/TLM2
Reghenzani et al. A constrained extremum-seeking control for cpu thermal management
Özeloğlu et al. Deep reinforcement learning‐based autonomous parking design with neural network compute accelerators
US10509395B2 (en) Model numerical solver for system control
JP2021015394A (ja) 情報処理装置及びプログラム
Bohlmann et al. HPNS—A hybrid process net simulation environment executing online dynamic models of industrial manufacturing systems
Jersak et al. A transformational approach to constraint relaxation of a time-driven simulation model
Morelli et al. A system-level framework for the evaluation of the performance cost of scheduling and communication delays in control systems
US20230385482A1 (en) Method for simulating a first computing unit in a second computing unit
Joo et al. An end-to-end tool for developing cpss from design to implementation
US20230221686A1 (en) Controlling a technical system by data-based control model

Legal Events

Date Code Title Description
A201 Request for examination