Elementare Prozesse von Unternehmen wurden in den letzten Jahren immer häufiger in die Cloud ausgelagert. So konnte der Ressourcenaufwand und auch die damit verbundenen Kosten sinnvoll gesenkt werden. Bei vielen Anwendungen, vor allem im Shopfloor-Bereich ist jedoch eine Zentralisierung in der Cloud aufgrund von Echtzeitanforderungen, hohen Datenmengen und Bandbreitenanforderungen sowie Datensicherheit nicht empfehlenswert. Die steigende Nachfrage für maschinennahe Anwendungen mit künstlicher Intelligenz erfordert industrietaugliche und robuste Hardware mit hoher Rechen- und Grafikleistung, die passgenau auf die jeweilige Applikation ausgerichtet ist.

In den letzten Jahren hat die Cloud-Lösung, also das zentrale Verarbeiten, Speichern und Abrufen von Daten, auch im industriellen Umfeld immer mehr an Beliebtheit erfahren. Im maschinellen Kontext können gewonnene Daten von Anwendungen an einer zentralen Stelle für alle autorisierten Nutzer zugänglich gemacht werden ohne zusätzliche lokale Hardware-Ressourcen. Dem gegenüber stehen der steigende Reifegrad und die damit verbundene Nachfrage nach KI-Anwendungen. Diese wiederum verlagern ihre wesentlich höheren Leistungsanforderungen in Maschinennähe, bedingt durch Echtzeitanforderungen, hohe anfallende Datenmengen und erhöhte Erfordernisse an Datensicherheit.  Um diese Anforderungen zu erfüllen, ist robuste und gleichzeitig leistungsstarke Hardware gefragt. Dabei können, je nach Anwendungsgebiet, unterschiedliche Erweiterungsmodule verwendet werden, um die höchstmögliche Leistung und einen effizienten Dauerbetrieb für die jeweilige Anwendung auf Inferenz-Systemen, wie beispielsweise die Erkennung von intakten oder beschädigten Bauteilen im Fertigungsprozess, bereitzustellen. Ausschlaggebend dafür ist neben der gängigen CPU-Performance auch die Leistung von zusätzlichen Computing-Einheiten. Damit sind leistungsstarke Steckkarten und Hardware-Erweiterungen in Form von GPU-, VPU- und FPGA-Modulen gemeint, welche die Rechenleistung auch von kompakten industriellen PC-Systemen entscheidend skalieren können.

Im Rahmen von Anwendungen mit künstlicher Intelligenz müssen zur Schaffung eines brauchbaren Modells zuerst einmal per „Deep Learning“ extrem rechenintensive Trainingsvorgänge durchgeführt werden. Das System lernt dabei durch induktive Inferenz, allgemeine Gesetzmäßigkeiten aus der Beobachtung von Zusammenhänge zu bilden, zum Beispiel durch die Einspeisung von tausenden Bildern, den Unterschied zwischen einem intakten oder beschädigten Bauteil im Fertigungsprozess. Das Training findet auf leistungsstarken Servern oder in Rechenzentren statt, da die Komplexität der Merkmale und deren Ausprägung zur Unterscheidung der Bilder hierbei extrem viel Computing-Performance benötigen, ohne dass dabei aber Echtzeitanforderungen bestehen. Je vielfältiger die Merkmale und Merkmalsausprägungen zur Unterscheidung der Bauteile, desto komplexer und anspruchsvoller ist die Berechnung des Modells. Das Ergebnis aus solch einem Training ist das sogenannte Inferenz-Modell. Dieses Modell kann nachfolgend im Bereich des Edge Computing, beispielsweise in der Fertigungshalle, direkt an der Anwendung auf spezialisierten aber verbrauchsarmen Computersystemen mit vergleichsweise geringem Ressourcenaufwand, verwendet werden, um die Qualität der Bauteile zu überprüfen und gegebenenfalls Folgeaktionen abzuleiten. Je nach Komplexität des Inferenz-Modells und Umgebungsbedingungen der Anwendung, kann die Berechnung auf unterschiedlichen Verarbeitungs- oder Computing-Einheiten des Rechners stattfinden.

Die Berechnungen des Inferenz-Systems können beispielsweise auf dem Prozessor des Computers ausgeführt werden. Dadurch fallen keine weiteren Kosten für zusätzliche Computing-Module an, der Prozessor deckt aber nur Inferenz-Berechnungen mit mittlerem Leistungsbedarf ab, ist also nicht geeignet für die Berechnung von Algorithmen neuronaler Netzwerke. Eine weitere Möglichkeit zum Rechnen mit Inferenz-Datensätzen ist der Einsatz eines Grafikprozessors. Dafür lassen sich unter anderem herkömmliche Consumer-Grafikkarten einsetzen – diese bieten den Vorteil, dass sie bei moderaten Kosten eine relativ hohe Leistung erbringen. Einziger Nachteil der Consumer-Grafikkarten ist, dass diese nicht für den Dauereinsatz in rauen Umgebungen geeignet sind. Für diesen Einsatz, wie es meist in Produktionshallen der Fall ist, empfiehlt sich spezielle Inferenz-Hardware. Dazu zählen einerseits sogenannte VPUs (Vision Processing Units), die auf geringe Größe und Energieeffizienz optimiert sind, und andererseits FPGA-Karten, welche die Flexibilität und Programmierbarkeit von Software, die auf einem Allzweck-Prozessor (CPU) ausgeführt wird, mit der Geschwindigkeit und Energieeffizienz einer anwendungsspezifischen integrierten Schaltung vereinen. Die für den industriellen Einsatz ausgelegte Inferenz-Hardware ist langlebiger und hält erweiterten Umgebungstemperaturen stand. Hersteller von VPU-Modulen sind unter anderem Nvidia, bspw. mit dem Jetson TX2 Modul und Intel bzw. Movidius mit dem Ein-Chip-System Myriad X. Die VPU-Module ermöglichen, durch einfache Ergänzung zu industrieller Hardware, moderate bis hohe Performance für Inferenz-Maschinen bei verhältnismäßig geringer Leistungsaufnahme. FPGA-Karten (Field Programmable Gate Array) weisen eine geringe bis mittlere Leistungsaufnahme auf, liefern aber durch die individuellen Konfigurationsmöglichkeiten maximale Effizienz und Performance für die Anwendung.

Die Kombination aus zusätzlicher Processing Unit, in Form von GPU, VPU oder FPGA, und einem Industrie-PC erschafft das ideale Inferenz-System für den Einsatz im Shop Floor. Industriecomputer bestehen aus robusten Einzelkomponenten, die für den zuverlässigen Dauerbetrieb ausgelegt sind. So sind nicht nur die mechanischen Bauteile äußerst robust, auch die verbauten und ausführlich getesteten elektrischen Komponenten weisen auch in rauen Umgebungen eine hohe MTBF (Mean Time Between Failure) auf. Darüber hinaus kann eine unterbrechungsfreie Stromversorgung (USV) eingesetzt werden, um auch bei Störungen im Stromnetz die Versorgung kritischer elektrischer Lasten sicherzustellen. Ein erweiterter Betriebstemperaturbereich ermöglicht den Einsatz des Inferenz-Systems auch bei starker Hitze oder Temperaturen Nahe des Gefrierpunkts. Zudem enthalten Embedded Computer aufgrund ihrer passiven Kühlung und dem Einsatz von SSDs keine sich drehenden Teile und stecken somit Vibrationen oder Erschütterungen mühelos weg.

Im Bereich des Edge Computing wird in Industrie-PCs neben hoher, maschinennaher Rechenleistung immer häufiger performante Grafikleistung benötigt, um auch in Zeiten von künstlicher Intelligenz besonders rechenintensiven Aufgaben anwendungsnah und in kurzer Zeit bearbeiten zu können. Das hoch-performante Edge Intelligence System „Concepion-tXf-L“ von InoNet ermöglicht den Einsatz von modernen, leistungsstarken Prozessoren und wird dabei je nach Kundenwunsch anwendungsorientiert von einem GPU-, VPU- oder FPGA-Addon unterstützt.

Noch nie haben die beiden Themen Rechenleistung und Grafikleistung so viel Aufmerksamkeit erfahren, wie in der heutigen Zeit. Bedingt durch rechenintensive Lernphasen und Analysen in der Automatisierung intelligenten Verhaltens und maschinellem Lernen wird im Rahmen von künstlicher Intelligenz zunehmend mehr Leistungsfähigkeit benötigt. Auch im industriellen Umfeld stellen leistungshungrige Edge Computing-Anwendungen hohe Anforderungen, wie beispielsweise hohe Rechenpower, industrielle Robustheit und ausfallsicheren Dauerbetrieb, die nur mit der passenden Hardware kompromisslos erfüllt werden können. Der Industriecomputer-Hersteller InoNet hat aufgrund der hohen Nachfrage genau für solche Szenarien und Anwendungen ein leistungsstarkes und skalierbares Embedded-System entwickelt.

Das Embedded-System „Concepion-tXf-L“ bietet viele neue Features. Zusätzlich zu  Prozessoren der 9. Generation bietet es ein deutlich leistungsstärkeres Netzteil, einen erweiterten Temperaturbereich und einen neu gestalteten I/O-Bereich mit USB und robusten, konfigurierbaren M12-Anschüssen. Es besteht aus einem industrietauglichen, pulverbeschichteten Stahlgehäuse, ist modular aufgebaut und lässt sich mit unterschiedlichen Mainboards im Mini-ITX-Format bestücken. Standardmäßig ist der aktiv belüftete Embedded PC in der aktualisierten Version mit einem zuverlässigen Industrie-Mainboard ausgestattet, auf dem der Sockel LGA1151 unter anderem den Einsatz von leistungsstarken Intel® Core™ i Prozessoren der 8. und 9. Generation, sowie Intel® XEON® E3 Prozessoren ermöglicht. Darüber hinaus bietet das Mainboard die Onboard-Grafik Intel UHD P630 und verfügt über diverse Fernwartungs- und Sicherheitsfunktionen, wie iAMT 11.0 und TPM 2.0. Der platzsparende Arbeitsspeicher kann auf bis zu 32GB DDR4 mit 2444/2666 MHz erweitert werden.

Das flexible einsetzbare Edge Intelligence System verfügt neben zwei PCIe 3.0 x16 Schnittstellen mit je acht Lanes für Erweiterungskarten, über zwei optionalen M12-Schnittstellen, für z.B. Gbit LAN mit Power-over-Ethernet Funktion oder weitere Feldbus-Schnittstellen, über Audio-Ein- und Ausgänge (Line-In, Line-Out, Mikrofon), insgesamt sechs USB 3.0 Schnittstellen, jeweils ein HDMI-, DVI-D- und Display Port, zwei serielle Anschlüsse vom Typ RS-232, sowie über zwei RJ45 Gbit LAN Schnittstellen.

Durch ein 250W DC-Netzteil mit Weitbereichseingang von 6 – 30 V_DC können im Industrie-PC beide PCIe 3.0 x16 Schnittstellen mit je acht Lanes sowie zwei M.2 Steckplätze (M-key 2280 & E-key 3042) mit leistungsstarken Steckkarten versehen werden – so kann der Embedded-PC optimal anwendungsorientiert erweitert werden. Die hohe Vielfalt an internen und extern verfügbaren Steckplätzen erlaubt es, die Maschine für unterschiedlichen KI-Szenarien, wie z.B. Vision Computing, einzusetzen. Dazu bietet InoNet eine Vielzahl an Erweiterungs- und Trägerkarten mit GPUs, VPUs und FPGA-Technologie an. So kann die Leistungsfähigkeit des Embedded-Systems je nach Anwendungsfall flexibel skaliert werden.

Ausreichend Speicherplatz bietet die für den Dauerbetrieb ausgelegte „Concepion-tXf-L“ durch einen internen M.2 Steckplatz (M-key) sowie durch zwei extern zugängliche 2,5“ SATA-III Laufwerksplätze, verbaut in Shuttles, deren Aktivitäten per Status-LED an der Front des Systems angezeigt wird. Für eine optimale Kühlung im Gehäuseinneren sorgen zwei 80mm Axial-Lüfter – so kann das System in anspruchsvollen Umgebungen bei Temperaturen von -10 bis 60 °C betrieben werden.

Die steigende Anzahl an hochentwickelter Sensorik im Fahrzeug führt zu einem immer höheren Komplexitätsgrad bei der erfolgreichen Integration und Absicherung ihrer Funktionen und dem Zusammenspiel mit weiteren Sensorsystemen innerhalb des Fahrzeugs. Um neue Advanced Driver Assistance Systems (ADAS) und AD-Entwicklungen (Autonomous Driving) bis Automotive Safety Integrity Level-D (ASIL-D) zu validieren, sind in den Testläufen möglichst realitätsnahe Datensätze notwendig. Entsprechend hoch sind die Anforderungen an die Aufnahmequalität der Signale, deren Übertragung am besten in Echtzeit erfolgen soll – so entstehen durch hohe Datenschreibraten in kürzester Zeit extrem umfangreiche Datensätze.

Gängige Branchen-Ansätze

Der optimale Weg der Sensordaten zum Test unterschiedlichster Fahrzeugsysteme müsste folgendermaßen aussehen: Über die Hochgeschwindigkeitsschnittstelle der Sensorik, wie zum Beispiel CSI-2, LVDS oder im Idealfall über Ethernet, werden die Sensordaten im Netzwerk verbreitet, gespeichert, visualisiert und bearbeitet. Dabei ist zur Absicherung und Validierung der Anforderungen und neuen Funktionen (getrieben durch die Vorgehensmodelle aus der DIN ISO 26262) häufig der unkomprimierte Rohdatenstrom notwendig beziehungsweise vorteilhaft. Dieser ermöglicht nachfolgend einen Abgleich zwischen realitätsnäheren Rohdatensätzen und Sensordatensätzen, die durch Kompression und Algorithmen bereits verändert wurden.

Die Aufnahme der Rohdatenströme muss dabei unter Bedingungen der harten Echtzeit erfolgen und ist zeitlich mit anderen Quellen oder bereits bearbeiteten Daten zu synchronisieren. Dadurch kann sich der Entwickler im Anschluss an eine Testsituation bereits im Fahrzeug schnell und unkompliziert einen guten Überblick über die gesammelten Daten verschaffen und im Millisekunden-Bereich Situationen auflösen und analysieren. Anschließend sollten die Algorithmen auch direkt auf dem eingesetzten Computersystem angepasst und unter realen Bedingungen auf ihre Funktion erneut geprüft werden. Ganz nach Modellen aus dem Rapid-Control-Prototyping, wie dem V-Modell, sind Neuentwicklungen dabei mit unterschiedlichsten Systemgrenzen und -schnittstellen mit möglichst wenig Testhardware zu validieren und die Testergebnisse zu dokumentieren. Nach erfolgreichen Tests lassen sich die vorherrschenden Situationen dem Datenspeicher entnehmen und für eine Virtualisierung, zum Beispiel innerhalb eins Hardware-in-the-Loop-Systems (HiL), verwenden.

Bei dieser Vorgehensweise sind jedoch schnell Datenmengen erreicht, die nur noch mit Big-Data-Anwendungen beherrschbar sind. Hier erfolgt die Durchsuchung bestenfalls mit Datenmining-Modellen, um die passenden Situationen für unterschiedlichste Fahrsituationen herauszufiltern und damit die angewandten Algorithmen und Funktionen zu bestätigen und abzusichern. Des Weiteren sollten die gewonnenen Daten auch als Grundlage zur Anlernung von neuronalen Netzen dienen, um durch Deep Learning eine künstliche Intelligenz zu entwickeln. Diese wird dann in der Lage sein, die aufgezeichneten Situationen auch real zu meistern. Diese Art von Datengewinnung spart Zeit, Ressourcen und finanzielle Mittel durch eine schnelle und einfache Replikation von Testfällen mit definierten oder beeinflussbaren Sand-Box-Umgebungen für die Serienabsicherung.

An sich folgt das vorgestellte Szenario der typischen Entwicklungsanwendung im sich schnell wandelnden Automotive-Bereich. Als Hersteller für industrielle Computersysteme mit Erfahrung im Automotive-Markt kann InoNet durch die Entwicklung von Validierungshardware mit Servertechnologie für das Fahrzeug den Alltag für Fahrzeugentwickler wesentlich einfacher gestalten und ist bereits jetzt in der Lage, Lösungen für die steigenden Entwicklungsanforderungen anzubieten.

Automotive-Computing-Ecosystem

Um den großen Herausforderungen der steigenden Datendurchsätze, vor allem in der Validierung und Absicherung neuer Entwicklungen im Automotive-Bereich, gerecht werden zu können, reichen Consumer-Hardware und einfache Industriecomputer nicht mehr aus. Um die Leistungsanforderungen zu erfüllen, benötigen übliche Embedded-PCs die Integration performanter Servertechnik. Diese Technik ist jedoch ursprünglich nicht für einen Einsatz in rauen Umgebungen, wie beispielsweise bedingt durch Schock und Vibrationen oder dem stark variierenden Temperaturbereich in Fahrzeugen ausgelegt. Inonet hat genau das mit seinem Automotive-Produktportfolio umgesetzt und baut dieses stetig aus: Durch innovative Produktentwicklung wurden Kühlkonzepte und Servertechnologien in den Embedded-Bereich übertragen, die so eine Synergie der Vorteile aus beiden Welten bilden. Hohe Schreibraten auf Massenspeicher von über 8 Gbyte/s (64 Gbit/s) in nur einem System sind im NVMe-Raid-0-Verbund bereits jetzt möglich. Hohe Bandbreiten sichern auch in Burst-Phasen (zeitlich begrenzte Phasen mit besonders hohem Datenaufkommen) die Datenaufnahme und eine sinnvolle Verteilung der Daten im Netzwerk unter harten Echtzeitbedingungen. Dabei wird aktuell ein Datenvolumen von bis zu 96 TByte unterstützt, das in aufgesetzten und austauschbaren Storage-Lösungen untergebracht ist.

Die Skalierbarkeit der Systeme ermöglicht eine einfache Integration der Hardware innerhalb des gezeigten Automotive-Computing-Ecosystems. Durch die Unterstützung von Time-Sensitive-Network Schnittstellen ist es auch möglich, die Daten mit Zeitstempeln zu versehen und sie so mit unterschiedlichen Systemen zu synchronisieren. Dies ist vor allem für verschiedene Testanwendungen im Fahrzeug erforderlich, die unterschiedliche Hardware-Komponenten zur Aufnahme, Berechnung und Auswertung der Sensordaten benötigen. Um dem stetig wechselnden und steigenden Leistungsanforderungen der Entwicklungsanwendungen gerecht zu werden, ist das InoNet-Automotive-Produktportfolio in die Kategorien Data Acquisition, Embedded Performance und AI & GPU-Computing unterteilt. Dabei kommen sowohl leistungsstarke Dual-Intel-Xeon-Gold-Server-CPUs der aktuellen Generation, als auch stromsparendere Prozessoren der Intel-Core-i7-Klasse zum Einsatz. Für weitere Anwendungsfälle, wie dem GPU-Computing, werden auch Grafikkarten von Nvidia und AMD verbaut. Die innovativen Kühllösungen der hitzeempfindlichen Bereiche des Computers erfolgen wahlweise über eine Hybridkühlung in Form eines Thermal Tunnels oder auch über abkoppelbare Wasserkühlsysteme. Die Hitze lässt sich durch die vorgestellten Lösungen somit an unterschiedlichen Stellen im Fahrzeug abführen, falls die direkte Umgebung keine Wärmeabfuhr zulässt.

Fazit

Um eine wirtschaftliche Absicherung und Validierung von im Fahrzeug eingesetzten Systemen vornehmen zu können, werden Testverfahren immer weiter virtualisiert und mit real gesammelten Daten verfeinert. Dafür werden hoch-performante Hardwarekomponenten benötigt, die bisher nur im Serverbereich Anwendung fanden und extrem hohe Datenraten ermöglichen. Durch die Bereitstellung dieser Leistungsklasse bei Verwendung von industrieharter Hardware wird das Produktportfolio in der Automotive Branche einsetzbar. Deshalb hat sich die InoNet zur Aufgabe gemacht, den Weg vom gewöhnlichen Embedded System zur servertauglichen Datencenter-Lösung für die Anwendung im Fahrzeug zu ebnen.

 

 

Industrie-PCs sind in vielen Einsatzszenarien extremen Anforderungen ausgesetzt: Staub, Hitze oder der Wunsch nach einem möglichst lautlosen Betrieb machen die Kühlung der Komponenten und des Gesamtsystems zu einer Herausforderung. Die Anforderungen an Rechenleistung und die Summe der Umgebungsbedingungen geben vor, welche Kühllösung für ein industrielles Computersystem in Frage kommen kann. Hier können hybride Ansätze helfen, die aktive und passive Kühlung miteinander verbinden.

 

Niemand würde auf die Idee kommen, einen Server einfach mitten in die Wüste zu stellen. Zu heiß, zu staubig, zu trocken. Industrie-PCs (IPCs) jedoch müssen unter genau solch extremen Umgebungsbedingungen zuverlässig zurechtkommen. Car-PCs, etwa für die Entwicklung von Assistenzsystemen in Fahrzeugen, müssen bei -30° C im Winter ebenso ausfallsicher sein wie bei 50° C im Hochsommer. Steuerungs-PCs in der Industrie dürfen bei Staub, Abwärme der Maschinen oder schweren Erschütterungen nicht den Dienst verweigern, um teure Ausfallzeiten zu vermeiden. Geräte in der Medizintechnik hingegen müssen oft extrem performant sein, zum Beispiel für bildgebende Verfahren. Gleichzeitig sollen sie flüsterleise arbeiten. Diese Liste ließe sich beliebig fortsetzen. Und fast täglich kommen durch das Internet of Things (IoT) und Industrie 4.0 neue Anwendungsfälle hinzu.

In vielen Fällen stellt die Kühlung der Geräte eine große Herausforderung dar. Denn keine der verfügbaren Technologien ist alleine für sich in der Lage, alle Einsatzbereiche abzudecken. Der am weitesten verbreitete Ansatz ist die aktive Kühlung mit Lüftern. Um die eingesetzten leistungsstarken Prozessoren und Grafikkarten zu kühlen, müssen erhebliche Luftmassen bewegt werden: Bei einer internen thermischen Dissipation von 500 Watt und einem maximal tolerierbaren Temperaturanstieg von 5° C sind als grober Richtwert fünf Kubikmeter Luft pro Minute notwendig, die durch das Gehäuseinnere geblasen werden.

Staub und Verschleiß

Verwirbelungen im Gehäuse, die den Luftstrom ungleichmäßig verteilen, können diesen Wert noch deutlich nach oben treiben. Dabei gilt nicht immer das Prinzip „viel hilft viel“. Denn die Wirkung der Lüfter steigt nicht linear zu deren Anzahl, das Gehäuse bietet zahlreiche Widerstände. Es steigt zunächst einmal der Geräuschpegel, auch muss in der Umgebung ausreichend kühle Luft vorhanden sein. Das ist nicht in jedem Szenario gegeben. Ein weiterer Nachteil der aktiven Kühlung ist zudem, dass durch den Luftstrom auch Staub aus der Umgebung angezogen wird, der über Filter aus dem Gehäuse ferngehalten werden muss. In vielen Industrieanwendungen sorgt die daraus resultierende Prüfung und Wartung der Systeme für erheblichen Aufwand. Obendrein sind Lüfter als bewegliche Teile einem normalen Verschleiß unterworfen und sollten regelmäßig ausgetauscht werden. Hinzu kommt, dass die Kühlleistung bei aktiv gekühlten Systemen mit zunehmender Höhenlage abnimmt– in höher gelegenen Einsatzgebieten ist aufgrund der dünneren Luft mit geringerem Wärmeleitkoeffizienten für die Erbringung der gleichen Kühlleistung ein höherer Luftdurchsatz notwendig.
Auf der anderen Seite steht die passive Kühlung. Hierbei wird die von den Komponenten erzeugte Wärme über leitfähige Materialien an die Umgebung abgegeben. Aufgrund des niedrigen Wärmewiderstandskoeffizienten wird hier meist Kupfer oder Aluminium verwendet. Bei Embedded PCs aus der Concepion®-Serie von InoNet kann so beispielsweise die entstehende Wärme im Gehäuse über Heatpipes aus Kupfer an einen passiven Kühlkörper abgegeben werden, der in der Regel den Deckel des Gehäuses darstellt. Der begrenzende Faktor dabei ist die Kühlleistung. Für viele Anwendungen wie Maschinensteuerungen oder IoT-Devices in der Produktion ist dieses Verfahren sehr gut geeignet. Mit steigendem Performance-Bedarf der Anwendung wird die passive Kühlung extrem komplex, ebenso in Umgebungen mit sehr hohen Temperaturen wie in der Stahlindustrie. Grundsätzlich gilt: je leistungsfähiger der Prozessor eines Systems, desto höher die Dissipation – die entstehende Abwärme kann ab einem bestimmten Punkt durch eine passive Kühlung nicht mehr ausreichend abgeführt werden – eine aktive Belüftung wird benötigt. Auf der Haben-Seite dagegen stehen der leise Betrieb, die Möglichkeit zur staub- oder wasserdichten Kapselung sowie das Fehlen beweglicher Bauteile. In der Praxis haben beide Ansätze ihre Berechtigung. Oft genug findet man auch Mischformen, bei denen die Wärme über Heat Sinks und Heat Pipes am Bauteil abgenommen und dann über herkömmliche Lüftersysteme aus dem Gehäuse entfernt wird. Hierbei können die Lüfter deutlich kleiner dimensioniert werden, was kompaktere Formfaktoren und geringe Geräuschentwicklung zur Folge hat.

Das Beste aus beiden Welten

In Applikationen mit besonders hohem Anspruch an Kühlleistung oder außergewöhnlichen Umgebungsbedingungen kann der Einsatz einer hybriden Kühllösung den Schlüssel zum Erfolg darstellen. Bei hybriden Kühlungen wird die aktive Kühlung durch Lüfter mit der passiven Ableitung von Wärme an kritischen Komponenten in einem Chassis vereint. Solche Systeme können dadurch eine höhere gesamte Kühlleistung erzielen, bei gleicher Kühlleistung deutlich leiser betrieben werden oder effektiver vor dem Eindringen von Staub und Schmutz geschützt werden.

Ein interessanter und effektiver Hybrid-Ansatz zur Kühlung hochperformanter IPCs kommt dabei von dem Taufkirchener IPC-Hersteller InoNet. Dort wurde ein System entwickelt, bei dem die Wärme der leistungsstarken Komponenten wie CPU oder Grafikkarte über Heat Pipes an einen zentralen Tunnel weitergegeben wird. Dieser Tunnel führt durch das System und wird mit zwei Lüftern aktiv gekühlt. Der so genannte Thermal Tunnel ist vom Gehäuse isoliert, es kann kein Staub eindringen. Zudem befinden sich keine Komponenten innerhalb des Tunnels, weswegen es kaum zu Verwirbelungen kommt. „Die Wärme verteilt sich beim Thermal Tunnel nicht wie sonst im Gehäuse, dadurch ist die Kühlung sehr effizient“, erläutert Dominik Schölzel, System Engineer in der Entwicklung bei InoNet. „Der Thermal Tunnel ist dadurch besonders für Systeme mit sehr hohen Performance-Anforderungen geeignet. Ein typischer Anwendungsfall ist die Verarbeitung von Videodaten in Echtzeit beim autonomen Fahren.“ Die Herausforderung beim dieser Kühllösung: Jedes Bauteil benötigt eine andere Anbindungen an den Tunnel. Bei Prozessoren ist die Varianz noch recht gering, die Bauhöhen innerhalb einer Serie sind in der Regel konstant. Anders bei Grafikkarten, die Unterschiede zwischen den einzelnen Modellen sind erheblich. „Einfach eine defekte Grafikkarte gegen ein anderes Modell austauschen, ist beim Thermal Tunnel nicht möglich. Wir arbeiten deshalb hier mit Bauteilen, bei denen der Hersteller die Langzeitverfügbarkeit garantiert“, so Schölzel. Aktuell werde das System auf die neuesten Prozessorgenerationen angepasst.

Keine eierlegende Wollmilchsau

Schon kleine Abweichungen der Betriebstemperatur von den Spezifikationen der Komponentenhersteller können die Lebensdauer der Bauteile signifikant verkürzen. Es drohen nicht nur erhebliche Wartungs- und Reparaturaufwände, sondern im schlimmsten Fall Stillstände im Unternehmen. Denn IPCs sind in den meisten Prozessen kritisch, sie müssen absolut zuverlässig funktionieren. Bei der Kühlung von IPCs gibt es keine einfache, immer passende Lösung. Unterschiedliche Umgebungen und vielfältige Einsatzszenarien erfordern speziell angepasste Lösungen, um die entstehende Abwärme sicher abzuführen. Mit der digitalen Transformation und Industrie 4.0 steigen die Datenmengen, die verarbeitet werden müssen – und damit auch der Performance-Bedarf der IPCs. Hybride Ansätze schließen hierbei die Lücke zwischen aktiven Kühllösungen für hohe Leistungsanforderungen und wartungsarmen passiven Kühlsystemen.

Mit einem neuen Gerätekonzept realisiert InoNet ein modulares 19-Zoll 2HE Chassis als Basis für alle Anwendungen mit hohem Bedarf an Zero Downtime oder sehr einfach durchzuführenden Wartungszyklen. Das neue Chassis-Konzept von InoNet entfaltet sein hohes Maß an Flexibilität sowohl durch eine gezielte Modularität in der mechanischen Konstruktion, als auch durch ein hybrides Kühlsystem, welches auf einen äußerst wartungsarmen Betrieb ausgelegt ist. Damit werden sehr viele unterschiedliche Leistungsanforderungen der Kunden an Konfigurierbarkeit, Dauerbetrieb, Performance und an lange Wartungszyklen unterstützt.

Die Mayflower-ID-S ist so modular aufgebaut, dass das System neben den drei Ausbaustufen auch kundenspezifisch, mit den unterschiedlichsten Mainboards der Formfaktoren ATX, micro-ATX oder mini-ITX, ausgerüstet werden kann. Damit ist größtmögliche Flexibilität bei der Auswahl des Chipsatzes und der Leistungsfähigkeit des Prozessors gegeben. Um den Industrie-PC ideal auf möglichst viele industrielle Anwendungen spezifisch abstimmen zu können, lassen sich diverse weitere Optionen wählen: so kann das Gehäuse wahlweise mit bis zu sieben Low-Profile-Erweiterungskarten, oder alternativ durch eine Riser-Card-Lösung mit bis zu drei Full-Size Erweiterungskarten ausgestattet werden. Insgesamt vier rahmenlose 2,5“ HDD/SSD-Shuttles bieten ausreichend Platz für Massenspeicher, die ebenfalls im laufenden Betrieb gewechselt werden können. Die bestückbaren Speichermedien werden durch ein optisches Laufwerk im Slim-Design ergänzt.

Das kompakte System (B x H x T: 432 x 88,5 x 400 mm) lässt sich durch sein flexibles Erweiterungskartenkonzept vielfältig und platzsparend einsetzen. Die Mayflower-ID ist komplett mit industrieharter Elektronik bestückt und kann daher bei Umgebungstemperaturen von bis zu 50°C betrieben werden. Für eine ausreichende Kühlung der wärmekritischen Komponenten, wie CPU und GPU, sorgt sein redundantes Lüftungskonzept, bestehend aus drei 80 mm Lüftern sowie einem optional erhältlichen, nachgeschalteten Wärmetauscher mit vier Heatpipes. Bei CPUs bis 65W TDP lassen sich die leistungsstarken Lüfter und deren Filter während des Betriebs werkzeuglos austauschen, so dass ein reibungsloser Dauereinsatz des Systems gewährleistet ist. Für die zuverlässige Ausfallsicherheit des robusten und leistungsstarken Systems kann im Inneren des Gerätes neben einem einfachen Flex-ATX- oder 1U-Netzteil auch ein redundantes 2U Mini-Netzteil verbaut werden, dessen Netzteil-Module sich ebenfalls von außen ohne Werkzeug wechseln lassen. Damit passt sich das Konzept an unterschiedliche Prozessorleistungen oder Kundenwünsche nach Hochverfügbarkeit an.

Bei der Entwicklung des Industrie-PCs wurden in der Spezifikation alle aktuell gängigen Prozessorgenerationen von Intel und AMD berücksichtigt. Dadurch lassen sich in dem Gerät, trotz seiner geringen Abmessungen von 2HE mit nur 400mm Tiefe, sehr hohe Rechenleistung auf Server-Niveau realisieren. Abgerundet wird das 19“ System durch ein Flex-Konzept für flexible Nutzungsmöglichkeiten von Half-Size und Full-Size-Erweiterungskarten. Ab Herbst dieses Jahres wird das System auch mit industriellen, für den erweiterten Temperaturbereich bis 50° C ausgelegten Mainboards für Intel Core i CPUs der achten Generation (Coffee Lake) und leistungsstarken AMD Ryzen-Prozessoren verfügbar sein. Das 19“ 2HE System „Mayflower-ID-S“ ist in den drei Ausbaustufen Entry Level, Performance Level und High-End erhältlich, oder kann auch komplett kundenspezifisch zusammengestellt werden.

Das Einsteigermodell (Entry Level) ist mit einem energieeffizienten Intel® Core™ i3 Prozessor der 6./7. Generation oder einem Intel® Pentium® Prozessor erhältlich und lässt sich in Massenspeicher, I/O-Funktionen und Schnittstellen nach Belieben aufrüsten und erweitern. Die nächsthöhere Ausbaustufe des Industriecomputers ist das Performance Level, bei welchem das System „Mayflower-ID-S“ bereits mit einem Intel® Core™ i5 Prozessor ausgerüstet ist. Das Performance Level System ist auf eine perfekte Balance zwischen Leistung und Kosten für eine Vielzahl von Anwendungen ausgerichtet. Die verbauten Prozessoren erfüllen bereits die Anforderungen an die Rechenleistung vieler industrieller Anwendungen. Wird aufgrund einer anspruchsvollen Anwendung dennoch mehr Leistung benötigt, so empfiehlt sich das System in der letzten Ausbaustufe High-End Level. Intel® Core™ i7 oder Xeon® Prozessoren sind in dieser Ausbaustufe serienmäßig im Einsatz und liefern im Vergleich zu einem Entry Level System je nach Konfiguration die dreifache Rechenleistung.

Die Mayflower-ID-S kann entweder mit Rack-Montagewinkeln und Gleitschienen oder mit einer speziellen Montagehalterung versehen werden, welche den Betrieb auch in aufrechter Position ermöglicht.

 

>>>Zum Produkt<<<