AI och IoT är två av de starkaste tekniktrenderna idag. Även om de är olika, överlappar de varandra allt oftare vid kanten av nätverket (edge). AI förbättrar prestanda och ger nya funktioner samtidigt som den introducerar smartare mekanismer för att hantera och till och med minska energiförbrukningen.
Marknaden för smarta hem har formats av proprietära ekosystem som Amazon Alexa, Google Home och Apple Homekit. Även om dessa varit framgångsrika, är de ofta begränsade av leverantörslåsning och interoperabilitet – faktorer som gör dem mindre lämpliga för användare som söker mer avancerade eller unika installationer.
Under de senaste tio–femton åren har våra byggnader fått en puls. Sensorer, loggar och styrsystem producerar en ständig ström av data som beskriver vad som faktiskt sker. Den här utvecklingen har gjort fastighetsautomation till en allt viktigare källa för forensiskt arbete.
För att på ett säkert sätt lägga till en ny termostat, kamera, larm eller annan enhet i ett Bluetoothnätverk, det som på engelska kallas commissioning, måste enheten kommunicera med en gateway för att bland annat utbyta kryptonycklar.
Diabetes drabbar enligt International Diabetes Federation över 10 procent av världens befolkning. Sjukdomen innebär stora hälsorisker på grund av sina många komplikationer och att det inte finns ett enkelt botemedel.
Utan korrekt implementerad spårbarhet ligger läkemedel och förbrukningsmaterial ofta oförbrukade tills de inte längre kan användas – en onödig ekonomisk förlust och miljömässigt ohållbart.
När en EMC-tätning utformas är det i allmänhet bäst att specificera en packning i ett spår, vanligtvis en O-ringstätning eller någon annan standardprofil. I vissa fall går det inte att använda den här tätningstypen. Då väljer man i stället platta packningar. I sådana fall är korrekt hantering av packningsavböjning under tryck avgörande för att maximera dess effektivitet och livslängd.
Halvledarindustrin är inte van vid att framställas som en miljöbov. Den är motorn bakom de flesta genombrott vi hyllar – AI, elektrifiering, uppkoppling och automation. Men i takt med att efterfrågan på elektronik växer, ökar också granskningen.
Stora språkmodeller (LLM:er) och tjänster baserade på dessa som ChatGPT och Gemini är lysande exempel på kraften i generativ AI. Men dessa AI-modeller består av enorma kodbaser – i början av 2025 har de största mer än en biljon parametrar.
Historiskt sett var elektronik som var avsedd för farliga miljöer, så kallad egensäker (IS) utrustning, mycket enkel. Den var sensorer som samlade in data såsom temperatur eller tryck och skickade den via långa kablar till ett centralt kontrollrum. Där bearbetade kraftfulla datorer informationen och skickade tillbaka styrkommandon.
Att designa mönsterkort med både analoga och digitala signaler kräver grundläggande förståelse av bägge domänerna för att minimera – helst förhindra – störningar av signalerna.
Att uppfylla kraven i EU:s CRA (Cyber Resilience Act) kommer snart att vara en av de stora tekniska och organisatoriska utmaningarna för alla som marknadsför inbyggda system i Europa. Förordningen trädde i kraft den 10 december 2024 och från den 11 december 2027 är många av de viktigaste kraven bindande.
Generativ AI gör det möjligt att använda chattbottar i kundtjänst och smarta högtalare i hemmet. Tekniken med taligenkänning är bara i sin linda men den är ändå på väg att ta steget in i robotiken, där den bidrar till att utveckla algoritmer som bättre styr rörelser och att initiera strategier för att utföra viktiga uppgifter.
När vi pratar med företag som börjat använda AI för utveckling finns ett tydligt mönster. Å ena sidan finns en stor entusiasm över alla nya möjligheter – som man hoppas ska komma till nytta tämligen omgående. Å andra sidan får vi samtidigt höra om farhågor över allt som kan tänkas bromsa deras AI-utveckling.
Den som vill bygga anpassningsbara och skalbara ATE-system kan med fördel använda en öppen arkitektur i kombination med standardprodukter (COTS). Det resulterar i kostnadseffektiva och robusta testsystem som inte bara uppfyller dagens krav utan också underlättar framtida modifieringar och uppdateringar – samt support under många år.
Innan jag började att driva ett företag där vi designade IoT-sensorer hade jag inte tänkt så mycket på varför en sensor skulle monteras på ett visst sätt. En temperatur var en temperatur, så länge rätt data kom in så var allt lugnt, eller?
Vilka tillämpningar och tekniktrender driver behovet av algoritmer för artificiell intelligens/maskininlärning vid test och mätningar på mikrovågs- och millimetervågsområdet?