logotypen
 
 

IN FOCUS

Gallimnitridi tuo laatua, kestävyyttä ja luotettavuutta

Gallium-nitridi (GaN) tarjoaa merkittäviä etuja tehokkuuden ja tehotiheyden lisäämisessä, mikä mahdollistaa suunnittelijoille huomattavasti haastavampien virtalähdemääritysten täyttämisen verrattuna piipohjaisiin MOSFET-komponentteihin. Yksi kohtuullinen huolenaihe minkä tahansa uuden, merkittäviä etuja tarjoavan teknologian suhteen on sen kestävyys ja luotettavuus. Poistaaksemme mahdolliset epäilykset, joita käyttäjillä saattaa olla, tarkastellaan GaN-teknologian kestävyyttä, luotettavuutta ja laatua.

Lue lisää...

Pitkän kehitystyön ansiosta tekoäly ja koneoppiminen valtaavat sovelluksia lukuisilla eri aloilla. Datamassojen kerääminen ja käsittely vaativat valtavasti laskentaa, joka suoritetaan yleensä pilvessä. Päätelmien tekeminen ja lopputulosten muodostaminen kannattaa usein kuitenkin tehdä paikallisesti verkon reunalla. Näin voidaan parantaa toiminnan nopeutta, lisätä turvallisuutta ja säästää kustannuksissa.

Artikkelin kirjoittaja Adil Yacoubi toimii Microchipin teknisen markkinoinnin insinöörinä EMEA-alueella.

Tekoälyä (AI) ja koneoppimista (ML) hyödynnetään monissa hyvinkin erityyppisissä sovelluksissa: matkailu, pankki- ja rahoituspalvelut, teollisuustuotanto, elintarvikeala, terveydenhoito, logistiikka, kuljetusala, viihde jne.

Yksi tunnetuimmista sovelluskohteista on autonominen ajoneuvo, joka pystyy tunnistamaan esteet, jalankulkijat ja muut tiellä liikkuvat autot koneoppimisen avulla. Muita tunnettuja AI/ML-sovelluksia ovat esimerkiksi sairauksien havaitseminen ja ennustaminen sekä elektroniikan piirilevyjen tarkastaminen.

Käyttöönotto kiihtyy

Yksi keskeinen tekoälyn ja koneoppimisen käyttöönottoa nopeuttava tekijä on tietokoneiden laskentatehon jatkuva kasvu, joka mahdollistaa monimutkaisten matemaattisten laskelmien suorittamisen helposti ja nopeasti.

Käytettävissä on myös entistä enemmän algoritmeja, jotka auttavat mallien luomisessa ja tekevät datan perusteella päättelemisestä helpompaa ja nopeampaa. Eri maiden hallitukset ja yritykset myös investoivat valtavasti tälle alueelle.

Tekoälyn ja koneoppimisen soveltamista tukevat helppokäyttöiset työkalut, jotka auttavat muitakin kuin datatieteilijöitä luomaan ja ottamaan käyttöön uusia malleja, ovat hyödyntämisessä keskeisellä sijalla. Niitä on yhä enemmän tarjolla kaikkien ulottuvilla.

Vaikka mallien luominen toteutetaan pilvipalvelujen huipputehokkaissa tietokoneissa, päättely halutaan usein tehdä paikallisesti. Tämä tuo lukuisia etuja esimerkiksi lisäturvallisuutena, koska paikallisesti toimittaessa ei olla yhteydessä ulkomaailmaan. Paikallinen toiminta verkon reunalla tarkoittaa myös, että kaistanleveyttä ei haaskata eikä ylimääräisiä kuluja synny datan lähettämisestä pilveen ja tulosten palauttamisesta takaisin.

Verkon reunalla tapahtuvan päättelyn tärkeimpiä etuja ovat:

  • Reaaliaikainen toiminta/välitön vaste
    • Alhainen latenssi, turvallinen toiminta
  • Alemmat kustannukset
    • Verkon kaistanleveyden tehokas käyttö, vähemmän datansiirtoa
  • Luotettava toiminta ajoittaisella yhteydellä
  • Parempi asiakaskokemus
    • Nopeampi vasteaika
  • Yksityisyys ja turvallisuus
    • Vähäisempi siirrettävä datamäärä parantaa yksityisyyttä
  • Pienempi tehonkulutus
    • Nopeaa datansiirtoa ei tarvita
  • Paikallinen oppiminen
    • Suorituskyky paranee, kun jokainen tuote oppii erikseen

Latenssi on hyvä kannustin tehdä päätelmiä paikallisesti, koska tietojen lähettämistä ja tulosten palauttamista ei tarvitse odottaa. Verkon reunalla tapahtuva päättely voi merkittävästi auttaa käyttäjiä, kun koneoppimista voidaan siirtää huippuluokan pilvikoneista tehokkaisiin mikro-ohjaimiin ja prosessoriyksikköihin.

Mitä on tekoäly ja koneoppiminen?

Tekoälyn käsite syntyi 1950-luvulla. Pohjimmiltaan tekoäly korvaa ohjelmointiproseduurin luomalla dataan perustuvia algoritmeja sen sijaan, että ne kirjoitettaisiin manuaalisesti perinteiseen tapaan. Koneoppiminen puolestaan on tekoälyn alaryhmä, jossa kone yrittää poimia oleellisia tietoja annetusta datasta. Koneelle annetaan esivalmisteltua dataa ja sitä pyydetään sen jälkeen luomaan algoritmi, joka auttaa ennustamaan tuloksia uusille tuoreille datajoukoille.

Koneoppiminen perustuu konseptiin, jota kutsutaan ’ohjatuksi oppimiseksi’. Tässä tekniikassa data merkitään ja tulokset perustuvat näihin merkintöihin. Samalla luodaan myös malli näiden merkintöjen perusteella. Toinen tekniikka on ns. syväoppiminen, joka hyödyntää paljon monimutkaisempia algoritmeja, eikä dataa ole merkitty. Tässä artikkelissa tarkastellaan pääasiassa verkon reunalla paikallisesti tapahtuvaa (Edge ML) ohjattua oppimista.

Koneoppimisen peruselementti on neuroverkko, joka koostuu solmukerroksista, joiden kullakin solmulla on yhteys tuloihin tai seuraaviin kerroksiin. Neuroverkkoja on useita tyyppejä. Mitä enemmän siirrytään koneoppimisesta syvään oppimiseen, sitä enemmän nähdään yhä monimutkaisempia verkkoja. Syväoppiminen sisältää myös joitakin palautemekanismeja, kun taas yksinkertaisissa ML-malleissa on pelkistettyjä eteenpäin-toimintoja, jotka siirtyvät datasta lähtöön tai laskentatulokseen.

 

 

Näin konetta koulitaan

Koneoppimisen ensimmäinen askel on datankeruu. Kun keskitytään ohjattuun oppimiseen, kerätään merkittyjä dataryhmiä, jotta mallit voidaan löytää oikein. Datan laatu määrää, kuinka tarkka malli on. Data täytyy koota ja muokata satunnaiseksi – jos se on liian organisoitua, malleja ei luoda oikein ja voidaan päätyä huonolaatuisiin algoritmeihin.

Toinen vaihe on puhdistaa ja poistaa epätoivottu data. Kaikki datajoukot, joista puuttuu tietoja, tulisi poistaa. Myös ne tilat, joiden tietoja ei tarvita tai tilat, jotka ovat tyypillisesti tuntemattomia, tulee poistaa.

Sen jälkeen data on jaettava kahteen osaan, joista toinen on koneen koulutusta ja toinen testausta varten.

Kolmas vaihe on algoritmin opettaminen. Tämä on jaettu kolmeen jaksoon. Ensimmäinen askel on valita koneoppimisen luokittelualgoritmi. Niitä on tarjolla useita ja ne soveltuvat erityyppisille tiedoille. Seuraavassa on esimerkkejä koneoppimisen luokittelualgoritmeista:

  • Bonsai-puurakenne
  • Päättelypuu-rakenne
  • Tehostettu puurakenne
  • TensorFlow Lite mikro-ohjaimille
  • PME (Pattern Matching Engine)

On tärkeä valita oikea mallirakenne, sillä se määrää vasteen, joka saadaan lähtöön, kun ML-algoritmi on suoritettu kerätylle datalle. Tämä saattaa vaatia datatieteilijän taitoja, mutta se voidaan myös jättää hoidettavaksi automaattiselle koneelle, joita useat mallinluonnin työkalut tarjoavat.

Toinen alavaihe on mallin harjoitteluoperaatio, joka koostuu useista iteraatiokierroksista eri kerrosten painotusten ja mallin yleisen tarkkuuden parantamiseksi.

Sen jälkeen malli on evaluoitava, mikä tehdään testaamalla mallia datan osajoukolla - juuri sillä, joka on säilytetty tulevaa testausta ja evaluointia varten. Tämä datajoukko on mallille tuntematon. Näin voidaan verrata mallin antamaa tulosta tunnettuihin tuloksiin.

Kun nämä vaiheet on suoritettu, voidaan käyttää luotua mallia ja validoida tulokset tekemällä päätelmiä kohteista. Ideana on viedä malli kentälle, antaa sille syötteitä ja katsoa, ovatko tulokset oikein.

 

 

Microchipin ohjelmistot ja työkalut

Microchip on tehnyt tämän alueen yhteistyötä monien kolmansien osapuolten kanssa. Näitä yrityksiä ovat esimerkiksi Edge Impulse, Motion Gestures ja SensiML.

Microchip tukee myös suosittuja kehysrakenteita. Tällainen on esimerkiksi TensorFlow Lite For Microcontrollers, joka on osa Microchip Harmony -rakennetta. Sitä voidaan käyttää mallien luomiseen Microchipin kaikille piireille, paitsi nykyisille 8 bitin ohjaimille. Yhtiön muut mikro-ohjaimet ja prosessorit ovat kuitenkin yhteensopivia ja tukevat TensorFlow Litea.

Microchipin mikro-ohjaimet ja prosessoriratkaisut tukevat monenlaisia sovelluksia kuten älykästä sulautettua konenäköä. Ne sopivat hyvin myös ennakoivaan ylläpitoon ja huoltoon, joka perustuu esimerkiksi tärinän anturointiin, tehon mittaamiseen tai äänisignaalien valvontaan. Piirivalikoimaa voidaan myös käyttää eleiden tunnistamiseen, ja yhdessä kosketustoimintojen kanssa ne helpottavat ihmisen ja koneen välisen käyttöliittymän hallintaa.

Lisäksi Microchip tarjoaa tehokkaita PCI-kytkimiä, jotka mahdollistavat GPU-yksiköiden liittämisen yhteen ja auttavat näin mallin koulutuksessa. Datankeruu voidaan suorittaa mikro-ohjaimilla, prosessoriyksiköillä, FPGA-piireillä ja antureilla. Kaikki nämä ovat tarjolla Microchipin piirivalikoimissa. Datan validointi ja päättelyprosessi voidaan puolestaan suorittaa mikro-ohjaimilla, prosessoreilla tai FPGA-piireillä.

Kaiken kaikkiaan mainitut ratkaisut tekevät ML-sovelluksesta helposti toteutettavan Microchipin piirien avulla.

Mitä tulee ohjelmistoihin, Microchipin AI/ML-koulutussivusto on mainio paikka tutustua yhtiön uusimpiin ratkaisuihin.

Suosittuja kehysrakenteita tukevan Microchip Harmonyn lisäksi tarjolla on useita koneoppimiseen tarkoitettuja ohjelmistoja yhtiön lukuisten kumppanuuksien ansiosta.

Yksi kumppaniyrityksistä on Edge Impulse, jolla on täydellinen TinyML-ratkaisu, jonka avulla voidaan helposti kerätä dataa, rakentaa malli ja ottaa se käyttöön. Yhtiö käyttää TensorFlow Litea mikro-ohjaimille. Yksi tärkeimmistä eduista on se, että Edge Impulsen koodi on täysin avointa ja rojaltivapaata.

Toinen tärkeä yhteistyökumppani on Motion Gestures, joka on erikoistunut eleiden tunnistamiseen. Tätä voidaan hyödyntää ihmisen ja koneen välisen käyttöliittymän rakentamisessa. Tämä työkalu voi minuuteissa auttaa luomaan ja ottamaan käyttöön erilaisia eleitä lyhentäen näin ohjelmistojen kehitysaikaa. Se tarjoaa hyviä tuloksia eleiden tunnistukseen, jossa lähestytään testeissä jo 100 % tunnistusvarmuutta.

Tätä toimintoa voidaan soveltaa kahdella eri tavalla: joko koskettamalla klassiseen tapaan tai liikkeiden avulla hyödyntämällä erityisiä liikkeiden ilmaisuun tarkoitettuja antureita (IMU).

 

 

Näillä alkuun

Microchip tarjoaa useita piirisarjoja, joiden avulla kehittäjät pääsevät helposti alkuun AI- ja ML-sovellusten suunnittelussa. Mikro-ohjainten puolella tarjolla on SAMD21 ML sekä sitä varten suunniteltu ML-evaluointipaketti TDK:n MEMS-anturin kera. Toisessa versiossa hyödynnetään Boschin valmistamaa IMU-anturia.

Liike-eleiden puolella tarjolla on demosarja, johon kuuluu SAMC21 Xplained Pro sekä Qtouch-kosketuslevy. Kyseessä on työkalu, jonka avulla on helppo aloittaa eleitä tunnistavan ML-sovelluksen suunnittelu.

Integroitu graafinen kosketuslevy (IGaT) hyödyntää ML-tekniikkaa. Sen mukana tulee valmis laiteohjelmisto, joka sisältää myös eleiden tunnistusdemon monien muiden demojen lisäksi (autot, kotijärjestelmät, viihde jne.)

Adafruit EdgeBadge - TensorFlow Lite on toinen sarja, joka hyödyntää suoraan TensorFlow Litea.

Siinä on mukana 2 tuuman TFT-näyttö. EdgeBadgea hyödynnetään yleisesti Arduino-yhteisössä. Tarjolla on useita sovellusesimerkkejä, kuten siniaaltodemo, eleohjausdemo ja puhedemo.

Huippuluokan sovellusten puolella PolareFire-videosarjassa on liitännät kaksoiskameralle, MIPI-sarjaväylälle ja HDMI-videolle sekä 2 gigatavun DDR-muisti, 4 gigaa SDRAM-muistia, USB2UART-liitäntä ja gigatavun SPI-flash.

Paketti tarjoaa ML-mallia käyttävän tai siihen pohjautuvan demosarjan esineiden tunnistamiseen.

 

Lisätietoja täällä.

MORE NEWS

DeepSeek on jo kielletty monessa käytössä

Uusi tekoälysovellus DeepSeek on herättänyt laajaa keskustelua sekä sen tarjoamien mahdollisuuksien että tietoturvaongelmien vuoksi. Maailmanlaajuisesti DeepSeekiin liittyviä Google-hakuja tehdään jo 2,9 miljoonaa kertaa kuukaudessa, mutta samaan aikaan yhä useampi valtio ja organisaatio on päättänyt kieltää sen käytön, kertoo tekoälytyökaluja keihttävä AIRPM .

Ransomwarea neljä kertaa enemmän viime vuonna

Kiristyshaittaohjelmien määrä nelinkertaistui vuonna 2024, kertoo tietoturvayhtiö Barracudan tuore vuosikatsaus. Ransomware-as-a-Service (RaaS) -alustojen yleistyminen on mahdollistanut laajemmat ja kehittyneemmät verkkohyökkäykset, jotka kohdistuvat sekä yrityksiin että yksityishenkilöihin.

Uusi korttityyppi tuo tehoa datakeskuksen tallennukseen

EDSFF (Enterprise and Datacenter Storage Form Factor) on moderni tallennusratkaisu, joka mullistaa datakeskusten ja hyperskaalattavien palvelinjärjestelmien infrastruktuurin. Se tarjoaa paremman suorituskyvyn, energiatehokkuuden ja lämmönhallinnan verrattuna perinteisiin 2,5 tuuman ja M.2-muotoisiin SSD-asemiin.

Voisiko uusi suomalaistekniikka korvata salasanat?

Jyväskylän yliopiston tutkijat ovat kehittäneet uudenlaisen monivaiheisen tunnistautumismenetelmän, joka voi mullistaa digitaalisen tunnistautumisen. SalaLogin-niminen ratkaisu korvaa perinteiset salasanat biometriikan sekä käyttäjän itse luomien vihjeiden ja salaisuuksien avulla, mikä tekee siitä turvallisemman ja helpomman käyttää.

Ruotsalaistutkijat kehittivät täysin kierrätettävän aurinkokennon

Tutkijat Linköpingin yliopistosta ovat kehittäneet uuden menetelmän, jolla perovskiitti-aurinkokennon kaikki osat voidaan kierrättää ilman ympäristölle haitallisia liuottimia. Menetelmä mahdollistaa aurinkokennon purkamisen ja materiaalien uudelleenkäytön ilman, että sen suorituskyky heikkenee.

Merkittävä virstanpylväs: SiC-komponentteja 8-tuumaisilta kiekoilta asiakkaille

Infineon Technologies on ottanut merkittävän askeleen 8-tuumaisten SiC- eli piikarbidikiekkojen kehityksessä. Yhtiö aloittaa ensimmäisten kehittyneellä 200 mm SiC-valmistusteknologialla tuotettujen tuotteiden toimitukset asiakkaille vuoden 2025 ensimmäisellä neljänneksellä.

Web3-sovellukset eivät ole juuri Web2-sovelluksia turvallisempia

Vaikka Web3:n on luvattu tuovan hajautetun ja turvallisemman internetin, todellisuus näyttää toisenlaiselta. Uudet tutkimukset osoittavat, että Web3-sovellukset perivät Web2:n haavoittuvuudet, mikä tekee niistä alttiita yhä kasvaville kyberuhille, kuten haittaohjelmille, tietojenkalastelulle ja palvelunesto- eli DDoS-hyökkäyksille.

Bluetoothia hyvin pienellä virralla

Panasonic Industry on julkistanut uuden, pienen ja kustannustehokkaan PAN B511-1C -Bluetooth-moduulin, joka yhdistää erinomaisen suorituskyvyn ja suuren muistikapasiteetin erittäin alhaiseen virrankulutukseen. Moduuli perustuu Nordic nRF54L15 -piirisarjaan ja on suunniteltu erityisesti energiatehokkaita sovelluksia varten.

6G tulee olemaan verkko, jota tekoäly optimoi kaiken aikaa

Oulun yliopiston 6G-tutkimusohjelma on julkaissut uuden white paper -dokumentin tulevasta 6G-tekniikasta. Dokumentin on päätoimittanut Oulun yliopiston Future Computing Group -tutkimusryhmän johtaja Lauri Lovén. Hänen mukaansa voidaan sanoa, että 5G:n myötä pilvipalvelut ja reunalaskenta integroituivat mobiiliverkkoihin. - 6G:n kohdalla langattomiin verkkoihin yhdistyy tekoäly.

Ruotsalaiset tarjoavat kattavampaa sulautetun koodin analyysiä

Sulautetun ohjelmistokehityksen laadunvarmistus saa uutta vahvistusta, kun Nohau Solutions ja Percepio AB ilmoittavat uudesta jakelukumppanuudesta. Yhteistyön myötä sulautetun ohjelmistokehittäjät saavat entistä paremmat työkalut koodin analysointiin, testaukseen ja diagnostiikkaan.

Telia estää kymmeniä huijauspuheluita joka minuutti

Telia on alkuvuoden aikana torjunut jo yli puoli miljoonaa huijauspuhelua. Keskimäärin yhtiö estää noin 13 500 huijauspuhelua päivässä, mikä tarkoittaa kymmeniä estettyjä puheluita joka minuutti. Vaikka huijauspuheluiden kokonaismäärä on laskussa, niiden osuus ulkomailta Suomeen tulevista puheluista on edelleen huolestuttavan suuri.

Suomen elektroniikkateollisuus kääntyy tänä vuonna kasvuun

Teknologiateollisuuden mukaan elektroniikka- ja sähköteollisuuden (tietoliikennelaitteet, sähkökoneet, terveysteknologia) yritysten liikevaihto Suomessa pysyi vuonna 2024 ennakkoarvioiden mukaan lähes samalla tasolla kuin edellisvuonna. Kokonaisuudessaan liikevaihtoa kertyi noin 20 miljardia euroa.

SiC-tehopiirit yhä pienempiä ja tehokkaampia

Tehokomponenttien valmistaja SemiQ on julkistanut uuden sukupolven 1200V SiC MOSFET -komponentin, joka pienentää sirukokoa samalla parantaen kytkentänopeutta ja tehokkuutta. Uusi QSiC 1200V -MOSFET on 20 % pienempi kuin edeltäjänsä, mutta tarjoaa merkittävästi parempaa suorituskykyä suurjännitesovelluksissa. Tämä kuvaa hyvin sitä nopeaa kehitystä, joka piikarbidikomponenteissa on tällä hetkellä käynnissä.

Uusi HDMI tuo jopa 10K-tarkkuuden pelaamiseen

CES 2025 -messuilla Las Vegasissa HDMI Forum ilmoitti uudesta HDMI 2.2 -standardista, joka nostaa kaistanleveyden 96 gigabittiin sekunnissa. Se mahdollistaa jopa 16K-tarkkuuden ja aiempaa korkeammat virkistystaajuudet. Vaikka täysi 16K-resoluutio ei vielä ole realistinen kuluttajamarkkinoilla, pelaajat voivat odottaa parempaa suorituskykyä 4K-, 8K- ja jopa 10K-resoluutiolla.

Uusi maailmanennätys hybridiaurinkokennoissa

Tutkijat Saksassa ovat saavuttaneet uuden maailmanennätyksen hybridiaurinkokennojen tehokkuudessa. Helmholtz-Zentrum Berlin (HZB) ja Humboldt University Berlin ovat kehittäneet uuden sukupolven CIGS-perovskiitti-hybridiaurinkokennon, joka on saavuttanut 24,6 prosentin sertifioidun hyötysuhteen.

OpenAI haluaa omat sirut jo tänä vuonna

OpenAI aikoo vähentää riippuvuuttaan Nvidia-siruista kehittämällä oman tekoälyprosessorinsa, jonka ensimmäinen versio on tarkoitus valmistaa jo tänä vuonna, kertoo Reuters.

Pythonin uusi tulkki tekee ohjelmista jopa 30 prosenttia nopeampia

Python 3.14:n uusi tulkki voi nopeuttaa ohjelmien suoritusta jopa 30 % ilman, että koodia tarvitsee muuttaa. Pythonin seuraavan suuren version beta-julkaisu on odotettavissa toukokuussa 2025.

Tablettien myynti kääntyi yllättäen nousuun

Tablettimarkkinat ovat kokeneet merkittäviä vaihteluita viime vuosina. Koronapandemian aiheuttaman kysyntäpiikin jälkeen myynti laski jyrkästi vuosina 2022 ja 2023, ja monet asiantuntijat ennustivat hitaasti etenevää toipumista. Nyt tilanne on muuttunut, ja tabletit tekevät vahvaa paluuta markkinoille.

Suomessa myytiin viime vuonna vähemmän sähköautojen latauslaitteita

Suomessa myytiin vuonna 2024 yhteensä 30 382 sähköauton latauslaitetta kiinteistöihin, mikä on 13,3 prosenttia vähemmän kuin edellisvuonna, kertoo Sähköteknisen Kaupan Liitto (STK) tuoreessa tilastossaan. Erityisesti peruslatauslaitteiden myynti laski merkittävästi, kun taas hidaslatauslaitteiden kysyntä pysyi vakaana ja jopa kasvoi hieman.

SEGGER analysoi nyt montaa ydintä kerralla

Ohjelmistotyökalujen kehittäjä SEGGER on laajentanut SystemView-analyysityökaluaan moniydinympäristöihin. Uusi tuki mahdollistaa usean suorittimen reaaliaikaisen seurannan ja analysoinnin yhdellä debuggaus-mittapäällä, mikä helpottaa sulautettujen järjestelmien kehittäjien työtä.

Uusi korttityyppi tuo tehoa datakeskuksen tallennukseen

EDSFF (Enterprise and Datacenter Storage Form Factor) on moderni tallennusratkaisu, joka mullistaa datakeskusten ja hyperskaalattavien palvelinjärjestelmien infrastruktuurin. Se tarjoaa paremman suorituskyvyn, energiatehokkuuden ja lämmönhallinnan verrattuna perinteisiin 2,5 tuuman ja M.2-muotoisiin SSD-asemiin.

Lue lisää...

Ota nämä seikat huomioon, kun teet räätälöityjä laitteistoja

Markkinoilla on tarjolla suuri määrä valmiita laitteistoratkaisuja ja ohjelmistoalustoja. Kun valmiit ratkaisut eivät suoraan sovellu aiottuun käyttötarkoitukseen, tarvitaan usein asiakaskohtaisten laitteistojen ja ohjelmistojen suunnittelua. Tämä artikkeli käsittelee keskeisiä asioita, jotka on huomioitava tietotekniikkaa sisältävän tuotteen teknisen ratkaisun valinnassa ja suunnittelussa.

Lue lisää...

 

Tule tapaamaan meitä tulevissa tapahtumissamme.
R&S-seminaareihin saat kutsukirjeet ja uutiskirjeet suoraan sähköpostiisi, kun rekisteröidyt sivuillamme.
 
R&S -seminaari: Demystifying SA and VNA
Oulussa 12.2.2024 ja Vantaalla 13.2.2024
Ilmoittautuminen: asiakaspalvelu@rohde-schwarz.com

 
R&S -koulutus: RF Mittaustekniikan 2-päiväinen koulutus (huom. maksullinen)
Vantaalla 12.-13.3.2025
Ilmoittautuminen: RF Mittaustekniikka - Rohde & Schwarz Finland Oy
 

 

LATEST NEWS

NEW PRODUCTS

 

ETNinsta

THIS SPACE TEMPORARILY LEFT BLANK
 
article