Leírás
AXIOMTEK ICO500-518 – DIN-sínes ipari számítógép
AXIOMTEK ICO500-518 DIN-sínes ipari számítógép vezérlőszekrénybe épített adatgyűjtési és átjáró feladatokhoz. A tömör, egységesített leírás a legfontosabb műszaki jellemzőket és alkalmazási területeket emeli ki.
Főbb jellemzők
- Processzor/platform: 7. generációs Intel® Core™ i7/i5/i3 vagy Celeron® processzor (Kaby Lake-U)
- Csatlakozók: 2 PIM (Plug-in I/O modul) foglalat
- Kialakítás: ventilátor nélküli és compact kialakítás
- Üzemi környezet: széles üzemi hőmérséklet -40°C – +70°C
- Tápellátás: 12 – 48 VDC széles tartomány tápbemenet
- Adattárolás: 1 swappable 2.5" SATA meghajtó tray
Ajánlott felhasználás
Ipari IoT, protokollátjáró, energiafelügyelet és adatgyűjtés.
Részletes műszaki adatok
- 7th gen Intel® Core™ i7/i5/i3 or Celeron® processor (Kaby Lake-U)
- 2 PIM (Plug-in I/O Module) slots
- Fanless and compact design
- Wide operating temperature range from -40°C to +70°C
- 12 to 48 VDC wide range power input
- OVP, UVP, OCP, RPP power protection design
- 1 swappable 2.5" SATA drive tray
Termékismertető
The ICO500-518 featuring flexible I/O expansion, sufficient storage and network capability is well-suited for transportation, public utility, smart building, solar energy, as well as factory automation fields. By bundling Axiomtek’s intelligent AMS software solution for device monitoring and remote management, the ICO500-518 is able to implement environment signal monitoring, edge analytics and remote device management in the IIoT world. It has also passed the EN 50121-4 certified for railway applications.
The rugged high computing edge gateway has scalable CPU options with the 7th gen Intel® Core™ i7/i5/i3 (codename: Kaby Lake-U) or Celeron® processors and supports one DDR4-2133 SO-DIMM slot for up to 16GB of system memory. The ICO500-518 features basic benefits whether low latency or cost efficiency; moreover, offering much more other advantages for IIoT applications. It not only supports multiple OT communication protocols that can significantly reduce the effort required to collect data from different field devices, but also provide local intelligence to allow operators respond faster to events that happen at the remote site and minimizes latency between edge devices and the cloud server.