Podľa nedávno vydanej správy o priemyselnej AI a AI Market Report 2021-2026 sa miera prijatia AI v priemyselných nastaveniach zvýšila z 19 percent na 31 percent za niečo vyše dvoch rokov. Okrem 31 percent respondentov, ktorí úplne alebo čiastočne zaviedli AI vo svojich prevádzkach, ďalších 39 percent v súčasnosti túto technológiu testuje alebo pilotuje.
Umelá inteligencia sa stáva kľúčovou technológiou pre výrobcov a energetické spoločnosti na celom svete a analýza internetu vecí predpovedá, že trh s priemyselnými riešeniami AI bude vykazovať silnú postpandemickú zloženú ročnú mieru rastu (CAGR) o 35 % a do roku 2026 dosiahne 102,17 miliardy USD.
Digitálny vek splodil internet vecí. Je vidieť, že nástup umelej inteligencie zrýchlil tempo rozvoja internetu vecí.
Pozrime sa na niektoré faktory, ktoré vedú k vzostupu priemyselnej AI a AIoT.
Faktor 1: Stále viac softvérových nástrojov pre priemyselnú AIoT
V roku 2019, keď Iot analytics začali pokrývať priemyselnú AI, existovalo len málo špecializovaných softvérových produktov AI od dodávateľov operačných technológií (OT). Odvtedy mnohí predajcovia OT vstúpili na trh AI vývojom a poskytovaním softvérových riešení AI vo forme platforiem AI pre výrobné haly.
Podľa údajov takmer 400 predajcov ponúka softvér AIoT. Počet dodávateľov softvéru, ktorí sa pripájajú na trh priemyselnej AI, sa za posledné dva roky dramaticky zvýšil. Počas štúdie IoT Analytics identifikovala 634 dodávateľov technológie AI pre výrobcov/priemyselných zákazníkov. Z týchto spoločností 389 (61,4 %) ponúka softvér AI.
Nová softvérová platforma AI sa zameriava na priemyselné prostredia. Okrem Uptake, Braincube alebo C3 AI stále väčší počet predajcov operačných technológií (OT) ponúka špecializované softvérové platformy AI. Príklady zahŕňajú analytickú a umelú inteligenciu Genix od spoločnosti ABB, súpravu FactoryTalk Innovation od Rockwell Automation, vlastnú výrobnú konzultačnú platformu Schneider Electric a nedávno aj špecifické doplnky. Niektoré z týchto platforiem sa zameriavajú na širokú škálu prípadov použitia. Napríklad platforma Genix od ABB poskytuje pokročilú analýzu vrátane vopred vytvorených aplikácií a služieb pre riadenie prevádzkového výkonu, integritu aktív, udržateľnosť a efektivitu dodávateľského reťazca.
Veľké spoločnosti umiestňujú svoje softvérové nástroje AI na výrobnú plochu.
Dostupnosť softvérových nástrojov AI je tiež riadená novými softvérovými nástrojmi špecifickými pre prípady použitia, ktoré vyvinuli AWS, veľké spoločnosti ako Microsoft a Google. Napríklad v decembri 2020 spoločnosť AWS vydala Amazon SageMaker JumpStart, funkciu Amazon SageMaker, ktorá poskytuje sadu vopred vytvorených a prispôsobiteľných riešení pre najbežnejšie prípady priemyselného použitia, ako sú PdM, počítačové videnie a autonómne riadenie. len pár kliknutí.
Softvérové riešenia špecifické pre jednotlivé prípady použitia vedú k zlepšeniam použiteľnosti.
Softvérové balíky špecifické pre jednotlivé prípady použitia, ako napríklad tie, ktoré sú zamerané na prediktívnu údržbu, sú čoraz bežnejšie. IoT Analytics zistila, že počet poskytovateľov využívajúcich softvérové riešenia na správu produktových dát (PdM) založených na umelej inteligencii sa začiatkom roka 2021 zvýšil na 73 v dôsledku zvýšenia rôznorodosti zdrojov údajov a používania modelov predškolenia, ako aj rozšíreného prijímanie technológií na vylepšenie údajov.
Faktor 2: Vývoj a údržba riešení AI sa zjednodušujú
Automatizované strojové učenie (AutoML) sa stáva štandardným produktom.
Vzhľadom na zložitosť úloh spojených so strojovým učením (ML), rýchly rast aplikácií strojového učenia vyvolal potrebu bežne dostupných metód strojového učenia, ktoré možno použiť bez odborných znalostí. Výsledná oblasť výskumu, progresívna automatizácia strojového učenia, sa nazýva AutoML. Rôzne spoločnosti využívajú túto technológiu ako súčasť svojich ponúk AI, aby pomohli zákazníkom vyvinúť modely ML a rýchlejšie implementovať prípady priemyselného použitia. Napríklad v novembri 2020 SKF oznámila produkt založený na automatL, ktorý kombinuje údaje o strojových procesoch s údajmi o vibráciách a teplote, aby sa znížili náklady a umožnili zákazníkom nové obchodné modely.
Operácie strojového učenia (ML Ops) zjednodušujú správu a údržbu modelu.
Nová disciplína operácií strojového učenia má za cieľ zjednodušiť údržbu modelov AI vo výrobných prostrediach. Výkonnosť modelu AI sa v priebehu času zvyčajne znižuje, pretože je ovplyvnená niekoľkými faktormi v rámci závodu (napríklad zmenami v distribúcii údajov a štandardoch kvality). V dôsledku toho sa údržba modelu a operácie strojového učenia stali nevyhnutnými na splnenie vysokých kvalitatívnych požiadaviek priemyselných prostredí (napríklad modely s výkonom nižším ako 99 % nemusia identifikovať správanie, ktoré ohrozuje bezpečnosť pracovníkov).
V posledných rokoch sa do priestoru ML Ops pripojilo mnoho startupov vrátane DataRobot, Grid.AI, Pinecone/Zilliz, Seldon a Weights & Biases. Etablované spoločnosti pridali do svojich existujúcich softvérových ponúk AI operácie strojového učenia, vrátane spoločnosti Microsoft, ktorá zaviedla detekciu posunu údajov v Azure ML Studio. Táto nová funkcia umožňuje používateľom zistiť zmeny v distribúcii vstupných údajov, ktoré znižujú výkon modelu.
Faktor 3: Umelá inteligencia aplikovaná na existujúce aplikácie a prípady použitia
Tradiční poskytovatelia softvéru pridávajú možnosti AI.
Okrem existujúcich veľkých horizontálnych softvérových nástrojov AI, ako sú MS Azure ML, AWS SageMaker a Google Cloud Vertex AI, tradičné softvérové balíky, ako sú počítačové systémy riadenia údržby (CAMMS), systémy vykonávania výroby (MES) alebo plánovanie podnikových zdrojov (ERP) možno teraz výrazne zlepšiť zavedením schopností AI. Napríklad poskytovateľ ERP Epicor Software pridáva možnosti AI do svojich existujúcich produktov prostredníctvom svojho Epicor Virtual Assistant (EVA). Inteligentní agenti EVA sa používajú na automatizáciu procesov ERP, ako je preplánovanie výrobných operácií alebo vykonávanie jednoduchých dotazov (napríklad získanie podrobností o cenách produktov alebo počte dostupných dielov).
Prípady priemyselného použitia sa modernizujú pomocou AIoT.
Niekoľko prípadov priemyselného použitia sa zlepšuje pridaním schopností AI do existujúcej hardvérovej/softvérovej infraštruktúry. Živým príkladom je strojové videnie v aplikáciách kontroly kvality. Tradičné systémy strojového videnia spracúvajú obrazy prostredníctvom integrovaných alebo diskrétnych počítačov vybavených špecializovaným softvérom, ktorý vyhodnocuje vopred určené parametre a prahové hodnoty (napr. vysoký kontrast), aby určil, či objekty vykazujú chyby. V mnohých prípadoch (napríklad elektronické súčiastky s rôznym tvarom zapojenia) je počet falošných poplachov veľmi vysoký.
Tieto systémy však oživuje umelá inteligencia. Napríklad poskytovateľ priemyselného strojového videnia Cognex vydal v júli 2021 nový nástroj pre hlboké učenie (Vision Pro Deep Learning 2.0). spĺňajú náročné medicínske a elektronické prostredia, ktoré vyžadujú presné meranie škrabancov, kontaminácie a iných defektov.
Faktor 4: Priemyselný hardvér AIoT sa zlepšuje
Čipy AI sa rýchlo zlepšujú.
Vstavané hardvérové čipy AI rýchlo rastú a ponúkajú rôzne možnosti na podporu vývoja a nasadenia modelov AI. Príklady zahŕňajú najnovšie grafické procesorové jednotky NVIDIA (Gpus), A30 a A10, ktoré boli predstavené v marci 2021 a sú vhodné pre prípady použitia AI, ako sú systémy odporúčaní a systémy počítačového videnia. Ďalším príkladom sú jednotky TPus (Tensors Processing Unit) štvrtej generácie od spoločnosti Google, čo sú výkonné špeciálne integrované obvody (ASics), ktoré dokážu dosiahnuť až 1000-krát vyššiu efektivitu a rýchlosť pri vývoji a nasadzovaní modelov pre špecifické pracovné zaťaženia AI (napr. detekcia objektov). , klasifikácia obrázkov a referenčné hodnoty odporúčaní). Používanie špecializovaného hardvéru AI skracuje čas na výpočet modelu z dní na minúty a v mnohých prípadoch sa ukázalo, že mení hru.
Výkonný hardvér AI je okamžite dostupný prostredníctvom modelu s platbou za použitie.
Superscale podniky neustále inovujú svoje servery, aby sprístupnili výpočtové zdroje v cloude, aby koncoví používatelia mohli implementovať priemyselné aplikácie AI. Napríklad v novembri 2021 spoločnosť AWS oznámila oficiálne vydanie svojich najnovších inštancií založených na GPU, Amazon EC2 G5, poháňaných GPU NVIDIA A10G Tensor Core, pre rôzne aplikácie ML vrátane počítačového videnia a odporúčaní. Napríklad poskytovateľ detekčných systémov Nanotronics používa príklady Amazon EC2 svojho riešenia kontroly kvality založeného na AI na urýchlenie spracovania a dosiahnutie presnejších mier detekcie pri výrobe mikročipov a nanorúrok.
Záver a vyhliadka
AI vychádza z továrne a bude všadeprítomná v nových aplikáciách, ako je PdM založená na AI, a ako vylepšenia existujúceho softvéru a prípadov použitia. Veľké podniky zavádzajú niekoľko prípadov použitia AI a hlásia úspechy a väčšina projektov má vysokú návratnosť investícií. Celkovo vzaté, vzostup cloudu, platforiem iot a výkonných čipov AI poskytuje platformu pre novú generáciu softvéru a optimalizáciu.
Čas odoslania: 12. januára 2022