Podľa nedávno vydanej správy o trhu priemyselných AI a AI na trhu 2021-2026 sa miera adopcie AI v priemyselnom prostredí zvýšila z 19 % na 31 percent za niečo viac ako dva roky. Okrem 31 percent respondentov, ktorí vo svojich operáciách plne alebo čiastočne zaviedli AI, ďalších 39 percent v súčasnosti testuje alebo pilotuje túto technológiu.
AI sa objavuje ako kľúčová technológia pre výrobcov a energetické spoločnosti na celom svete a analýza IoT predpovedá, že trh s priemyselnými AI riešeniami vykazuje silnú ročnú mieru rastu post-pandemickej zlúčeniny (CAGR) 35%, aby do roku 2026 dosiahla 102,17 miliárd dolárov.
Digitálny vek porodil internet vecí. Je zrejmé, že vznik umelej inteligencie urýchlil tempo vývoja internetu vecí.
Pozrime sa na niektoré z faktorov, ktoré spôsobujú vzostup priemyselnej AI a AIOT.
Faktor 1: Stále viac a viac softvérových nástrojov pre priemyselný AIOT
V roku 2019, keď sa analytika internetu vecí začala pokrývať priemyselnú AI, bolo len málo špecializovaných softvérových produktov AI z predajcov operačných technológií (OT). Odvtedy mnohí predajcovia OT vstúpili na trh AI vývojom a poskytovaním softvérových riešení AI vo forme platforiem AI pre továreň.
Podľa údajov ponúka AIOT softvér takmer 400 dodávateľov. Počet predajcov softvéru, ktorí sa pripojili k trhu s priemyselnou AI, sa za posledné dva roky dramaticky zvýšil. Počas štúdie analytika internetu vecí identifikovala 634 dodávateľov technológie AI pre výrobcov/priemyselných zákazníkov. Z týchto spoločností ponúka 389 (61,4%) softvér AI.
Nová softvérová platforma AI sa zameriava na priemyselné prostredie. Okrem absorpcie, BrainCube alebo C3 AI, rastúci počet predajcov operačných technológií (OT) ponúka špecializované softvérové platformy AI. Medzi príklady patrí priemyselná analýza spoločnosti ABB a AI Suite, Rockwell Automation Innovation Suite, vlastná výrobná konzultačná platforma spoločnosti Schneider Electric a nedávno špecifické doplnky. Niektoré z týchto platforiem sa zameriavajú na širokú škálu prípadov použitia. Napríklad platforma Genix spoločnosti ABB poskytuje pokročilú analýzu vrátane vopred vytvorených aplikácií a služieb pre riadenie prevádzkovej výkonnosti, integritu aktív, udržateľnosť a efektívnosť dodávateľského reťazca.
Veľké spoločnosti vkladajú svoje softvérové nástroje AI na podlahu v obchode.
Dostupnosť softvérových nástrojov AI je tiež spôsobená novými softvérovými nástrojmi špecifickými pre použitie, ktoré vyvinuli AWS, veľké spoločnosti ako Microsoft a Google. Napríklad v decembri 2020 AWS vydal Amazon Sagemaker Jumpstart, funkciu Amazon Sagemaker, ktorý poskytuje súbor vopred postavených a prispôsobiteľných riešení pre najbežnejšie prípady priemyselného použitia, ako sú PDM, počítačové videnie a autonómna jazda, nasadenie iba niekoľkými kliknutiami.
Softvérové riešenia špecifické pre používanie spôsobujú vylepšenia použiteľnosti.
Softvérové apartmány špecifické pre používanie, ako napríklad súpravy zamerané na prediktívnu údržbu, sa stávajú bežnejšími. Analytika internetu vecí poznamenala, že počet poskytovateľov softvérových riešení založených na produkcii AI založených na AI (PDM) na začiatku roku 2021 vzrástol na 73 v dôsledku zvýšenia rozmanitosti zdrojov údajov a použitia modelov predbežného tréningu, ako aj rozsiahle prijatie technológií zlepšovania údajov.
Faktor 2: Vývoj a údržba riešení AI sa zjednodušuje
Automatizované strojové učenie (AUTOML) sa stáva štandardným produktom.
Vzhľadom na zložitosť úloh spojených so strojovým učením (ML) vytvoril rýchly rast aplikácií strojového učenia potrebu metód strojového učenia mimo sietia, ktoré sa dajú použiť bez odbornosti. Výsledná oblasť výskumu, progresívna automatizácia strojového učenia, sa nazýva Automl. Rôzne spoločnosti využívajú túto technológiu ako súčasť svojich ponúk AI, aby pomohli zákazníkom rozvíjať modely ML a implementovať prípady priemyselného použitia rýchlejšie. Napríklad v novembri 2020 spoločnosť SKF oznámila produkt založený na automatickom automate, ktorý kombinuje údaje o procese strojov s údajmi o vibráciách a teplote, aby sa znížili náklady a umožnili nové obchodné modely pre zákazníkov.
Operácie strojového učenia (ML OPS) Zjednodušia správa a údržba modelu.
Cieľom novej disciplíny operácií strojového učenia je zjednodušiť údržbu modelov AI vo výrobných prostrediach. Výkonnosť modelu AI sa v priebehu času zvyčajne degraduje, pretože je ovplyvnená niekoľkými faktormi v závode (napríklad zmeny v distribúcii údajov a normách kvality). Výsledkom je, že údržba modelu a operácie strojového učenia sa stali potrebnými na splnenie vysokých požiadaviek na kvalitu priemyselného prostredia (napríklad modely s výkonom pod 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 váhy a zaujatosti. Zariadené spoločnosti pridali do svojich existujúcich ponúk softvéru AI softvér, vrátane spoločnosti Microsoft, ktorá zaviedla detekciu driftu v Azure ML Studio, vrátane detekcie driftu údajov. Táto nová funkcia umožňuje používateľom zistiť zmeny v distribúcii vstupných údajov, ktoré degradujú výkonnosť modelu.
Faktor 3: Umelá inteligencia uplatňovaná na existujúce aplikácie a prípady použitia
Tradiční poskytovatelia softvéru pridávajú schopnosti AI.
Okrem existujúcich veľkých vodorovných softvérových nástrojov AI, ako sú MS Azure ML, AWS Sagemaker a Google Cloud Vertex AI, môžu byť tradičné softvérové súpravy, ako sú počítačové systémy správy údržby (CAMMS), výrobné systémy vykonávania (ME) alebo podnikanie zdrojov (ERP) (ERP). Napríklad softvér poskytovateľa ERP Epicor dodáva svoje existujúce produkty schopnosti AI prostredníctvom svojho virtuálneho asistenta EPicor (EVA). Inteligentní agenti EVA sa používajú na automatizáciu procesov ERP, ako napríklad presmerovanie výrobných operácií alebo vykonávanie jednoduchých otázok (napríklad získanie podrobností o cenách produktu alebo počte dostupných dielov).
Prípady priemyselného použitia sa vylepšujú pomocou AIOT.
Niekoľko prípadov priemyselného použitia sa vylepšuje pridaním schopností AI do existujúcej hardvérovej/softvérovej infraštruktúry. Živým príkladom je strojové videnie v aplikáciách kontroly kvality. Tradičné systémy strojového videnia procesy prostredníctvom integrovaných alebo diskrétnych počítačov vybavených špecializovaným softvérom, ktorý hodnotí vopred určené parametre a prahy (napr. Vysoký kontrast), aby sa určilo, či objekty vykazujú defekty. V mnohých prípadoch (napríklad elektronické komponenty s rôznymi tvarmi zapojenia) je počet falošných pozitív veľmi vysoký.
Tieto systémy sa však oživujú prostredníctvom umelej inteligencie. Napríklad poskytovateľ priemyselných strojov Cognex vydal v júli 2021 nový nástroj Deep Learning (Vision Pro Deep Learning 2.0). Nové nástroje integrujú s tradičnými systémami vízie, čo umožňuje koncovým používateľom kombinovať hlboké vzdelávanie s tradičnými nástrojmi na videnie v rovnakej aplikácii na splnenie náročných lekárskych a elektronických prostredí, ktoré vyžadujú presné meranie škrabancov, kontaminácie a iných defektov.
Faktor 4: Zlepšenie hardvéru priemyselného AIOT
AI čipy sa rýchlo zlepšujú.
Vstavané hardvérové AI čipy AI rýchlo rastú a dostupné rôzne možnosti na podporu vývoja a nasadenia modelov AI. Príklady zahŕňajú najnovšie grafické spracovateľské jednotky NVIDIA (GPU), A30 a A10, ktoré boli zavedené v marci 2021 a sú vhodné pre prípady použitia AI, ako sú napríklad odporúčané systémy a počítačové systémy. Ďalším príkladom sú spracované jednotky pre tenzory štvrtej generácie spoločnosti Google (TPU), ktoré sú výkonnými špeciálnymi integrovanými integrovanými obvodmi (ASIC), ktoré môžu dosiahnuť až 1 000-krát väčšiu účinnosť a rýchlosť pri vývoji a nasadení modelu pre konkrétne pracovné zaťaženie AI (napr. Detekcia objektov, klasifikácia obrazu a odporúčania). Použitie vyhradeného hardvéru AI znižuje čas výpočtu modelu od dní do minút a v mnohých prípadoch sa ukázalo ako menič hry.
Výkonný hardvér AI je okamžite k dispozícii prostredníctvom modelu platby za použitie.
Podniky SuperScale neustále inovujú svoje servery tak, aby sprístupnili výpočtové zdroje v cloude, aby koncoví používatelia mohli implementovať priemyselné aplikácie AI. Napríklad v novembri 2021 AWS oznámila oficiálne vydanie svojich najnovších inštancií založených na GPU, Amazon EC2 G5, poháňaná spoločnosťou NVIDIA A10G Tensor Core GPU, pre rôzne aplikácie ML, vrátane počítačového videnia a odporúčaných motorov. Napríklad poskytovateľ detekčných systémov Nanotronics používa príklady Amazon EC2 príklady jeho riešenia kontroly kvality založenej na AI na urýchlenie úsilia o spracovanie a dosiahnutie presnejších miery detekcie pri výrobe mikročipov a nanotrubíc.
Záver a vyhliadky
AI vychádza z továrne a bude všadeprítomná v nových aplikáciách, ako je PDM založená na AI, a ako vylepšenia existujúcich prípadov softvéru a použitia. Veľké podniky zavádzajú niekoľko prípadov použitia AI a úspešné vykazovanie a väčšina projektov má vysokú návratnosť investícií. Celkovo vzaté, Rise of the Cloud, IoT platformy a výkonné AI čipy poskytuje platformu pre novú generáciu softvéru a optimalizácie.
Čas príspevku: január 12-2022