Podľa nedávno zverejnenej správy o priemyselnej umelej inteligencii a trhu s umelou inteligenciou za roky 2021 – 2026 sa miera prijatia umelej inteligencie v priemyselnom prostredí za niečo vyše dva roky zvýšila z 19 percent na 31 percent. Okrem 31 percent respondentov, ktorí umelú inteligenciu vo svojich prevádzkach úplne alebo čiastočne zaviedli, ďalších 39 percent v súčasnosti túto technológiu testuje alebo pilotne využíva.
Umelá inteligencia sa stáva kľúčovou technológiou pre výrobcov a energetické spoločnosti na celom svete a analýza internetu vecí predpovedá, že trh s priemyselnými riešeniami umelej inteligencie vykáže po pandémii silnú zloženú ročnú mieru rastu (CAGR) o 35 % a do roku 2026 dosiahne 102,17 miliardy dolárov.
Digitálny vek dal vzniknúť internetu vecí. Je vidieť, že vznik umelej inteligencie zrýchlil tempo rozvoja internetu vecí.
Pozrime sa na niektoré faktory, ktoré ovplyvňujú vzostup priemyselnej umelej inteligencie a internetu vecí.
Faktor 1: Stále viac softvérových nástrojov pre priemyselný AIoT
V roku 2019, keď sa analytika internetu vecí začala zaoberať priemyselnou umelou inteligenciou, existovalo len málo špecializovaných softvérových produktov pre umelú inteligenciu od dodávateľov prevádzkových technológií (OT). Odvtedy mnoho dodávateľov OT vstúpilo na trh s umelou inteligenciou vývojom a poskytovaním softvérových riešení pre umelú inteligenciu vo forme platforiem umelej inteligencie pre výrobnú halu.
Podľa údajov ponúka softvér AIoT takmer 400 dodávateľov. Počet dodávateľov softvéru, ktorí vstupujú na trh s priemyselnou AI, sa za posledné dva roky dramaticky zvýšil. Počas štúdie spoločnosť IoT Analytics identifikovala 634 dodávateľov technológie AI pre výrobcov/priemyselných zákazníkov. Z týchto spoločností 389 (61,4 %) ponúka softvér AI.
Nová softvérová platforma pre umelú inteligenciu sa zameriava na priemyselné prostredia. Okrem Uptake, Braincube alebo C3 AI ponúka stále viac dodávateľov prevádzkových technológií (OT) špecializované softvérové platformy pre umelú inteligenciu. Medzi príklady patrí analytický a AI balík Genix od spoločnosti ABB, balík FactoryTalk Innovation od spoločnosti Rockwell Automation, vlastná platforma pre výrobné poradenstvo od spoločnosti Schneider Electric a v poslednej dobe aj špecifické doplnky. Niektoré z týchto platforiem sa zameriavajú na širokú škálu prípadov použitia. Napríklad platforma Genix od spoločnosti ABB poskytuje pokročilú analytiku vrátane predpripravených aplikácií a služieb pre riadenie prevádzkovej výkonnosti, integritu aktív, udržateľnosť a efektívnosť dodávateľského reťazca.
Veľké spoločnosti umiestňujú svoje softvérové nástroje pre umelú inteligenciu priamo do výrobných závodov.
Dostupnosť softvérových nástrojov pre umelú inteligenciu je tiež poháňaná novými softvérovými nástrojmi pre špecifické prípady použitia, ktoré vyvinula spoločnosť AWS, veľké spoločnosti ako Microsoft a Google. Napríklad v decembri 2020 spoločnosť AWS vydala Amazon SageMaker JumpStart, funkciu Amazon SageMaker, ktorá poskytuje sadu vopred pripravených a prispôsobiteľných riešení pre najbežnejšie priemyselné prípady použitia, ako sú PdM, počítačové videnie a autonómne riadenie. Nasadenie je možné len niekoľkými kliknutiami.
Softvérové riešenia zamerané na konkrétne prípady použitia prinášajú zlepšenia použiteľnosti.
Softvérové balíky zamerané na konkrétne prípady použitia, ako napríklad tie, ktoré sa zameriavajú na prediktívnu údržbu, sú čoraz bežnejšie. Spoločnosť IoT Analytics zaznamenala, že počet poskytovateľov používajúcich softvérové riešenia na správu údajov o produktoch (PdM) založené na umelej inteligencii vzrástol začiatkom roka 2021 na 73 vďaka nárastu rozmanitosti zdrojov údajov a používaniu modelov predbežného trénovania, ako aj rozsiahlemu prijatiu technológií na vylepšenie údajov.
Faktor 2: Vývoj a údržba riešení umelej inteligencie sa zjednodušujú
Automatizované strojové učenie (AutoML) sa stáva štandardným produktom.
Vzhľadom na zložitosť úloh spojených so strojovým učením (ML) rýchly rast aplikácií strojového učenia vytvoril potrebu štandardných metód strojového učenia, ktoré je možné používať bez odborných znalostí. Výsledná oblasť výskumu, progresívna automatizácia pre strojové učenie, sa nazýva AutoML. Rôzne spoločnosti využívajú túto technológiu ako súčasť svojich ponúk umelej inteligencie, aby pomohli zákazníkom vyvíjať modely ML a rýchlejšie implementovať prípady priemyselného použitia. Napríklad v novembri 2020 spoločnosť SKF oznámila produkt založený na automL, ktorý kombinuje údaje o procesoch stroja s údajmi o vibráciách a teplote s cieľom znížiť náklady a umožniť zákazníkom nové obchodné modely.
Operácie strojového učenia (ML Ops) zjednodušujú správu a údržbu modelov.
Nová disciplína operácií strojového učenia sa zameriava na zjednodušenie údržby modelov umelej inteligencie vo výrobných prostrediach. Výkon modelu umelej inteligencie sa zvyčajne časom znižuje, pretože je ovplyvnený niekoľkými faktormi v rámci závodu (napríklad zmenami v distribúcii údajov a štandardmi kvality). V dôsledku toho sa údržba modelu a operácie strojového učenia stali nevyhnutnými na splnenie vysokých požiadaviek na kvalitu v priemyselných prostrediach (napríklad modely s výkonom pod 99 % nemusia identifikovať správanie, ktoré ohrozuje bezpečnosť pracovníkov).
V posledných rokoch sa do oblasti ML Ops zapojilo mnoho startupov vrátane DataRobot, Grid.AI, Pinecone/Zilliz, Seldon a Weights & Biases. Zavedené spoločnosti pridali operácie strojového učenia do svojich existujúcich ponúk softvéru pre umelú inteligenciu, 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 funkcie umelej inteligencie.
Okrem existujúcich rozsiahlych horizontálnych softvérových nástrojov pre umelú inteligenciu, ako sú MS Azure ML, AWS SageMaker a Google Cloud Vertex AI, je teraz možné výrazne vylepšiť tradičné softvérové balíky, ako sú počítačové systémy riadenia údržby (CAMMS), systémy riadenia výroby (MES) alebo plánovanie podnikových zdrojov (ERP), a to vďaka implementácii funkcií umelej inteligencie. Napríklad poskytovateľ ERP systémov Epicor Software pridáva funkcie umelej inteligencie do svojich existujúcich produktov prostredníctvom svojho virtuálneho asistenta Epicor (EVA). Inteligentní agenti EVA sa používajú na automatizáciu procesov ERP, ako je napríklad zmena plánovania výrobných operácií alebo vykonávanie jednoduchých dopytov (napríklad získanie podrobností o cenách produktov alebo počte dostupných dielov).
Priemyselné prípady použitia sa modernizujú pomocou AIoT.
Niekoľko prípadov priemyselného použitia sa vylepšuje pridaním funkcií umelej inteligencie do existujúcej hardvérovej/softvérovej infraštruktúry. Živým príkladom je strojové videnie v aplikáciách kontroly kvality. Tradičné systémy strojového videnia spracovávajú obrazy prostredníctvom integrovaných alebo samostatných počítačov vybavených špecializovaným softvérom, ktorý vyhodnocuje vopred určené parametre a prahové hodnoty (napr. vysoký kontrast) s cieľom určiť, či objekty vykazujú chyby. V mnohých prípadoch (napríklad elektronické súčiastky s rôznymi tvarmi zapojenia) je počet falošne pozitívnych výsledkov veľmi vysoký.
Tieto systémy sa však oživujú vďaka umelej inteligencii. Napríklad poskytovateľ priemyselného strojového videnia Cognex vydal v júli 2021 nový nástroj na hlboké učenie (Vision Pro Deep Learning 2.0). Nové nástroje sa integrujú s tradičnými systémami videnia, čo umožňuje koncovým používateľom kombinovať hlboké učenie s tradičnými nástrojmi videnia v jednej aplikácii, aby splnili požiadavky náročných medicínskych a elektronických prostredí, ktoré vyžadujú presné meranie škrabancov, kontaminácie a iných defektov.
Faktor 4: Vylepšuje sa hardvér priemyselnej umelej inteligencie v oblasti internetu vecí
Čipy umelej inteligencie sa rýchlo zlepšujú.
Vstavané hardvérové čipy pre umelú inteligenciu rýchlo rastú a k dispozícii je množstvo možností na podporu vývoja a nasadzovania modelov umelej inteligencie. Medzi príklady patria najnovšie grafické procesorové jednotky (GPU) od spoločnosti NVIDIA, A30 a A10, ktoré boli predstavené v marci 2021 a sú vhodné pre prípady použitia umelej inteligencie, ako sú odporúčacie systémy a systémy počítačového videnia. Ďalším príkladom sú jednotky Tensors Processing Units (TPus) štvrtej generácie od spoločnosti Google, čo sú výkonné špeciálne integrované obvody (ASIC), ktoré dokážu dosiahnuť až 1 000-krát vyššiu efektivitu a rýchlosť pri vývoji a nasadzovaní modelov pre špecifické pracovné zaťaženia umelej inteligencie (napr. detekcia objektov, klasifikácia obrázkov a benchmarky odporúčaní). Použitie špecializovaného hardvéru umelej inteligencie skracuje čas výpočtu modelu z dní na minúty a v mnohých prípadoch sa ukázalo ako prelomové.
Výkonný hardvér umelej inteligencie je okamžite k dispozícii prostredníctvom modelu platby za použitie.
Superškálové podniky neustále modernizujú svoje servery, aby sprístupnili výpočtové zdroje v cloude a umožnili koncovým používateľom implementovať priemyselné aplikácie umelej inteligencie. Napríklad v novembri 2021 spoločnosť AWS oznámila oficiálne vydanie svojich najnovších inštancií založených na grafických procesoroch (GPU), Amazon EC2 G5, poháňaných grafickým procesorom NVIDIA A10G Tensor Core, pre rôzne aplikácie strojového učenia (ML), vrátane počítačového videnia a odporúčacích nástrojov. Napríklad poskytovateľ detekčných systémov Nanotronics používa príklady Amazon EC2 svojho riešenia kontroly kvality založeného na umelej inteligencii na zrýchlenie spracovania a dosiahnutie presnejších mier detekcie pri výrobe mikročipov a nanotrubíc.
Záver a perspektíva
Umelá inteligencia vychádza z továrne a bude všadeprítomná v nových aplikáciách, ako je PdM založené na umelej inteligencii, a ako vylepšenia existujúceho softvéru a prípadov použitia. Veľké podniky zavádzajú niekoľko prípadov použitia umelej inteligencie a hlásia úspechy a väčšina projektov má vysokú návratnosť investícií. Celkovo vzaté, vzostup cloudu, platforiem internetu vecí a výkonných čipov umelej inteligencie poskytuje platformu pre novú generáciu softvéru a optimalizácie.
Čas uverejnenia: 12. januára 2022