Prema nedavno objavljenoj industrijskom izvještaju o industrijskom AI i AI-u 2021-2026, stopa usvajanja AI u industrijskim postavkama porasla je sa 19 posto na 31 posto u samo više od dvije godine. Pored 31 posto ispitanika koji su u potpunosti ili djelomično izbacili AI u njihovom radu, još 39 posto trenutno testira ili pilotira tehnologiju.
AI se pojavljuje kao ključna tehnologija za proizvođače i energetske kompanije širom svijeta, a IOT analiza predviđa da će industrijska tržišna rešenja AI-a pokazati snažnu post-pandemijsku stopu rasta (CAGR) od 2026 dolara do 2026.
Digitalni dob je rodila internet stvari. Može se vidjeti da je pojava umjetne inteligencije ubrzala tempo razvoja interneta stvari.
Pogledajmo neke od faktora koji pokreću uspon industrijskog AI i AIOT-a.
Faktor 1: Sve više softverskih alata za industrijski aiot
U 2019. godini, kada je IOT analitika počela da pokriva industrijsku AI, bilo je malo posvećenih softverskih proizvoda sa operativnim tehnologijama (OT) dobavljača. Od tada su mnogi dobavljači ušli u tržište AI razvijajući i pružanje AI softverskih rješenja u obliku AI platformi za tvornički pod.
Prema podacima, gotovo 400 dobavljača nude AIOT softver. Broj dobavljača softvera koji se pridružuje industrijskom AI tržištu dramatično se povećao u posljednje dvije godine. Tokom studije, IOT Analytics identifikovala je 634 dobavljača AI tehnologije proizvođačima / industrijskim kupcima. Od ovih kompanija 389 (61,4%) nude AI softver.
Nova AI softverska platforma fokusirana je na industrijska okruženja. Iza nadoknade, braincube ili C3 Ai, rastući broj dobavljača operativne tehnologije (OT) nude namjenske AI softverske platforme. Primjeri uključuju ABB-ovu GENIX industrijsku analitiku i AI Suite, FactorTalTalk paket za inovaciju Forkwell Automation, Schneider Electric-ova izravna konsultantska platforma i nedavno, posebne dodatke. Neke od ovih platformi ciljaju širok spektar slučajeva upotrebe. Na primjer, ABB-ova GENIX platforma pruža naprednu analitiku, uključujući unaprijed izgrađene aplikacije i usluge za upravljanje operativnim učinkom, integritet imovine, održivost i efikasnost opskrbe.
Velike kompanije stavljaju svoje softverske alate AI na trgovinu.
Dostupnost AI softverskih alata pokreće se i novim specifičnim softverskim alatima za upotrebu koji su razvili AWS, velike kompanije kao što su Microsoft i Google. Na primjer, u prosincu 2020., raspušteni su Amazon Sagemaker Shompstart, značajku Amazon Sagemaker koji pruža skup unaprijed izgrađenih i prilagodljivih rješenja za najčešća industrijska upotreba, kao što su PDM, računarska vizija i autonomna vožnja, raspoređivanje sa samo nekoliko klikova.
Softverska rješenja specifična za upotrebu - Poboljšanja upotrebljivosti pogodnosti.
Upotreba softverskih apartmana specifičnih za slučaj, poput onih fokusiranih na prediktivno održavanje, postaju sve češće. IOT Analytics je primijetila da je broj pružatelja usluga koji koristi softverska rješenja za upravljanje podacima AI (PDM) porasla na 73 početkom 2021. zbog povećanja različitih izvora podataka i korištenja modela prije treninga, kao i široko usvajanje tehnologija za poboljšanje podataka.
Faktor 2: Pojednostavljeni su razvoj i održavanje AI rješenja
Automatizirani stroj za učenje (AutomL) postaje standardni proizvod.
Zbog složenosti zadataka povezanih sa mašinskom učenjem (ML), brz rast strojnih aplikacija za učenje kreirao je potrebu za metodama učenja of-policama koje se mogu koristiti bez stručnosti. Rezultirajući polje istraživanja, progresivna automatizacija za mašinsko učenje, zove se Automl. Različite kompanije koriste ovu tehnologiju kao dio njihovih ponuda AI kako bi se pomoglo kupcima da razviju ML modele i brže implementiraju slučajeve industrijske upotrebe. U novembru 2020., na primjer, SKF je najavio proizvod na bazi automobila koji kombinira podatke o stroju sa vibracijama i temperaturnim podacima za smanjenje troškova i omogućite nove poslovne modele za kupce.
Operacije mašine (ML OPS) Pojednostavite upravljanje modelom i održavanje modela.
Nova disciplina operacija strojnog učenja ima za cilj pojednostaviti održavanje AI modela u proizvodnji okruženja. Performanse AI modela obično degradira s vremenom, jer na to utječe nekoliko faktora unutar postrojenja (na primjer, promjene u raspodjeli podataka i standardima kvaliteta). Kao rezultat toga, operacije održavanja i mašinskog učenja postale su potrebne za ispunjavanje visokokvalitetnih zahtjeva industrijskih okruženja (na primjer, modeli s performansama ispod 99% mogu prepoznati ponašanje koje ugrožavaju sigurnost radnika).
Posljednjih godina pridružili su se mnoge startapove u ML OPS prostoru, uključujući Datarobot, Grid.ai, Pinecone / Zilliz, Seldon i Tegovi i pristranosti. Uspostavljene kompanije su dodale operacije učenja stroja na postojeće ponude softvera AI, uključujući Microsoft, koji su uveli otkrivanje podataka o podacima u Azure ML Studio. Ova nova značajka omogućava korisnicima da otkriju promjene u raspodjeli ulaznih podataka koji degradiraju performanse modela.
Faktor 3: Umjetna inteligencija primijenjena na postojeće aplikacije i korištenje slučajeva
Tradicionalni davatelji softvera dodaju AI mogućnosti.
Pored postojećih vodoravnih AI softverskih alata, kao što su MS Azure ML, AWS Sagemaker, i Google Cloud Vertex AI, tradicionalni softverski apartmani, kao što su kompjuterizirani sustavi za upravljanje održavanjem (CAMM-ovi) ili planiranje resursa za proizvodnju (ERP) mogu se značajno poboljšati ubrizgavanjem AI mogućnostima. Na primjer, ERP provajder Epicor softver dodaje AI mogućnosti svojim postojećim proizvodima putem svog epikor virtualnog asistenta (EVA). Inteligentni Eva agenti koriste se za automatizaciju ERP procesa, poput reprogramiranja proizvodnih operacija ili obavljanje jednostavnih upita (na primjer, dobivanje detalja o cijenama proizvoda ili broju dostupnih dijelova).
Slučajevi industrijske upotrebe nadograđuju se koristeći AIOT.
Nekoliko slučajeva industrijske upotrebe poboljšava se dodavanjem AI mogućnosti na postojeću hardversku / softversku infrastrukturu. Živi primjer je strojno vizija u aplikacijama za kontrolu kvaliteta. Tradicionalni strojni vidni sustavi Procesne slike putem integriranih ili diskretnih računala opremljenih specijaliziranim softverom koji ocjenjuje unaprijed određene parametre i pragove (npr. Visok kontrast) da bi se utvrdilo da li predmeti dokazuju oštećenja. U mnogim slučajevima (na primjer, elektroničke komponente s različitim oblicima ožičenja), broj lažnih pozitiva je vrlo visok.
Međutim, ovi sistemi oživljavaju se kroz umjetnu inteligenciju. Na primjer, provajder za industrijsku mašinu Cognex objavio je novi alat za dubok učenje (Vision Pro Duboko učenje 2.0) u julu 2021. godine.
Faktor 4: Industrijski aiot hardver se poboljša
AI čipovi se brzo poboljšavaju.
Ugrađeni hardver AI čipovi brzo rastu, s različitim opcijama koje su dostupne za podršku razvoju i raspoređivanju AI modela. Primjeri uključuju NVIDIA najnoviju grafičke jedinice za obradu grafike (GPUS), A30 i A10, koji su uvedeni u martu 2021. godine i pogodne su za AI korištenje slučajeva kao što su sustavi preporuka i sustavi za upotrebu i sustavi računara. Drugi primer su Googleove jedinice za preradu tenzora za četvrto generaciju (TPU), koji su integrirani krugovi za posebne namjene koji mogu postići do 1.000 puta više efikasnosti i brzine u razvoju modela i raspoređivanjem AI radnog opterećenja (npr. Detekcija objekata, klasifikacija slike i preporuke). Korištenje namjenskog AI hardvera smanjuje vrijeme izračunavanja modela od dana do minuta, a pokazalo se da je mjenjač igre u mnogim slučajevima.
Snažni AI hardver odmah je dostupan putem modela plaćanja.
Superscale Enterprises stalno nadograđuju svoje servere kako bi izračunavali računski resurse dostupne u oblaku tako da krajnji korisnici mogu implementirati industrijske AI aplikacije. U novembru 2021., na primjer, AWS je najavio službeno izdanje svojih najnovijih instanci zasnovanih na GPU-u, koji pokreće NVIDIA A10G Tensor CORE GPU, za različite ml aplikacije, uključujući računarske vizije i preporuke. Na primjer, dobavljač sustava za otkrivanje nanotronics koristi Amazon EC2 primjere svog rješenja za kontrolu kvaliteta na bazi AI za ubrzanje napora za obradu i postizanje preciznije stope otkrivanja u proizvodnji mikrohipova i nanotubija.
Zaključak i perspektiva
AI izlazi iz tvornice, a sveprisutna će biti sveprisutna u novim aplikacijama, poput PDM-a sa sjedištem u AI, kao i poboljšanja postojećeg softvera i korištenja slučajeva. Velika preduzeća se vrčuju nekoliko slučajeva upotrebe Ai i uspjeha izvještavanja, a većina projekata ima veliki povrat ulaganja. Sve u svemu, porast oblaka, IOT platforme i moćni AI čips pruža platformu za novu generaciju softvera i optimizacije.
Pošta: Jan-12-2022