Katër faktorë e bëjnë AIoT-në industriale të preferuarën e re

Sipas Raportit të publikuar së fundmi për IA-në Industriale dhe Tregun e IA-së 2021-2026, shkalla e përdorimit të IA-së në mjediset industriale është rritur nga 19 përqind në 31 përqind në pak më shumë se dy vjet. Përveç 31 përqind të të anketuarve që e kanë zbatuar plotësisht ose pjesërisht IA-në në operacionet e tyre, një tjetër 39 përqind aktualisht po e testojnë ose pilotojnë teknologjinë.

IA po shfaqet si një teknologji kyçe për prodhuesit dhe kompanitë e energjisë në të gjithë botën, dhe analiza e IoT parashikon që tregu i zgjidhjeve industriale të IA-së do të tregojë një normë të fortë rritjeje vjetore të përbërë (CAGR) pas pandemisë prej 35% për të arritur në 102.17 miliardë dollarë deri në vitin 2026.

Epoka dixhitale i ka dhënë jetë Internetit të Gjërave. Mund të shihet se shfaqja e inteligjencës artificiale ka përshpejtuar ritmin e zhvillimit të Internetit të Gjërave.

Le të hedhim një vështrim në disa nga faktorët që nxisin rritjen e IA-së industriale dhe IAoT-së.

Faktori 1: Gjithnjë e më shumë mjete softuerike për AIoT industriale

Në vitin 2019, kur analizat e IoT filluan të mbulonin IA-në industriale, kishte pak produkte softuerike të dedikuara për IA nga shitësit e teknologjisë operative (OT). Që atëherë, shumë shitës OT kanë hyrë në tregun e IA-së duke zhvilluar dhe ofruar zgjidhje softuerike për IA-në në formën e platformave IA për dyshemenë e fabrikës.

Sipas të dhënave, gati 400 shitës ofrojnë softuer AIoT. Numri i shitësve të softuerëve që i bashkohen tregut industrial të IA-së është rritur ndjeshëm në dy vitet e fundit. Gjatë studimit, IoT Analytics identifikoi 634 furnizues të teknologjisë së IA-së për prodhuesit/klientët industrialë. Nga këto kompani, 389 (61.4%) ofrojnë softuer IA.

Platforma e re e softuerit të IA-së përqendrohet në mjediset industriale. Përtej Uptake, Braincube ose C3 AI, një numër në rritje i shitësve të teknologjisë operative (OT) po ofrojnë platforma të dedikuara të softuerit të IA-së. Shembuj përfshijnë paketën Genix Industrial Analytics dhe IA të ABB-së, paketën FactoryTalk Innovation të Rockwell Automation, platformën e vetë konsulencës prodhuese të Schneider Electric dhe, së fundmi, shtesa specifike. Disa nga këto platforma synojnë një gamë të gjerë rastesh përdorimi. Për shembull, platforma Genix e ABB-së ofron analiza të avancuara, duke përfshirë aplikacione dhe shërbime të parapërgatitura për menaxhimin e performancës operative, integritetin e aseteve, qëndrueshmërinë dhe efikasitetin e zinxhirit të furnizimit.

Kompanitë e mëdha po i vendosin mjetet e tyre softuerike të inteligjencës artificiale në dyqane.

Disponueshmëria e mjeteve softuerike të inteligjencës artificiale nxitet gjithashtu nga mjete të reja softuerike specifike për rastet e përdorimit të zhvilluara nga AWS, kompani të mëdha si Microsoft dhe Google. Për shembull, në dhjetor 2020, AWS publikoi Amazon SageMaker JumpStart, një veçori e Amazon SageMaker që ofron një sërë zgjidhjesh të parapërgatitura dhe të personalizueshme për rastet më të zakonshme të përdorimit industrial, të tilla si PdM, vizioni kompjuterik dhe drejtimi autonom, Deploy me vetëm disa klikime.

Zgjidhjet softuerike specifike për rastet e përdorimit po nxisin përmirësime të përdorshmërisë.

Paketat softuerike specifike për rastet e përdorimit, të tilla si ato të përqendruara në mirëmbajtjen parashikuese, po bëhen gjithnjë e më të zakonshme. IoT Analytics vëzhgoi se numri i ofruesve që përdorin zgjidhje softuerike për menaxhimin e të dhënave të produkteve (PdM) të bazuara në inteligjencën artificiale u rrit në 73 në fillim të vitit 2021 për shkak të një rritjeje në shumëllojshmërinë e burimeve të të dhënave dhe përdorimit të modeleve të para-trajnimit, si dhe për shkak të përdorimit të gjerë të teknologjive të përmirësimit të të dhënave.

Faktori 2: Zhvillimi dhe mirëmbajtja e zgjidhjeve të inteligjencës artificiale po thjeshtohen

Mësimi i automatizuar i makinës (AutoML) po bëhet një produkt standard.

Për shkak të kompleksitetit të detyrave që lidhen me të mësuarit automatik (ML), rritja e shpejtë e aplikacioneve të të mësuarit automatik ka krijuar nevojën për metoda të gatshme të të mësuarit automatik që mund të përdoren pa ekspertizë. Fusha e kërkimit që rezulton, automatizimi progresiv për të mësuarit automatik, quhet AutoML. Një sërë kompanish po e shfrytëzojnë këtë teknologji si pjesë të ofertave të tyre të IA-së për të ndihmuar klientët të zhvillojnë modele ML dhe të zbatojnë raste përdorimi industrial më shpejt. Në nëntor 2020, për shembull, SKF njoftoi një produkt të bazuar në automL që kombinon të dhënat e procesit të makinerisë me të dhënat e dridhjeve dhe temperaturës për të ulur kostot dhe për të mundësuar modele të reja biznesi për klientët.

Operacionet e të mësuarit automatik (ML Ops) thjeshtojnë menaxhimin dhe mirëmbajtjen e modelit.

Disiplina e re e operacioneve të të mësuarit automatik synon të thjeshtojë mirëmbajtjen e modeleve të IA-së në mjediset e prodhimit. Performanca e një modeli të IA-së zakonisht degradon me kalimin e kohës, pasi ndikohet nga disa faktorë brenda uzinës (për shembull, ndryshimet në shpërndarjen e të dhënave dhe standardet e cilësisë). Si rezultat, mirëmbajtja e modelit dhe operacionet e të mësuarit automatik janë bërë të domosdoshme për të përmbushur kërkesat e cilësisë së lartë të mjediseve industriale (për shembull, modelet me performancë nën 99% mund të mos arrijnë të identifikojnë sjelljen që rrezikon sigurinë e punëtorëve).

Në vitet e fundit, shumë startup-e i janë bashkuar hapësirës së Operacioneve ML, duke përfshirë DataRobot, Grid.AI, Pinecone/Zilliz, Seldon dhe Weights & Biases. Kompanitë e themeluara kanë shtuar operacione të të mësuarit automatik në ofertat e tyre ekzistuese të softuerëve të IA-së, duke përfshirë Microsoft, i cili prezantoi zbulimin e devijimit të të dhënave në Azure ML Studio. Kjo veçori e re u mundëson përdoruesve të zbulojnë ndryshimet në shpërndarjen e të dhënave hyrëse që degradojnë performancën e modelit.

Faktori 3: Inteligjenca artificiale e aplikuar në aplikacionet dhe rastet e përdorimit ekzistues

Ofruesit tradicionalë të softuerëve po shtojnë aftësi të inteligjencës artificiale.

Përveç mjeteve ekzistuese të mëdha softuerike të IA-së horizontale si MS Azure ML, AWS SageMaker dhe Google Cloud Vertex AI, paketat tradicionale të softuerëve si Sistemet e Menaxhimit të Mirëmbajtjes së Kompjuterizuar (CAMMS), Sistemet e Ekzekutimit të Prodhimit (MES) ose Planifikimi i Burimeve të Ndërmarrjes (ERP) tani mund të përmirësohen ndjeshëm duke injektuar aftësi të IA-së. Për shembull, ofruesi i ERP-së ​​Epicor Software po shton aftësi të IA-së në produktet e tij ekzistuese përmes Asistentit Virtual Epicor (EVA). Agjentët inteligjentë EVA përdoren për të automatizuar proceset ERP, të tilla si riplanifikimi i operacioneve të prodhimit ose kryerja e pyetjeve të thjeshta (për shembull, marrja e detajeve rreth çmimeve të produkteve ose numrit të pjesëve të disponueshme).

Rastet e përdorimit industrial po përmirësohen duke përdorur AIoT.

Disa raste përdorimi industrial po përmirësohen duke shtuar aftësitë e IA-së në infrastrukturën ekzistuese të harduerit/softuerit. Një shembull i gjallë është vizioni automatik në aplikacionet e kontrollit të cilësisë. Sistemet tradicionale të vizionit automatik përpunojnë imazhet përmes kompjuterëve të integruar ose diskretë të pajisur me softuer të specializuar që vlerëson parametra dhe pragje të paracaktuara (p.sh., kontrast të lartë) për të përcaktuar nëse objektet shfaqin defekte. Në shumë raste (për shembull, komponentët elektronikë me forma të ndryshme instalimesh elektrike), numri i pozitivëve të rremë është shumë i lartë.

Megjithatë, këto sisteme po ringjallen përmes inteligjencës artificiale. Për shembull, ofruesi i pajisjeve industriale të shikimit automatik, Cognex, publikoi një mjet të ri të Mësimit të Thellë (Vision Pro Deep Learning 2.0) në korrik 2021. Mjetet e reja integrohen me sistemet tradicionale të shikimit, duke u mundësuar përdoruesve fundorë të kombinojnë mësimin e thellë me mjetet tradicionale të shikimit në të njëjtin aplikacion për të përmbushur mjediset mjekësore dhe elektronike kërkuese që kërkojnë matje të saktë të gërvishtjeve, ndotjes dhe defekteve të tjera.

Faktori 4: Pajisjet industriale AIoT po përmirësohen

Çipat e inteligjencës artificiale po përmirësohen me shpejtësi.

Çipat e inteligjencës artificiale të pajisjeve të integruara po rriten me shpejtësi, me një sërë opsionesh në dispozicion për të mbështetur zhvillimin dhe vendosjen e modeleve të inteligjencës artificiale. Shembujt përfshijnë njësitë më të fundit të përpunimit grafik (GPU) të NVIDIA-s, A30 dhe A10, të cilat u prezantuan në mars 2021 dhe janë të përshtatshme për rastet e përdorimit të inteligjencës artificiale, siç janë sistemet e rekomandimit dhe sistemet e vizionit kompjuterik. Një shembull tjetër janë Njësitë e Përpunimit të Tensorëve (TPus) të gjeneratës së katërt të Google, të cilat janë qarqe të integruara me qëllim të veçantë (ASics) të fuqishme që mund të arrijnë deri në 1,000 herë më shumë efikasitet dhe shpejtësi në zhvillimin dhe vendosjen e modelit për ngarkesa specifike të punës së inteligjencës artificiale (p.sh., zbulimi i objekteve, klasifikimi i imazheve dhe standardet e rekomandimit). Përdorimi i pajisjeve të dedikuara të inteligjencës artificiale zvogëlon kohën e llogaritjes së modelit nga ditë në minuta dhe ka provuar të jetë një ndryshim rrënjësor në shumë raste.

Pajisje të fuqishme IA janë menjëherë të disponueshme përmes një modeli pagese-për-përdorim.

Ndërmarrjet super të mëdha po i përmirësojnë vazhdimisht serverat e tyre për të vënë në dispozicion burimet kompjuterike në cloud, në mënyrë që përdoruesit fundorë të mund të zbatojnë aplikacione industriale të IA-së. Në nëntor 2021, për shembull, AWS njoftoi publikimin zyrtar të instancave të saj më të fundit të bazuara në GPU, Amazon EC2 G5, të mundësuar nga GPU-ja NVIDIA A10G Tensor Core, për një sërë aplikacionesh ML, duke përfshirë vizionin kompjuterik dhe motorët e rekomandimit. Për shembull, ofruesi i sistemeve të zbulimit Nanotronics përdor shembuj Amazon EC2 të zgjidhjes së tij të kontrollit të cilësisë të bazuar në IA për të përshpejtuar përpjekjet e përpunimit dhe për të arritur shkallë më të sakta zbulimi në prodhimin e mikroçipave dhe nanotubave.

Përfundim dhe Perspektivë

IA po del nga fabrika dhe do të jetë e kudondodhur në aplikacione të reja, të tilla si PdM e bazuar në IA, dhe si përmirësime të softuerëve dhe rasteve të përdorimit ekzistues. Ndërmarrjet e mëdha po zbatojnë disa raste përdorimi të IA-së dhe po raportojnë sukses, dhe shumica e projekteve kanë një kthim të lartë të investimit. Në përgjithësi, rritja e cloud-it, platformave të internetit dhe çipave të fuqishëm të IA-së ofron një platformë për një brez të ri softuerësh dhe optimizimi.