Sipas raportit të tregut industrial të lëshuar së fundmi AI dhe AI 2021-2026, shkalla e miratimit të AI në mjediset industriale u rrit nga 19 përqind në 31 përqind në pak më shumë se dy vjet. Përveç 31 përqind të të anketuarve që kanë rrokullisur plotësisht ose pjesërisht AI në operacionet e tyre, 39 përqind të tjerë aktualisht janë duke testuar ose pilotuar teknologjinë.
AI po shfaqet si një teknologji kryesore për prodhuesit dhe kompanitë e energjisë në të gjithë botën, dhe analiza e IoT parashikon që tregu industrial i AI Solutions do të tregojë një normë të fortë të rritjes vjetore të kompleksit post-fandemik (CAGR) prej 35% për të arritur në 102.17 miliardë dollarë deri në vitin 2026.
Epoka dixhitale ka lindur në Internetin e 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 drejtojnë ngritjen e AI industriale dhe AIOT.
Faktori 1: Gjithnjë e më shumë mjete softuerësh për AIOT industriale
Në vitin 2019, kur IoT Analytics filloi të mbulojë AI Industriale, kishte pak produkte të dedikuara të programeve AI nga shitësit e teknologjisë operative (OT). Që atëherë, shumë shitës të OT kanë hyrë në tregun e AI duke zhvilluar dhe ofruar zgjidhje softuerësh AI në formën e platformave AI për dyshemenë e fabrikës.
Sipas të dhënave, gati 400 shitës ofrojnë softuer AIOT. Numri i shitësve të softuerëve që bashkohen në tregun industrial të AI është rritur në mënyrë dramatike në dy vitet e fundit. Gjatë studimit, analitika IoT identifikoi 634 furnizues të teknologjisë AI për prodhuesit/klientët industrialë. Nga këto kompani, 389 (61.4%) ofrojnë softuer AI.
Platforma e re e softuerit AI përqendrohet në mjediset industriale. Përtej marrjes, Braincube, ose C3 AI, një numër në rritje i shitësve të teknologjisë operative (OT) po ofrojnë platforma të dedikuara të softuerëve AI. Shembuj përfshijnë Analytics Industriale Genix të ABB dhe AI Suite, Rockwell Automation's FactoryTalk Innovation Suite, platformën e këshillimit të vetë Prodhimit të Schneider Electric, dhe së fundmi, shtesa specifike. Disa nga këto platforma synojnë një gamë të gjerë të rasteve të përdorimit. Për shembull, platforma Genix e ABB ofron analitikë të përparuar, duke përfshirë aplikacione dhe shërbime të para-ndërtuara për menaxhimin e performancës operacionale, integritetin e pasurive, qëndrueshmërinë dhe efikasitetin e zinxhirit të furnizimit.
Kompanitë e mëdha po i vendosin mjetet e tyre të softuerit AI në katin e dyqanit.
Disponueshmëria e mjeteve të softuerit AI gjithashtu drejtohet nga mjetet e reja të programeve specifike të rastit të përdorimit të zhvilluara nga AWS, kompani të mëdha si Microsoft dhe Google. Për shembull, në dhjetor 2020, AWS lëshoi Amazon Sagemaker Jumpstart, një veçori e Amazon Sagemaker që ofron një sërë zgjidhjesh të para-ndërtuara dhe të personalizueshme për rastet më të zakonshme të përdorimit industrial, të tilla si PDM, vizionin e kompjuterit dhe drejtimin autonome, të vendosur me vetëm disa klikime.
Zgjidhjet specifike të softuerit për përdorimin e rasteve janë duke nxitur përmirësime të përdorshmërisë.
Suitat e softuerit specifik për rastin e përdorimit, siç janë ato të përqendruara në mirëmbajtjen parashikuese, po bëhen më të zakonshme. Analitika e IoT vërejti që numri i ofruesve që përdorin zgjidhjet e softuerit të menaxhimit të të dhënave të produkteve të bazuara në AI (PDM) u rritën në 73 në fillim të vitit 2021 për shkak të një rritje të shumëllojshmërisë së burimeve të të dhënave dhe përdorimit të modeleve të para-trainimit, si dhe adoptimit të gjerë të teknologjive të përmirësimit të të dhënave.
Faktori 2: Zhvillimi dhe mirëmbajtja e zgjidhjeve të AI janë duke u thjeshtuar
Mësimi i automatizuar i makinerisë (AUTOML) po bëhet një produkt standard.
Për shkak të kompleksitetit të detyrave që lidhen me mësimin e makinerive (ML), rritja e shpejtë e aplikacioneve të mësimit të makinerisë ka krijuar një nevojë për metoda të mësimit të makinerisë jashtë raftit që mund të përdoren pa ekspertizë. Fusha që rezulton e hulumtimit, automatizimi progresiv për mësimin e makinerive, quhet automatik. Një shumëllojshmëri e kompanive po përdorin këtë teknologji si pjesë e ofertave të tyre të AI për të ndihmuar klientët të zhvillojnë modele ML dhe të zbatojnë raste të përdorimit industrial më shpejt. Në nëntor 2020, për shembull, SKF njoftoi një produkt me bazë automjeti që kombinon të dhënat e procesit të makinerisë me të dhënat e dridhjeve dhe temperaturës për të zvogëluar kostot dhe për të mundësuar modele të reja biznesi për klientët.
Operacionet e mësimit të makinerisë (ML OPS) thjeshtojnë menaxhimin dhe mirëmbajtjen e modelit.
Disiplina e re e operacioneve të mësimit të makinerive synon të thjeshtojë mirëmbajtjen e modeleve të AI në mjediset prodhuese. Performanca e një modeli AI zakonisht degradon me kalimin e kohës pasi ndikohet nga disa faktorë brenda bimës (për shembull, ndryshime në shpërndarjen e të dhënave dhe standardet e cilësisë). Si rezultat, mirëmbajtja e modelit dhe operacionet e mësimit të makinerisë janë bërë të domosdoshme për të përmbushur kërkesat me cilësi të lartë të mjediseve industriale (për shembull, modelet me performancë nën 99% mund të dështojnë të identifikojnë sjelljen që rrezikon sigurinë e punëtorit).
Vitet e fundit, shumë startup janë bashkuar në hapësirën ML Ops, duke përfshirë datarobot, Grid.AI, Pinecone/Zilliz, Seldon, dhe Peshat dhe Biazat. Kompanitë e krijuara kanë shtuar operacionet e mësimit të makinerive në ofertat e tyre ekzistuese të softuerit AI, përfshirë Microsoft, të cilat prezantuan zbulimin e 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 aplikimet ekzistuese dhe rastet e përdorimit
Ofruesit tradicionalë të softuerëve po shtojnë aftësi AI.
Përveç mjeteve ekzistuese të mëdha horizontale të softuerit AI si MS Azure ML, AWS Sagemaker dhe Google Cloud Vertex AI, suitat tradicionale të softuerëve, siç janë sistemet e menaxhimit të kompjuterizuar të mirëmbajtjes (CAMMS), Sistemet e Ekzekutimit të Prodhimit (MAS) ose Planifikimi i Burimeve të Ndërmarrjeve (ERP) tani mund të përmirësohen në mënyrë të konsiderueshme duke injektuar aftësitë e AI. Për shembull, Provideri ERP Epicor Software po shton aftësi AI në produktet e tij ekzistuese përmes Asistentit Virtual Epicor të tij (EVA). Agjentët inteligjentë të EVA përdoren për të automatizuar proceset ERP, të tilla si operacionet e prodhimit të rindërtimit ose kryerjen e pyetjeve të thjeshta (për shembull, marrja e detajeve në lidhje me çmimin e produktit ose numrin e pjesëve të disponueshme).
Rastet e përdorimit industrial po përmirësohen duke përdorur AIOT.
Disa raste të përdorimit industrial po përmirësohen duke shtuar aftësi AI në infrastrukturën ekzistuese të harduerit/softuerit. Një shembull i gjallë është vizioni i makinerisë në aplikacionet e kontrollit të cilësisë. Sistemet tradicionale të vizionit të makinerive përpunojnë imazhe përmes kompjuterave të integruar ose diskrete të pajisur me softuer të specializuar që vlerësojnë parametrat dhe pragjet e paracaktuara (p.sh., kontrast i lartë) për të përcaktuar nëse objektet shfaqin defekte. Në shumë raste (për shembull, përbërësit elektronikë me forma të ndryshme instalimesh), numri i pozitave false është shumë i lartë.
Sidoqoftë, këto sisteme po ringjallen përmes inteligjencës artificiale. Për shembull, ofruesi i vizionit të makinerive industriale Cognex lëshoi 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 vizionit, duke u mundësuar përdoruesve fundorë të kombinojnë mësimin e thellë me mjetet tradicionale të vizionit në të njëjtën aplikim për të përmbushur mjediset mjekësore dhe elektronike që kërkojnë matjen e saktë të gërvishtjeve, kontaminimit dhe defekteve të tjera.
Faktori 4: Pajisja industriale AIOT po përmirësohet
Patate të skuqura AI po përmirësohen me shpejtësi.
Patate të skuqura AI të pajisjeve të ngulitura po rriten me shpejtësi, me një larmi opsionesh në dispozicion për të mbështetur zhvillimin dhe vendosjen e modeleve të AI. Shembuj përfshijnë njësitë më të fundit të përpunimit të grafikës NVIDIA (GPU), A30 dhe A10, të cilat u prezantuan në Mars 2021 dhe janë të përshtatshme për raste të përdorimit të AI, siç janë sistemet e rekomandimit dhe sistemet e vizionit kompjuterik. Një shembull tjetër është njësitë e përpunimit të tenzerëve të gjeneratës së katërt të Google (TPU), të cilat janë qarqe të fuqishme të integruara me qëllime speciale (ASIC) që mund të arrijnë deri në 1.000 herë më shumë efikasitet dhe shpejtësi në zhvillimin e modelit dhe vendosjen për ngarkesat specifike të punës të AI (EG, zbulimin e objektit, klasifikimin e imazhit dhe standardet e rekomandimit). Përdorimi i pajisjeve të dedikuara të AI zvogëlon kohën e llogaritjes së modelit nga ditët në minuta, dhe ka provuar të jetë një ndërrues i lojës në shumë raste.
Pajisja e fuqishme e AI është menjëherë në dispozicion përmes një modeli të pagës për përdorim.
Ndërmarrjet Superscale po përmirësojnë vazhdimisht serverët e tyre për të vënë në dispozicion burimet e informatikës në cloud në mënyrë që përdoruesit fundorë të mund të zbatojnë aplikacione industriale të AI. Në nëntor 2021, për shembull, AWS njoftoi lëshimin zyrtar të instancave të fundit të tij me bazë GPU, Amazon EC2 G5, të mundësuar nga NVIDIA A10G Tensor Core GPU, për një shumëllojshmëri të aplikacioneve ML, duke përfshirë vizionin e kompjuterit dhe motorët e rekomandimit. Për shembull, ofruesi i sistemeve të zbulimit Nanotronic përdor shembuj të Amazon EC2 të zgjidhjes së tij të kontrollit të cilësisë me bazë AI për të shpejtuar përpjekjet e përpunimit dhe për të arritur nivele më të sakta të zbulimit në prodhimin e mikrocipeve dhe nanotubave.
Përfundim dhe perspektivë
AI po del nga fabrika, dhe do të jetë e kudogjendur në aplikacione të reja, siç është PDM me bazë AI, dhe si përmirësime për programet ekzistuese dhe përdorimin e rasteve. Ndërmarrjet e mëdha po nxjerrin disa raste të përdorimit të AI dhe duke raportuar sukses, dhe shumica e projekteve kanë një kthim të lartë të investimeve. Në përgjithësi, rritja e cloud, platformat IoT dhe çipat e fuqishëm AI sigurojnë një platformë për një gjeneratë të re të softuerit dhe optimizmit.
Koha e postimit: Jan-12-2022