Sipas raportit të tregut të inteligjencës artificiale dhe inteligjencës artificiale të publikuar së fundmi 2021-2026, shkalla e adoptimit të AI në Cilësimet industriale u rrit nga 19 përqind në 31 përqind në pak më shumë se dy vjet. Përveç 31 përqind të të anketuarve që kanë përdorur plotësisht ose pjesërisht AI në operacionet e tyre, 39 përqind të tjerë janë aktualisht duke testuar ose pilotuar teknologjinë.
AI po shfaqet si një teknologji kyçe për prodhuesit dhe kompanitë e energjisë në mbarë botën, dhe analiza e IoT parashikon që tregu i zgjidhjeve industriale të AI do të tregojë një normë të fortë rritjeje vjetore të kompleksit pas pandemisë (CAGR) prej 35% për të arritur në 102.17 miliardë dollarë deri në vitin 2026.
Epoka dixhitale ka lindur 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 nxisin rritjen e AI industriale dhe AIoT.
Faktori 1: Gjithnjë e më shumë mjete softuerike për AIoT industriale
Në vitin 2019, kur analitika e Iot filloi të mbulonte AI industriale, kishte pak produkte të dedikuara softuerike të AI nga shitësit e teknologjisë operacionale (OT). Që atëherë, shumë shitës OT kanë hyrë në tregun e AI duke zhvilluar dhe ofruar zgjidhje softuerike të AI në formën e platformave të AI për dyshemenë e fabrikës.
Sipas të dhënave, gati 400 shitës ofrojnë softuer AIoT. Numri i shitësve të softuerëve që i bashkohen tregut industrial të AI është rritur në mënyrë dramatike në dy vitet e fundit. Gjatë studimit, IoT Analytics identifikoi 634 furnizues të teknologjisë së AI për prodhuesit/klientët industrialë. Nga këto kompani, 389 (61.4%) ofrojnë softuer të AI.
Platforma e re e softuerit të AI fokusohet në mjediset industriale. Përtej Uptake, Braincube ose C3 AI, një numër në rritje i shitësve të teknologjisë operacionale (OT) po ofrojnë platforma të dedikuara softuerësh të AI. Shembujt përfshijnë paketën e analitikës industriale dhe AI Genix të ABB, paketën FactoryTalk Innovation të Rockwell Automation, platformën e këshillimit të prodhimit 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 ofron analiza të avancuara, duke përfshirë aplikacione dhe shërbime të para-ndërtuara për menaxhimin e performancës operacionale, integritetin e aseteve, qëndrueshmërinë dhe efikasitetin e zinxhirit të furnizimit.
Kompanitë e mëdha po vendosin mjetet e tyre softuerike ai në katin e dyqaneve.
Disponueshmëria e mjeteve softuerike ai nxitet gjithashtu nga mjete të reja softuerike specifike për raste 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, vizioni kompjuterik dhe drejtimi autonom. vetëm disa klikime.
Zgjidhjet softuerike specifike për raste të përdorimit po nxisin përmirësime të përdorshmërisë.
Paketat e programeve kompjuterike specifike për raste të përdorimit, të tilla si ato të fokusuara në mirëmbajtjen parashikuese, po bëhen më të zakonshme. IoT Analytics vuri re se numri i ofruesve që përdorin zgjidhjet softuerike të menaxhimit të të dhënave të produktit të bazuar në AI (PdM) 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 përhapjes së gjerë adoptimi i teknologjive të përmirësimit të të dhënave.
Faktori 2: Zhvillimi dhe mirëmbajtja e zgjidhjeve të AI janë duke u thjeshtuar
Mësimi i automatizuar i makinerive (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 makinerive ka krijuar nevojën për metoda të mësimit të makinerive jashtë raftit që mund të përdoren pa ekspertizë. Fusha që rezulton e kërkimit, automatizimi progresiv për mësimin e makinerive, quhet AutoML. Një sërë kompanish po përdorin këtë teknologji si pjesë e ofertave të tyre të AI për të ndihmuar klientët të zhvillojnë modele ML dhe të zbatojnë rastet e përdorimit industrial më shpejt. Në nëntor 2020, për shembull, SKF njoftoi një produkt të bazuar në automL që kombinon të dhënat e procesit të makinës me të dhënat e dridhjeve dhe temperaturës për të ulur 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 e prodhimit. Performanca e një modeli AI zakonisht degradon me kalimin e kohës pasi ndikohet nga disa faktorë brenda impiantit (për shembull, ndryshimet në shpërndarjen e të dhënave dhe standardet e cilësisë). Si rezultat, mirëmbajtja e modelit dhe operacionet e mësimit të makinerive janë bërë të nevojshme për të përmbushur kërkesat e cilësisë së lartë të mjediseve industriale (për shembull, modelet me performancë nën 99% mund të dështojnë të identifikojnë sjelljen që rrezikon sigurinë e punëtorëve).
Vitet e fundit, shumë startup i janë bashkuar hapësirës ML Ops, duke përfshirë DataRobot, Grid.AI, Pinecone/Zilliz, Seldon dhe Weights & Biases. Kompanitë e themeluara kanë shtuar operacionet e mësimit të makinerive në ofertat e tyre ekzistuese të softuerit të AI, duke përfshirë Microsoft, i cili prezantoi zbulimin e lëvizjes së të dhënave në Azure ML Studio. Ky funksion i ri 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 ekzistuese dhe rastet e përdorimit
Ofruesit tradicionalë të softuerit po shtojnë aftësitë e AI.
Përveç mjeteve ekzistuese softuerike të mëdha horizontale të AI si MS Azure ML, AWS SageMaker dhe Google Cloud Vertex AI, paketat tradicionale të softuerit si Sistemet e Menaxhimit të Mirëmbajtjes Kompjuterike (CAMMS), Sistemet e ekzekutimit të prodhimit (MES) ose planifikimi i burimeve të ndërmarrjes (ERP) tani mund të përmirësohet ndjeshëm duke injektuar aftësitë e AI. Për shembull, ofruesi ERP Epicor Software po shton aftësitë e AI në produktet e tij ekzistuese përmes Asistentit Virtual Epicor (EVA). Agjentët inteligjentë EVA përdoren për të automatizuar proceset ERP, të tilla si riprogramimi i operacioneve të prodhimit ose kryerja 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 aftësitë e AI në infrastrukturën ekzistuese të harduerit/softuerit. Një shembull i gjallë është vizioni i makinës në aplikimet e kontrollit të cilësisë. Sistemet tradicionale të vizionit të makinerive përpunojnë imazhet përmes kompjuterëve të integruar ose diskretë të pajisur me softuer të specializuar që vlerëson parametrat dhe pragjet e paracaktuara (p.sh. kontrast i lartë) për të përcaktuar nëse objektet shfaqin defekte. Në shumë raste (për shembull, komponentë elektronikë me forma të ndryshme instalime elektrike), numri i pozitivëve të rremë është shumë i lartë.
Megjithatë, këto sisteme po ringjallen përmes inteligjencës artificiale. Për shembull, ofruesi i makinave industriale Vision 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 të fundit të kombinojnë mësimin e thellë me mjetet tradicionale të vizionit në të njëjtin aplikacion për plotësoni mjedise kërkuese mjekësore dhe elektronike që kërkojnë matje të saktë të gërvishtjeve, ndotjes dhe defekteve të tjera.
Faktori 4: Hardueri industrial AIoT po përmirësohet
Çipat e inteligjencës artificiale po përmirësohen me shpejtësi.
Çipat e integruar të AI-t të harduerit po rriten me shpejtësi, me një sërë opsionesh të disponueshme për të mbështetur zhvillimin dhe vendosjen e modeleve të AI. Shembujt përfshijnë njësitë më të fundit të përpunimit grafik të NVIDIA (Gpus), A30 dhe A10, të cilat u prezantuan në mars 2021 dhe janë të përshtatshme për rastet e përdorimit të AI, si sistemet e rekomandimeve dhe sistemet e vizionit kompjuterik. Një shembull tjetër janë Njësitë e Përpunimit të Tensoreve (TPus) të gjeneratës së katërt të Google, të cilat janë qarqe të integruara të fuqishme për qëllime të veçanta (ASics) që mund të arrijnë deri në 1000 herë më shumë efikasitet dhe shpejtësi në zhvillimin dhe vendosjen e modeleve për ngarkesa specifike të AI (p.sh. zbulimi i objekteve , klasifikimi i imazhit dhe standardet e rekomandimit). Përdorimi i harduerit të dedikuar të AI redukton kohën e llogaritjes së modelit nga ditë në minuta dhe është dëshmuar të jetë një ndryshim i lojës në shumë raste.
Pajisja e fuqishme e AI është e disponueshme menjëherë përmes një modeli pay-per-use.
Ndërmarrjet në shkallë të lartë po përmirësojnë vazhdimisht serverët e tyre për të vënë në dispozicion burimet kompjuterike në cloud, në mënyrë që përdoruesit përfundimtarë të mund të zbatojnë aplikacione industriale të AI. Në nëntor 2021, për shembull, AWS njoftoi lëshimin zyrtar të instancave të saj më të fundit të bazuara në GPU, Amazon EC2 G5, të mundësuar nga GPU NVIDIA A10G Tensor Core, për një sërë aplikacionesh ML, duke përfshirë vizionin kompjuterik dhe motorët e rekomandimeve. Për shembull, ofruesi i sistemeve të zbulimit Nanotronics përdor shembuj të Amazon EC2 të zgjidhjes së tij të kontrollit të cilësisë të bazuar në AI për të shpejtuar përpjekjet e përpunimit dhe për të arritur norma më të sakta zbulimi në prodhimin e mikroçipëve dhe nanotubave.
Përfundimi dhe perspektiva
Inteligjenca artificiale po del nga fabrika dhe do të jetë e pranishme kudo në aplikacione të reja, të tilla si PdM me bazë AI, dhe si përmirësime të softuerit ekzistues dhe rasteve të përdorimit. Ndërmarrjet e mëdha po hapin disa raste të përdorimit të AI dhe raportojnë sukses, dhe shumica e projekteve kanë një kthim të lartë nga investimi. Në përgjithësi, rritja e platformave cloud, iot dhe çipave të fuqishëm të AI ofron një platformë për një gjeneratë të re softuerësh dhe optimizimi.
Koha e postimit: Jan-12-2022