Hiljuti avaldatud Industrial AI ja AI Market Report 2021–2026 kohaselt kasvas tehisintellekti kasutuselevõtu määr tööstuslikes seadetes veidi enam kui kahe aastaga 19 protsendilt 31 protsendile. Lisaks 31 protsendile vastajatest, kes on täielikult või osaliselt tehisintellekti oma tegevuses kasutusele võtnud, katsetab või katsetab praegu tehnoloogiat veel 39 protsenti.
Tehisintellekt on muutumas võtmetehnoloogiaks tootjate ja energiaettevõtete jaoks kogu maailmas ning asjade Interneti analüüs ennustab, et tööstusliku tehisintellekti lahenduste turg näitab tugevat pandeemiajärgset aastakasvu (CAGR) 35%, mis jõuab 2026. aastaks 102,17 miljardi dollarini.
Digiajastu on sünnitanud asjade Interneti. On näha, et tehisintellekti esilekerkimine on kiirendanud asjade interneti arengutempot.
Vaatame mõningaid tegureid, mis põhjustavad tööstusliku AI ja AIoT tõusu.
1. tegur: üha rohkem tarkvaratööriistu tööstusliku AIoT jaoks
2019. aastal, kui Iot analytics hakkas hõlmama tööstuslikku tehisintellekti, oli operatiivtehnoloogia (OT) müüjatelt vähe spetsiaalseid tehisintellekti tarkvaratooteid. Sellest ajast alates on paljud OT-müüjad sisenenud tehisintellekti turule, arendades ja pakkudes tehisintellekti tarkvaralahendusi tehisintellekti platvormide kujul tehase põrandale.
Andmete järgi pakub AIoT tarkvara ligi 400 müüjat. Tööstusliku AI turuga liituvate tarkvaramüüjate arv on viimase kahe aasta jooksul järsult kasvanud. Uuringu käigus tuvastas IoT Analytics 634 tehisintellekti tehnoloogia tarnijat tootjatele/tööstusklientidele. Nendest ettevõtetest 389 (61,4%) pakuvad tehisintellekti tarkvara.
Uus tehisintellekti tarkvaraplatvorm keskendub tööstuskeskkondadele. Lisaks Uptake'ile, Braincube'ile või C3 AI-le pakub üha suurem arv operatiivtehnoloogia (OT) müüjaid spetsiaalseid tehisintellekti tarkvaraplatvorme. Näideteks on ABB Genix Industrial analytics ja AI komplekt, Rockwell Automationi FactoryTalk Innovation komplekt, Schneider Electricu enda tootmisnõustamisplatvorm ja viimasel ajal ka konkreetsed lisandmoodulid. Mõned neist platvormidest on suunatud paljudele kasutusjuhtudele. Näiteks pakub ABB Genixi platvorm täiustatud analüütikat, sealhulgas eelehitatud rakendusi ja teenuseid operatiivjuhtimise, varade terviklikkuse, jätkusuutlikkuse ja tarneahela tõhususe tagamiseks.
Suured ettevõtted panevad oma AI tarkvara tööriistad kauplusesse.
Ai tarkvaratööriistade kättesaadavust soodustavad ka uued kasutusjuhtumipõhised tarkvaratööriistad, mille on välja töötanud AWS, suured ettevõtted nagu Microsoft ja Google. Näiteks 2020. aasta detsembris avaldas AWS Amazon SageMakeri funktsiooni Amazon SageMaker JumpStart, mis pakub komplekti eelehitatud ja kohandatavaid lahendusi kõige levinumate tööstuslike kasutusjuhtude jaoks, nagu PdM, arvutinägemine ja autonoomne sõit. vaid paar klõpsu.
Kasutusjuhtumipõhised tarkvaralahendused suurendavad kasutatavust.
Kasutusjuhtumipõhised tarkvarakomplektid, näiteks prognoositavale hooldusele keskenduvad, muutuvad üha tavalisemaks. IoT Analytics täheldas, et tehisintellektil põhinevaid tooteandmete haldamise (PdM) tarkvaralahendusi kasutavate pakkujate arv kasvas 2021. aasta alguses 73-ni seoses andmeallikate mitmekesisuse ja koolituseelsete mudelite kasutamisega ning laialdase levikuga. andmete täiustamise tehnoloogiate kasutuselevõtt.
2. tegur: AI-lahenduste väljatöötamist ja hooldust lihtsustatakse
Automatiseeritud masinõpe (AutoML) on muutumas standardtooteks.
Masinõppega (ML) seotud ülesannete keerukuse tõttu on masinõpperakenduste kiire kasv tekitanud vajaduse valmis masinõppemeetodite järele, mida saab kasutada ilma eriteadmisteta. Sellest tulenev uurimisvaldkond, masinõppe progressiivne automatiseerimine, kannab nime AutoML. Paljud ettevõtted kasutavad seda tehnoloogiat oma tehisintellekti pakkumiste osana, et aidata klientidel ML-mudeleid välja töötada ja tööstuslikke kasutusjuhtumeid kiiremini rakendada. Näiteks 2020. aasta novembris kuulutas SKF välja automL-põhise toote, mis ühendab masinaprotsesside andmed vibratsiooni- ja temperatuuriandmetega, et vähendada kulusid ja võimaldada klientidele uusi ärimudeleid.
Masinõppe toimingud (ML Ops) lihtsustavad mudeli haldamist ja hooldust.
Uue masinõppe operatsioonide distsipliini eesmärk on lihtsustada tehisintellekti mudelite hooldust tootmiskeskkondades. Tehisintellekti mudeli jõudlus halveneb tavaliselt aja jooksul, kuna seda mõjutavad mitmed tehasesisesed tegurid (näiteks muutused andmete levitamises ja kvaliteedistandardites). Selle tulemusena on mudelite hooldus ja masinõppe toimingud muutunud vajalikuks tööstuskeskkonna kõrgete kvaliteedinõuete täitmiseks (näiteks mudelid, mille jõudlus on alla 99%, ei pruugi tuvastada töötajate ohutust ohustavat käitumist).
Viimastel aastatel on ML Opsi ruumiga liitunud paljud idufirmad, sealhulgas DataRobot, Grid.AI, Pinecone/Zilliz, Seldon ja Weights & Biases. Väljakujunenud ettevõtted on lisanud oma olemasolevatele tehisintellekti tarkvara pakkumistele masinõppe toimingud, sealhulgas Microsoft, kes võttis Azure ML Studios kasutusele andmetriivi tuvastamise. See uus funktsioon võimaldab kasutajatel tuvastada muutusi sisendandmete jaotuses, mis halvendavad mudeli jõudlust.
3. tegur: tehisintellekt, mida rakendatakse olemasolevatele rakendustele ja kasutusjuhtudele
Traditsioonilised tarkvarapakkujad lisavad tehisintellekti võimalusi.
Lisaks olemasolevatele suurtele horisontaalsetele tehisintellekti tarkvaratööriistadele, nagu MS Azure ML, AWS SageMaker ja Google Cloud Vertex AI, traditsioonilised tarkvarakomplektid, nagu arvutipõhised hooldushaldussüsteemid (CAMMS), tootmise täitmissüsteemid (MES) või ettevõtte ressursside planeerimine (ERP) saab nüüd tehisintellekti võimeid süstides oluliselt parandada. Näiteks ERP-teenuse pakkuja Epicor Software lisab oma olemasolevatele toodetele tehisintellekti võimalusi oma Epicor Virtual Assistant (EVA) kaudu. Intelligentseid EVA agente kasutatakse ERP-protsesside automatiseerimiseks, näiteks tootmistoimingute ajakava muutmiseks või lihtsate päringute tegemiseks (näiteks toote hinnakujunduse või saadaolevate osade arvu üksikasjade hankimiseks).
Tööstusliku kasutuse juhtumeid uuendatakse AIoT abil.
Mitmeid tööstusliku kasutuse juhtumeid täiustatakse, lisades olemasolevale riistvara/tarkvara infrastruktuurile tehisintellekti võimalused. Ilmekas näide on masinnägemine kvaliteedikontrolli rakendustes. Traditsioonilised masinnägemissüsteemid töötlevad pilte integreeritud või diskreetsete arvutite kaudu, mis on varustatud spetsiaalse tarkvaraga, mis hindab etteantud parameetreid ja lävesid (nt kõrge kontrastsus), et teha kindlaks, kas objektidel on defekte. Paljudel juhtudel (näiteks erineva juhtmestikuga elektroonikakomponendid) on valepositiivsete tulemuste arv väga suur.
Neid süsteeme aga taaselustatakse tehisintellekti abil. Näiteks tööstusmasinate Vision pakkuja Cognex andis 2021. aasta juulis välja uue süvaõppe tööriista (Vision Pro Deep Learning 2.0). Uued tööriistad integreeruvad traditsiooniliste nägemissüsteemidega, võimaldades lõppkasutajatel kombineerida süvaõpet traditsiooniliste nägemistööriistadega samas rakenduses. vastama nõudlikele meditsiini- ja elektroonikakeskkondadele, mis nõuavad kriimustuste, saastumise ja muude defektide täpset mõõtmist.
4. tegur: tööstuslikku AIoT riistvara täiustatakse
AI kiibid paranevad kiiresti.
Manustatud riistvaralised tehisintellekti kiibid kasvavad kiiresti ning tehisintellektimudelite arendamise ja kasutuselevõtu toetamiseks on saadaval mitmesugused võimalused. Näideteks on NVIDIA uusimad graafikaprotsessorid (Gpus), A30 ja A10, mis toodi turule 2021. aasta märtsis ja mis sobivad tehisintellekti kasutamiseks, nagu soovitussüsteemid ja arvutinägemissüsteemid. Teine näide on Google'i neljanda põlvkonna tensorite töötlemisüksused (TPus), mis on võimsad eriotstarbelised integraallülitused (ASics), mis suudavad saavutada kuni 1000 korda suurema tõhususe ja kiiruse mudelite väljatöötamisel ja kasutuselevõtul teatud tehisintellekti töökoormuste jaoks (nt objektide tuvastamine). , piltide klassifikatsioon ja soovituste võrdlusalused). Spetsiaalse tehisintellekti riistvara kasutamine vähendab mudeli arvutamise aega päevadelt minutitele ja on osutunud paljudel juhtudel mängu muutjaks.
Võimas tehisintellekti riistvara on kasutuseest tasulise mudeli kaudu kohe saadaval.
Suuremõõtmelised ettevõtted uuendavad pidevalt oma servereid, et teha arvutusressursid pilves kättesaadavaks, et lõppkasutajad saaksid rakendada tööstuslikke AI-rakendusi. Näiteks 2021. aasta novembris teatas AWS oma uusimate GPU-põhiste eksemplaride Amazon EC2 G5 ametlikust väljalaskmisest, mida toidab NVIDIA A10G Tensor Core GPU ja mis on mõeldud mitmesugustele ML-rakendustele, sealhulgas arvutinägemis- ja soovitusmootoritele. Näiteks tuvastussüsteemide pakkuja Nanotronics kasutab oma tehisintellektil põhineva kvaliteedikontrolli lahenduse Amazon EC2 näiteid, et kiirendada töötlemistööd ja saavutada mikrokiipide ja nanotorude valmistamisel täpsemad tuvastamismäärad.
Järeldus ja väljavaade
Tehisintellekt on tehasest välja tulemas ja see on laialt levinud uutes rakendustes, nagu AI-põhine PdM, ning olemasoleva tarkvara ja kasutusjuhtude täiustustena. Suured ettevõtted võtavad kasutusele mitmeid tehisintellekti kasutusjuhtumeid ja teatavad edust ning enamikul projektidel on kõrge investeeringutasuvus. Kokkuvõttes loob pilve, iot-platvormide ja võimsate AI-kiipide kasv platvormi uue põlvkonna tarkvarale ja optimeerimisele.
Postitusaeg: jaan-12-2022