Hiljuti avaldatud tööstusliku tehisintellekti ja tehisintellekti turu aruande 2021–2026 kohaselt tõusis tehisintellekti kasutuselevõtu määr tööstuskeskkonnas veidi rohkem kui kahe aastaga 19 protsendilt 31 protsendile. Lisaks 31 protsendile vastanutest, kes on tehisintellekti oma tegevuses täielikult või osaliselt kasutusele võtnud, testib või katsetab veel 39 protsenti seda tehnoloogiat praegu.
Tehisintellektist on saamas võtmetehnoloogia tootjate ja energiaettevõtete jaoks kogu maailmas ning asjade interneti analüüs ennustab, et tööstuslike tehisintellekti lahenduste turg näitab pandeemiajärgset tugevat 35% aastast liitkasvumäära (CAGR), ulatudes 2026. aastaks 102,17 miljardi dollarini.
Digitaalajastu on sünnitanud asjade interneti. On näha, et tehisintellekti teke on kiirendanud asjade interneti arengu tempot.
Vaatleme mõningaid tegureid, mis soodustavad tööstusliku tehisintellekti ja tehisintellekti asjade interneti (AIoT) esiletõusu.
Tegur 1: Üha rohkem tarkvaratööriistu tööstusliku tehisintellekti asjade interneti jaoks
2019. aastal, kui asjade interneti analüütika 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 tehasepõrandatele.
Andmete kohaselt pakub tehisintellekti asjade interneti tarkvara ligi 400 müüjat. Tööstusliku tehisintellekti turule sisenevate tarkvaramüüjate arv on viimase kahe aasta jooksul dramaatiliselt kasvanud. Uuringu käigus tuvastas IoT Analytics 634 tehisintellekti tehnoloogia tarnijat tootjatele/tööstusklientidele. Neist ettevõtetest 389 (61,4%) pakub tehisintellekti tarkvara.
Uus tehisintellekti tarkvaraplatvorm keskendub tööstuskeskkondadele. Lisaks Uptake'ile, Braincube'ile või C3 AI-le pakub üha rohkem operatiivtehnoloogia (OT) müüjaid spetsiaalseid tehisintellekti tarkvaraplatvorme. Näideteks on ABB Genixi tööstuslik analüütika ja tehisintellekti komplekt, Rockwell Automationi FactoryTalk Innovationi komplekt, Schneider Electrici enda tootmiskonsultatsiooniplatvorm ja viimasel ajal ka spetsiifilised lisandmoodulid. Mõned neist platvormidest on suunatud laiale kasutusjuhtude valikule. Näiteks ABB Genixi platvorm pakub täiustatud analüütikat, sealhulgas eelvalmistatud rakendusi ja teenuseid operatiivse tulemuslikkuse juhtimiseks, varade terviklikkuse, jätkusuutlikkuse ja tarneahela tõhususe tagamiseks.
Suured ettevõtted panevad oma tehisintellekti tarkvaratööriistad tootmispõrandale.
Tehisintellekti tarkvaratööriistade kättesaadavust soodustavad ka uued kasutusjuhtumipõhised tarkvaratööriistad, mida on välja töötanud AWS ning suured ettevõtted nagu Microsoft ja Google. Näiteks 2020. aasta detsembris avaldas AWS Amazon SageMaker JumpStarti, mis on Amazon SageMakeri funktsioon ja pakub eelvalmistatud ja kohandatavaid lahendusi kõige levinumate tööstuslike kasutusjuhtude jaoks, nagu PdM, arvutinägemine ja autonoomne juhtimine. Juurutamine toimub vaid mõne klõpsuga.
Kasutusjuhtumipõhised tarkvaralahendused aitavad kaasa kasutatavuse parandamisele.
Kasutusjuhtumipõhised tarkvarapaketid, näiteks ennustavale hooldusele keskenduvad, on muutumas üha tavalisemaks. IoT Analytics täheldas, et tehisintellektil põhinevaid tooteandmete halduse (PdM) tarkvaralahendusi kasutavate pakkujate arv tõusis 2021. aasta alguses 73-ni tänu andmeallikate mitmekesisuse suurenemisele ja eelkoolitusmudelite kasutamisele, samuti andmete täiustamise tehnoloogiate laialdasele kasutuselevõtule.
Tegur 2: Tehisintellekti lahenduste arendamist ja hooldamist lihtsustatakse
Automatiseeritud masinõpe (AutoML) on muutumas standardtooteks.
Masinõppega (ML) seotud ülesannete keerukuse tõttu on masinõppe rakenduste kiire kasv loonud vajaduse valmis masinõppe meetodite järele, mida saab kasutada ilma eriteadmisteta. Sellest tulenev uurimisvaldkond, masinõppe progressiivne automatiseerimine, kannab nime AutoML. Mitmed ettevõtted kasutavad seda tehnoloogiat oma tehisintellekti pakkumiste osana, et aidata klientidel arendada masinõppe mudeleid ja rakendada tööstuslikke kasutusjuhtumeid kiiremini. Näiteks 2020. aasta novembris teatas SKF automL-põhisest tootest, mis ühendab masina protsessiandmed vibratsiooni- ja temperatuuriandmetega, et vähendada kulusid ja võimaldada klientidele uusi ärimudeleid.
Masinõppe operatsioonid (ML Ops) lihtsustavad mudeli haldamist ja hooldust.
Masinõppe operatsioonide uus distsipliin on suunatud tehisintellekti mudelite hoolduse lihtsustamisele tootmiskeskkondades. Tehisintellekti mudeli jõudlus halveneb tavaliselt aja jooksul, kuna seda mõjutavad mitmed tehasesisesed tegurid (näiteks andmete levitamise ja kvaliteedistandardite muutused). Seetõttu on mudeli hooldus ja masinõppe operatsioonid muutunud vajalikuks, et täita tööstuskeskkondade kõrgeid kvaliteedinõudeid (näiteks mudelid, mille jõudlus on alla 99%, ei pruugi tuvastada käitumist, mis ohustab töötajate ohutust).
Viimastel aastatel on masinõppe operatsioonidega liitunud palju idufirmasid, sealhulgas DataRobot, Grid.AI, Pinecone/Zilliz, Seldon ja Weights & Biases. Juba väljakujunenud ettevõtted on oma olemasolevatele tehisintellekti tarkvarapakkumistele lisanud masinõppe toiminguid, sealhulgas Microsoft, mis tutvustas Azure ML Studios andmete triivi tuvastamist. See uus funktsioon võimaldab kasutajatel tuvastada sisendandmete jaotuses muutusi, mis halvendavad mudeli jõudlust.
Tegur 3: Tehisintellekti rakendamine 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 saab traditsioonilisi tarkvarakomplekte, nagu arvutipõhised hooldusjuhtimissüsteemid (CAMMS), tootmise juhtimissüsteemid (MES) või ettevõtte ressursside planeerimine (ERP), nüüd tehisintellekti võimaluste süstimise abil oluliselt täiustada. Näiteks ERP-pakkuja Epicor Software lisab oma olemasolevatele toodetele tehisintellekti võimalusi oma Epicor Virtual Assistant (EVA) kaudu. Intelligentseid EVA-agente kasutatakse ERP-protsesside automatiseerimiseks, näiteks tootmisoperatsioonide ümberplaneerimiseks või lihtsate päringute tegemiseks (näiteks toote hinna või saadaolevate osade arvu kohta teabe saamiseks).
Tööstuslikke kasutusjuhtumeid täiustatakse tehisintellekti asjade interneti abil.
Mitmeid tööstuslikke kasutusjuhtumeid täiustatakse tehisintellekti võimaluste lisamisega olemasolevale riist- ja tarkvarataristule. Ilmekas näide on masinnägemine kvaliteedikontrolli rakendustes. Traditsioonilised masinnägemissüsteemid töötlevad pilte integreeritud või diskreetsete arvutite abil, mis on varustatud spetsiaalse tarkvaraga, mis hindab etteantud parameetreid ja läviväärtusi (nt kõrge kontrastsus), et teha kindlaks, kas objektidel on defekte. Paljudel juhtudel (näiteks erineva juhtmestiku kujuga elektroonikakomponentide puhul) on valepositiivsete tulemuste arv väga suur.
Kuid neid süsteeme elavdatakse tehisintellekti abil. Näiteks tööstusmasinate nägemise pakkuja Cognex avaldas 2021. aasta juulis uue süvaõppe tööriista (Vision Pro Deep Learning 2.0). Uued tööriistad integreeruvad traditsiooniliste nägemissüsteemidega, võimaldades lõppkasutajatel kombineerida süvaõpet traditsiooniliste nägemistööriistadega samas rakenduses, et rahuldada nõudlikke meditsiinilisi ja elektroonilisi keskkondi, mis nõuavad kriimustuste, saastumise ja muude defektide täpset mõõtmist.
Tegur 4: Tööstusliku tehisintellekti asjade interneti riistvara täiustamine
Tehisintellekti kiibid arenevad kiiresti.
Sisseehitatud riistvaralised tehisintellekti kiibid kasvavad kiiresti ning tehisintellekti mudelite arendamise ja juurutamise toetamiseks on saadaval mitmesuguseid valikuid. Näideteks on NVIDIA uusimad graafikaprotsessorid (GPU-d), A30 ja A10, mis toodi turule 2021. aasta märtsis ja sobivad tehisintellekti kasutusjuhtudeks, näiteks soovitussüsteemidele ja arvutinägemissüsteemidele. Teine näide on Google'i neljanda põlvkonna tensorprotsessorid (TPu-d), mis on võimsad spetsiaalsed integraallülitused (ASicu), mis suudavad saavutada mudeli väljatöötamisel ja juurutamisel kuni 1000 korda suuremat efektiivsust ja kiirust konkreetsete tehisintellekti töökoormuste jaoks (nt objektide tuvastamine, piltide klassifitseerimine ja soovituste võrdlusnäitajad). Spetsiaalse tehisintellekti riistvara kasutamine vähendab mudeli arvutamise aega päevadelt minutitele ja on paljudel juhtudel osutunud mängu muutvaks teguriks.
Võimas tehisintellekti riistvara on kohe saadaval kasutuspõhise tasulise mudeli kaudu.
Suurettevõtted täiustavad pidevalt oma servereid, et teha arvutusressursid pilves kättesaadavaks, et lõppkasutajad saaksid rakendada tööstuslikke tehisintellekti rakendusi. Näiteks 2021. aasta novembris teatas AWS oma uusimate GPU-põhiste eksemplaride, Amazon EC2 G5, ametlikust väljaandmisest, mida toetab NVIDIA A10G Tensor Core GPU, mitmesuguste masinõppe rakenduste, sealhulgas arvutinägemise ja soovitusmootorite jaoks. Näiteks tuvastussüsteemide pakkuja Nanotronics kasutab Amazon EC2 näiteid oma tehisintellektil põhinevast kvaliteedikontrolli lahendusest, et kiirendada töötlemist ja saavutada mikrokiipide ja nanotorude tootmisel täpsem tuvastusmäär.
Kokkuvõte ja väljavaade
Tehisintellekt tuleb tehasest välja ja see on kõikjal levinud uutes rakendustes, näiteks tehisintellektil põhinevas PdM-is, ning olemasoleva tarkvara ja kasutusjuhtude täiustustes. Suured ettevõtted juurutavad mitmeid tehisintellekti kasutusjuhte ja teatavad edust ning enamikul projektidel on kõrge investeeringutasuvus. Kokkuvõttes pakub pilve, asjade interneti platvormide ja võimsate tehisintellekti kiipide esiletõus platvormi uue põlvkonna tarkvarale ja optimeerimisele.
Postituse aeg: 12. jaanuar 2022