Volgens die onlangs vrygestelde industriële AI- en AI-markverslag 2021-2026 het die aannemingskoers van AI in industriële instellings van 19 persent tot 31 persent in net meer as twee jaar gestyg. Benewens 31 persent van die respondente wat AI ten volle of gedeeltelik in hul bedrywighede uitgerol het, is nog 39 persent besig om die tegnologie te toets of te loods.
AI verskyn as 'n belangrike tegnologie vir vervaardigers en energieondernemings wêreldwyd, en IoT-analise voorspel dat die Industrial AI Solutions-mark 'n sterk post-pandemiese saamgestelde jaarlikse groeikoers (CAGR) van 35% sal toon om teen 2026 $ 102,17 miljard te bereik.
Die digitale era het die Internet of Things gebaar. Daar kan gesien word dat die opkoms van kunsmatige intelligensie die tempo van die ontwikkeling van die Internet of Things versnel het.
Kom ons kyk na sommige van die faktore wat die opkoms van industriële AI en AIOT dryf.
Faktor 1: Meer en meer sagteware -instrumente vir industriële AIOT
In 2019, toe IoT Analytics begin om industriële AI te dek, was daar min toegewyde AI -sagtewareprodukte van OT -verkopers (OT). Sedertdien het baie OT -verkopers die AI -mark betree deur AI -sagteware -oplossings te ontwikkel en te bied in die vorm van AI -platforms vir die fabrieksvloer.
Volgens data bied byna 400 verkopers AIOT -sagteware aan. Die aantal sagtewareverkopers wat by die industriële AI -mark aansluit, het die afgelope twee jaar dramaties toegeneem. Tydens die studie het IoT Analytics 634 verskaffers van AI -tegnologie aan vervaardigers/industriële kliënte geïdentifiseer. Van hierdie ondernemings bied 389 (61,4%) AI -sagteware aan.
Die nuwe AI -sagtewareplatform fokus op industriële omgewings. Buiten die opname, Braincube of C3 AI, bied 'n groeiende aantal verskaffers van operasionele tegnologie (OT) toegewyde AI -sagtewareplatforms. Voorbeelde hiervan is ABB se Genix Industrial Analytics en AI Suite, Rockwell Automation se FactoryTalk Innovation Suite, Schneider Electric se eie vervaardigingskonsultasieplatform, en meer onlangs, spesifieke byvoegings. Sommige van hierdie platforms is gerig op 'n wye verskeidenheid gebruiksgevalle. Byvoorbeeld, ABB se Genix-platform bied gevorderde analise, insluitend voorafgeboude toepassings en dienste vir bedryfsprestasiebestuur, bate-integriteit, volhoubaarheid en doeltreffendheid van die voorsieningsketting.
Groot ondernemings plaas hul AI -sagteware -instrumente op die winkelvloer.
Die beskikbaarheid van AI-sagteware-instrumente word ook aangedryf deur nuwe gebruiks-spesifieke sagteware-instrumente wat deur AWS ontwikkel is, groot ondernemings soos Microsoft en Google. In Desember 2020 het AWS byvoorbeeld Amazon Sagemaker Jumpstart vrygestel, 'n funksie van Amazon Sagemaker wat 'n stel voorafgeboude en aanpasbare oplossings bied vir die algemeenste gevalle van industriële gebruik, soos PDM, rekenaarvisie en outonome bestuur, met slegs enkele klikke.
Gebruiks-spesifieke-spesifieke sagteware-oplossings dryf bruikbaarheidsverbeterings aan.
Gebruiksgevalspesifieke sagteware-suites, soos dié wat op voorspellende instandhouding fokus, word meer gereeld. IoT Analytics het opgemerk dat die aantal verskaffers wat AI-gebaseerde Product Data Management (PDM) sagteware-oplossings gebruik het tot 73 in die vroeë 2021, as gevolg van 'n toename in die verskeidenheid databronne en die gebruik van vooraf-opleidingmodelle, sowel as die wydverspreide aanvaarding van tegnologieë vir die verbetering van data.
Faktor 2: Die ontwikkeling en instandhouding van AI -oplossings word vereenvoudig
Outomatiese masjienleer (Automl) word 'n standaardproduk.
Vanweë die kompleksiteit van die take wat verband hou met masjienleer (ML), het die vinnige groei van masjienleertoepassings 'n behoefte geskep vir die masjienleermetodes wat buite die rak gebruik kan word wat sonder kundigheid gebruik kan word. Die gevolglike navorsingsveld, progressiewe outomatisering vir masjienleer, word Automl genoem. 'N Verskeidenheid ondernemings benut hierdie tegnologie as deel van hul AI -aanbiedinge om kliënte te help om ML -modelle te ontwikkel en om vinniger industriële gebruiksgevalle te implementeer. In November 2020, byvoorbeeld, het SKF 'n Automl-gebaseerde produk aangekondig wat die masjienprosesdata met vibrasie- en temperatuurdata kombineer om koste te verlaag en nuwe sakemodelle vir kliënte moontlik te maak.
Masjienleerbedrywighede (ML OPS) vereenvoudig modelbestuur en -instandhouding.
Die nuwe dissipline van masjienleerbedrywighede het ten doel om die instandhouding van AI -modelle in vervaardigingsomgewings te vereenvoudig. Die prestasie van 'n AI -model degradeer gewoonlik mettertyd, aangesien dit beïnvloed word deur verskeie faktore binne die aanleg (byvoorbeeld veranderinge in dataverspreiding en kwaliteitstandaarde). Gevolglik het modelinstandhoudings- en masjienleerbedrywighede nodig geword om aan die hoë kwaliteit vereistes van industriële omgewings te voldoen (byvoorbeeld, modelle met prestasie onder 99% kan nie die gedrag identifiseer wat die veiligheid van die werkers in gevaar stel nie).
In onlangse jare het baie startups by die ML OPS -ruimte aangesluit, waaronder Datarobot, Grid.ai, Pinecone/Zilliz, Seldon en Weights & Biases. Gevestigde ondernemings het masjienleerbedrywighede bygevoeg tot hul bestaande AI -sagteware -aanbiedinge, insluitend Microsoft, wat die opsporing van data -dryf in Azure ML Studio bekendgestel het. Hierdie nuwe funksie stel gebruikers in staat om veranderinge in die verspreiding van insetdata op te spoor wat modelprestasie verneder.
Faktor 3: Kunsmatige intelligensie toegepas op bestaande toepassings en gebruik gevalle
Tradisionele sagtewareverskaffers voeg AI -vermoëns by.
Benewens die bestaande groot horisontale AI -sagteware -instrumente soos MS Azure ML, AWS SageMaker en Google Cloud Vertex AI, kan tradisionele sagteware -suites soos gerekenariseerde instandhoudingsbestuurstelsels (CAMMS), vervaardiging van uitvoeringstelsels (MES) of ondernemingshulpbronbeplanning (ERP) nou aansienlik verbeter word deur AI -vermoëns te inspuit. Byvoorbeeld, ERP -verskaffer Epicor -sagteware voeg AI -vermoëns by tot sy bestaande produkte deur sy Epicor Virtual Assistant (EVA). Intelligente EVA -middels word gebruik om ERP -prosesse te outomatiseer, soos om vervaardigingsbedrywighede te herskeduleer of om eenvoudige navrae uit te voer (byvoorbeeld om besonderhede oor die prys van produk of die aantal beskikbare onderdele te bekom).
Gevalle vir industriële gebruik word opgegradeer deur AIOT te gebruik.
Verskeie industriële gebruiksgevalle word verbeter deur AI -vermoëns by te voeg tot bestaande hardeware/sagteware -infrastruktuur. 'N Vivid voorbeeld is masjienvisie in kwaliteitsbeheer -toepassings. Tradisionele masjienvisie -stelsels verwerk beelde deur geïntegreerde of diskrete rekenaars wat toegerus is met gespesialiseerde sagteware wat voorafbepaalde parameters en drempels (bv. Hoë kontras) evalueer om te bepaal of voorwerpe defekte vertoon. In baie gevalle (byvoorbeeld elektroniese komponente met verskillende bedradingsvorms), is die aantal vals positiewe baie hoog.
Hierdie stelsels word egter deur kunsmatige intelligensie herleef. Byvoorbeeld, die industriële masjienvisieverskaffer Cognex het in Julie 2021 'n nuwe Deep Learning Tool (Vision Pro Deep Learning 2.0) vrygestel. Die nuwe instrumente is integreer met tradisionele visie -stelsels, wat eindgebruikers in staat stel om diep leer te kombineer met tradisionele visie -instrumente in dieselfde toepassing om te voldoen aan veeleisende mediese en elektroniese omgewings wat akkurate meting van skrape, besoedeling en ander defekte benodig.
Faktor 4: Industriële AIOT -hardeware word verbeter
AI -skyfies verbeter vinnig.
Die ingeboude hardeware AI -skyfies groei vinnig, met 'n verskeidenheid opsies beskikbaar om die ontwikkeling en ontplooiing van AI -modelle te ondersteun. Voorbeelde hiervan is NVIDIA se nuutste grafiese verwerkingseenhede (GPU's), die A30 en A10, wat in Maart 2021 bekendgestel is en geskik is vir AI -gebruiksgevalle soos aanbevelingstelsels en rekenaarvisie -stelsels. 'N Ander voorbeeld is Google se vierde-generasie Tensors-verwerkingseenhede (TPU's), wat 'n kragtige spesiale doel is geïntegreerde stroombane (ASIC's) wat tot 1000 keer meer doeltreffendheid en spoed kan bereik in modelontwikkeling en ontplooiing vir spesifieke AI-werklading (bv. Opsporing van voorwerpe, beeldklassifikasie en aanbevelingsbanke). Die gebruik van toegewyde AI -hardeware verminder die berekeningstyd van die model van dae tot minute en is in baie gevalle 'n speletjie -wisselaar.
Kragtige AI-hardeware is onmiddellik beskikbaar via 'n betaal-per-gebruik-model.
SuperScale -ondernemings is voortdurend besig om hul bedieners op te gradeer om rekenaarbronne in die wolk beskikbaar te stel, sodat eindgebruikers industriële AI -toepassings kan implementeer. In November 2021, byvoorbeeld, het AWS die amptelike vrystelling van sy nuutste GPU-gebaseerde gevalle, Amazon EC2 G5, aangekondig deur die NVIDIA A10G Tensor Core GPU, vir 'n verskeidenheid ML-toepassings, insluitend rekenaarvisie en aanbevelingsenjins. Byvoorbeeld, die verskaffer van opsporingstelsels Nanotronics gebruik Amazon EC2-voorbeelde van sy AI-gebaseerde kwaliteitsbeheeroplossing om die verwerkingspogings te bespoedig en meer akkurate opsporingsyfers te bereik in die vervaardiging van mikroskyfies en nanobuise.
Gevolgtrekking en vooruitsig
AI kom uit die fabriek, en dit sal alomteenwoordig wees in nuwe toepassings, soos AI-gebaseerde PDM, en as verbeterings aan bestaande sagteware en gebruiksgevalle. Groot ondernemings is besig om verskeie AI -gebruiksgevalle en verslagdoeningsukses uit te voer, en die meeste projekte het 'n hoë opbrengs op belegging. Al met al is die opkoms van die wolk, IoT -platforms en kragtige AI -skyfies 'n platform vir 'n nuwe generasie sagteware en optimalisering.
Postyd: Jan-12-2022 Januarie