Remiantis neseniai išleista pramonės AI ir AI rinkos ataskaita 2021–2026 m., AI įvaikinimo lygis pramonės aplinkoje padidėjo nuo 19 procentų iki 31 procento per šiek tiek daugiau nei dvejus metus. Be 31 proc. Respondentų, kurie savo operacijose visiškai ar iš dalies išleido AI, dar 39 procentai šiuo metu bando ar pilotuoja šią technologiją.
PG yra pagrindinė technologija gamintojams ir energetikos įmonėms visame pasaulyje, o IoT analizė prognozuoja, kad pramoninės AI sprendimų rinka parodys stiprų pandeminio junginio metinį augimo tempą (CAGR)-35% iki 2026 m.
Skaitmeninis amžius pagimdė daiktų internetą. Galima pastebėti, kad dirbtinio intelekto atsiradimas paspartino daiktų interneto plėtros tempą.
Pažvelkime į kai kuriuos veiksnius, skatinančius pramonės AI ir AIOT augimą.
1 faktorius: Vis daugiau ir daugiau programinės įrangos įrankių pramoniniams AIOT
2019 m., Kai „IoT Analytics“ pradėjo aprėpti pramonės AI, buvo nedaug specialių AI programinės įrangos produktų iš operatyvinių technologijų (OT) pardavėjų. Nuo to laiko daugelis OT pardavėjų pateko į AI rinką kurdami ir pateikdami AI programinės įrangos sprendimus AI platformų pavidalu gamyklos grindims.
Remiantis duomenimis, beveik 400 pardavėjų siūlo AIOT programinę įrangą. Pramoninės AI rinkos programinės įrangos pardavėjų skaičius per pastaruosius dvejus metus smarkiai išaugo. Tyrimo metu „IoT Analytics“ nustatė 634 AI technologijos tiekėjus gamintojams/pramonės klientams. Iš šių bendrovių 389 (61,4%) siūlo AI programinę įrangą.
Naujojoje AI programinės įrangos platformoje daugiausia dėmesio skiriama pramonei. Be įsisavinimo, „Braincube“ ar „C3 AI“, vis daugiau operatyvinių technologijų (OT) pardavėjų siūlo specialias AI programinės įrangos platformas. Pavyzdžiai: „ABB's Genix Industrial Analytics“ ir „AI Suite“, „Rockwell Automation“ „FactoryTalk Innovation Suite“, pačios „Schneider Electric“ gamybos konsultavimo platforma ir visai neseniai-specifiniai priedai. Kai kurios iš šių platformų nukreiptos į platų naudojimo atvejų spektrą. Pavyzdžiui, ABB „Genix“ platforma teikia pažangią analizę, įskaitant iš anksto sukurtas programas ir paslaugas, skirtas eksploatacinėms veiklos valdymui, turto vientisumui, tvarumui ir tiekimo grandinės efektyvumui.
Didelės įmonės savo AI programinės įrangos įrankius deda parduotuvių aukšte.
AI programinės įrangos įrankių prieinamumą taip pat lemia nauji AWS sukurtos naujos naudojimo būdo programinės įrangos įrankiai, didelės įmonės, tokios kaip „Microsoft“ ir „Google“. Pavyzdžiui, 2020 m. Gruodžio mėn. AWS išleido „Amazon Sagemaker Jumpstart“-„Amazon Sagemaker“ funkciją, kuri pateikia iš anksto pastatytų ir pritaikomų sprendimų rinkinį labiausiai paplitusiam pramoninio naudojimo atvejų, tokių kaip PDM, kompiuterinis matymas ir autonominis vairavimas, diegti vos kelis paspaudimus.
Naudojimo atvejais būdingi programinės įrangos sprendimai skatina patobulinti naudojimą.
Paprastesni naudojimo atvejai specifiniai programinės įrangos apartamentai, tokie kaip nuspėjamąja priežiūra, tampa vis dažnesni. „IoT Analytics“ pastebėjo, kad teikėjų, naudojančių AI pagrįstų produktų duomenų valdymo (PDM) programinės įrangos sprendimus, skaičius 2021 m. Pradžioje padidėjo iki 73 dėl padidėjusio duomenų šaltinių įvairovės ir išankstinio mokymo modelių naudojimo, taip pat plačiai pritaikant duomenų patobulinimo technologijas.
2 faktorius: AI sprendimų plėtra ir priežiūra yra supaprastinta
Automatizuotas mašinų mokymasis („Automl“) tampa standartiniu produktu.
Dėl užduočių, susijusių su mašinų mokymuisi (ML), sudėtingumo, spartus mašinų mokymosi programų augimas sukėlė poreikį naudoti mašinų mokymosi metodus, kurie gali būti naudojami be kompetencijos. Gautas tyrimų laukas, progresyvus mašinų mokymosi automatizavimas, vadinamas automatiniu. Daugybė įmonių pasitelkia šią technologiją kaip dalį savo AI pasiūlos, kad padėtų klientams sukurti ML modelius ir greičiau įgyvendinti pramoninio naudojimo atvejus. Pavyzdžiui, 2020 m. Lapkričio mėn. „SKF“ paskelbė apie automatinį produktą, kuriame derinami mašinų proceso duomenys su vibracijos ir temperatūros duomenimis, kad sumažintų išlaidas ir įgalintų naujus verslo modelius klientams.
Mašinų mokymosi operacijos (ML OPS) supaprastina modelio valdymą ir priežiūrą.
Nauja mašininio mokymosi operacijų disciplina siekiama supaprastinti AI modelių priežiūrą gamybos aplinkoje. AI modelio našumas paprastai blogėja laikui bėgant, nes tai turi įtakos keli augalo veiksniai (pavyzdžiui, duomenų pasiskirstymo ir kokybės standartų pokyčiai). Dėl to prireikė modelio priežiūros ir mašininio mokymosi operacijų, kad būtų patenkinti aukštos kokybės pramoninės aplinkos reikalavimai (pavyzdžiui, modeliai, kurių našumas mažesnis nei 99%, gali nenustatyti elgesio, kuris kelia pavojų darbuotojų saugumui).
Pastaraisiais metais daugelis startuolių prisijungė prie „ML OPS“ erdvės, įskaitant „Datarobot“, „Grid.AI“, „Pinecone“/„Zilliz“, „Seldon“ ir „Svorių ir šališkumo“. Įstatytos įmonės įtraukė mašininio mokymosi operacijas į savo esamus AI programinės įrangos pasiūlymus, įskaitant „Microsoft“, kuri pristatė duomenų dreifo aptikimą „Azure ML Studio“. Ši nauja funkcija suteikia vartotojams galimybę nustatyti įvesties duomenų, kurie pablogina modelio našumą, paskirstymo pokyčius.
3 faktorius: dirbtinis intelektas, taikomas esamoms programoms ir naudojimo atvejams
Tradiciniai programinės įrangos tiekėjai prideda AI galimybes.
Be esamų didelių horizontalių AI programinės įrangos įrankių, tokių kaip „MS Azure ML“, „AWS Sagemaker“ ir „Google Cloud Vertex AI“, tradiciniai programinės įrangos rinkiniai, tokie kaip kompiuterizuotos priežiūros valdymo sistemos (CAMM), gamybos vykdymo sistemos (MES) arba įmonės išteklių planavimas (ERP), dabar galima žymiai pagerinti injekcijos AI galimybes. Pavyzdžiui, ERP teikėjo „Epicor“ programinė įranga prideda AI galimybes prie savo esamų produktų per savo „Epicor“ virtualų asistentą (EVA). Pažangūs EVA agentai yra naudojami automatizuoti ERP procesus, tokius kaip gamybos operacijų pakeitimas ar paprastų užklausų atlikimas (pavyzdžiui, gauti išsamią informaciją apie produkto kainodarą ar turimų dalių skaičių).
Pramoninio naudojimo atvejai atnaujinami naudojant AIOT.
Pridedant AI galimybes prie esamos aparatūros/programinės įrangos infrastruktūros pridedami keli pramoninio naudojimo atvejai. Ryškus pavyzdys yra mašinos vizija, veikianti kokybės kontrolės programas. Tradiciniai mašinų matymo sistemos Apdorokite vaizdus per integruotus ar atskirtus kompiuterius, turinčius specializuotą programinę įrangą, kurioje įvertinami iš anksto nustatyti parametrai ir slenksčiai (pvz., Didelis kontrastas), siekiant nustatyti, ar objektai turi defektų. Daugeliu atvejų (pavyzdžiui, elektroniniai komponentai su skirtingomis laidų formomis) klaidingų teigiamų dalykų skaičius yra labai didelis.
Tačiau šios sistemos yra atgaivinamos per dirbtinį intelektą. Pavyzdžiui, pramoninio mašinų matymo teikėjas „Cognex“ 2021 m. Liepos mėn. Išleido naują giluminio mokymosi įrankį („Vision Pro Deep Learning 2.0“). Nauji įrankiai integruojami su tradicinėmis „Vision“ sistemomis, leidžiančiomis galutiniams vartotojams derinti gilų mokymąsi su tradiciniais regėjimo įrankiais toje pačioje programoje, kad atitiktų reiklią medicininę ir elektroninę aplinką, kuriai reikia tiksliai išmatuoti įbrėžimus, užteršimą ir kitus defektus.
4 faktorius: patobulinta pramoninė AIOT aparatinė įranga
PG lustai greitai tobulėja.
Įterptosios aparatinės įrangos AI lustai sparčiai auga, nes yra įvairių variantų, skirtų paremti AI modelių kūrimą ir diegimą. Pavyzdžiai yra naujausi NVIDIA grafikos apdorojimo įrenginiai (GPU), A30 ir A10, kurie buvo įvesti 2021 m. Kovo mėn. Ir yra tinkami AI naudojimo atvejams, tokiems kaip rekomendacijų sistemos ir kompiuterinės matymo sistemos. Kitas pavyzdys yra „Google“ ketvirtosios kartos tensorių apdorojimo įrenginiai (TPU), kurie yra galingi specialios paskirties integruotos grandinės (ASIC), kurios gali pasiekti iki 1000 kartų didesnį efektyvumą ir greitį kuriant ir diegant konkrečius AI darbo krūvius (pvz. Naudojant specialią AI aparatinę įrangą, modelio skaičiavimo laikas sumažina skaičiavimo laiką nuo dienų iki minučių ir daugeliu atvejų pasirodė esąs žaidimų keitiklis.
Galingą AI aparatinę įrangą iškart galima įsigyti naudojant mokamo už naudojimo modelį.
„SuperScale Enterprises“ nuolat tobulina savo serverius, kad skaičiavimo ištekliai būtų prieinami debesyje, kad galutiniai vartotojai galėtų įdiegti pramonines AI programas. Pavyzdžiui, 2021 m. Lapkričio mėn. AWS paskelbė oficialiai išleisti savo naujausius GPU pagrįstus egzempliorius „Amazon EC2 G5“, maitinamą „NVIDIA A10G Tensor Core GPU“, įvairioms ML programoms, įskaitant kompiuterinį matymą ir rekomendacinius variklius. Pavyzdžiui, aptikimo sistemų teikėjas „Nanotronics“ naudoja „Amazon EC2“ savo AI pagrįsto kokybės kontrolės sprendimo pavyzdžius, kad pagreitintų apdorojimo pastangas ir pasiektų tikslesnius aptikimo greičius gaminant mikroschemas ir nanovamzdelius.
Išvada ir perspektyva
AI išeina iš gamyklos ir bus visur paplitusi naujose programose, tokiose kaip AI pagrįstas PDM, ir kaip esamos programinės įrangos ir naudojimo atvejų patobulinimai. Didelės įmonės išskiria keletą AI naudojimo atvejų ir praneša apie sėkmę, o dauguma projektų turi didelę investicijų grąžą. Apskritai, debesies kilimas, IoT platformos ir galingos AI mikroschemos suteikia naujos kartos programinės įrangos ir optimizavimo platformą.
Pašto laikas: 2012 m. Sausio 12 d