Σύμφωνα με την Έκθεση Αγοράς Βιομηχανικής Τεχνητής Νοημοσύνης και ΤΝ 2021-2026 που κυκλοφόρησε πρόσφατα, το ποσοστό υιοθέτησης της τεχνητής νοημοσύνης σε βιομηχανικές ρυθμίσεις αυξήθηκε από 19 τοις εκατό σε 31 τοις εκατό σε λίγο περισσότερο από δύο χρόνια. Εκτός από το 31 τοις εκατό των ερωτηθέντων που έχουν αναπτύξει πλήρως ή εν μέρει την τεχνητή νοημοσύνη στις δραστηριότητές τους, ένα άλλο 39 τοις εκατό δοκιμάζει ή πιλοτικά την τεχνολογία.
Η τεχνητή νοημοσύνη αναδύεται ως βασική τεχνολογία για κατασκευαστές και εταιρείες ενέργειας παγκοσμίως και η ανάλυση του IoT προβλέπει ότι η αγορά βιομηχανικών λύσεων τεχνητής νοημοσύνης θα παρουσιάσει ισχυρό ετήσιο ρυθμό ανάπτυξης μετά την πανδημία (CAGR) 35% για να φτάσει τα 102,17 δισεκατομμύρια δολάρια έως το 2026.
Η ψηφιακή εποχή έχει γεννήσει το Διαδίκτυο των Πραγμάτων. Μπορεί να φανεί ότι η εμφάνιση της τεχνητής νοημοσύνης έχει επιταχύνει τον ρυθμό ανάπτυξης του Διαδικτύου των Πραγμάτων.
Ας ρίξουμε μια ματιά σε μερικούς από τους παράγοντες που οδηγούν στην άνοδο του βιομηχανικού AI και του AIoT.
Παράγοντας 1: Όλο και περισσότερα εργαλεία λογισμικού για βιομηχανικό AIoT
Το 2019, όταν τα αναλυτικά στοιχεία της Iot άρχισαν να καλύπτουν τη βιομηχανική τεχνητή νοημοσύνη, υπήρχαν λίγα αποκλειστικά προϊόντα λογισμικού τεχνητής νοημοσύνης από προμηθευτές επιχειρησιακής τεχνολογίας (OT). Έκτοτε, πολλοί προμηθευτές τεχνητής νοημοσύνης έχουν εισέλθει στην αγορά τεχνητής νοημοσύνης αναπτύσσοντας και παρέχοντας λύσεις λογισμικού τεχνητής νοημοσύνης με τη μορφή πλατφορμών τεχνητής νοημοσύνης για το εργοστάσιο.
Σύμφωνα με στοιχεία, σχεδόν 400 προμηθευτές προσφέρουν λογισμικό AIoT. Ο αριθμός των προμηθευτών λογισμικού που εντάσσονται στην αγορά της βιομηχανικής τεχνητής νοημοσύνης έχει αυξηθεί δραματικά τα τελευταία δύο χρόνια. Κατά τη διάρκεια της μελέτης, το IoT Analytics εντόπισε 634 προμηθευτές τεχνολογίας AI σε κατασκευαστές/βιομηχανικούς πελάτες. Από αυτές τις εταιρείες, 389 (61,4%) προσφέρουν λογισμικό τεχνητής νοημοσύνης.
Η νέα πλατφόρμα λογισμικού AI εστιάζει σε βιομηχανικά περιβάλλοντα. Πέρα από το Uptake, το Braincube ή το C3 AI, ένας αυξανόμενος αριθμός προμηθευτών επιχειρησιακής τεχνολογίας (OT) προσφέρουν αποκλειστικές πλατφόρμες λογισμικού AI. Παραδείγματα περιλαμβάνουν τη σουίτα Genix Industrial analytics και AI της ABB, τη σουίτα FactoryTalk Innovation της Rockwell Automation, την κατασκευαστική συμβουλευτική πλατφόρμα της Schneider Electric και πιο πρόσφατα συγκεκριμένα πρόσθετα. Ορισμένες από αυτές τις πλατφόρμες στοχεύουν σε ένα ευρύ φάσμα περιπτώσεων χρήσης. Για παράδειγμα, η πλατφόρμα Genix της ABB παρέχει προηγμένα αναλυτικά στοιχεία, συμπεριλαμβανομένων προκατασκευασμένων εφαρμογών και υπηρεσιών για διαχείριση λειτουργικής απόδοσης, ακεραιότητα περιουσιακών στοιχείων, βιωσιμότητα και αποτελεσματικότητα της εφοδιαστικής αλυσίδας.
Μεγάλες εταιρείες βάζουν τα εργαλεία λογισμικού AI τους στην αγορά.
Η διαθεσιμότητα των εργαλείων λογισμικού AI καθοδηγείται επίσης από νέα ειδικά εργαλεία λογισμικού που έχουν αναπτυχθεί από την AWS, μεγάλες εταιρείες όπως η Microsoft και η Google. Για παράδειγμα, τον Δεκέμβριο του 2020, η AWS κυκλοφόρησε το Amazon SageMaker JumpStart, μια δυνατότητα του Amazon SageMaker που παρέχει ένα σύνολο προκατασκευασμένων και προσαρμόσιμων λύσεων για τις πιο συνηθισμένες περιπτώσεις βιομηχανικής χρήσης, όπως PdM, όραση υπολογιστή και αυτόνομη οδήγηση, Deploy with μόνο μερικά κλικ.
Λύσεις λογισμικού για συγκεκριμένες περιπτώσεις χρήσης οδηγούν σε βελτιώσεις στη χρηστικότητα.
Οι σουίτες λογισμικού για συγκεκριμένες περιπτώσεις χρήσης, όπως αυτές που επικεντρώνονται στην προγνωστική συντήρηση, γίνονται όλο και πιο κοινές. Το IoT Analytics παρατήρησε ότι ο αριθμός των παρόχων που χρησιμοποιούν λύσεις λογισμικού διαχείρισης δεδομένων προϊόντων (PdM) που βασίζονται σε τεχνητή νοημοσύνη αυξήθηκε σε 73 στις αρχές του 2021 λόγω της αύξησης της ποικιλίας των πηγών δεδομένων και της χρήσης μοντέλων προεκπαίδευσης, καθώς και της ευρείας διάδοσης υιοθέτηση τεχνολογιών βελτίωσης δεδομένων.
Παράγοντας 2: Η ανάπτυξη και η συντήρηση λύσεων τεχνητής νοημοσύνης απλοποιούνται
Η αυτοματοποιημένη μηχανική εκμάθηση (AutoML) γίνεται ένα τυπικό προϊόν.
Λόγω της πολυπλοκότητας των εργασιών που σχετίζονται με τη μηχανική μάθηση (ML), η ταχεία ανάπτυξη των εφαρμογών μηχανικής εκμάθησης έχει δημιουργήσει την ανάγκη για μη γνωστές μεθόδους μηχανικής μάθησης που μπορούν να χρησιμοποιηθούν χωρίς εξειδίκευση. Το πεδίο έρευνας που προκύπτει, η προοδευτική αυτοματοποίηση για τη μηχανική μάθηση, ονομάζεται AutoML. Διάφορες εταιρείες αξιοποιούν αυτήν την τεχνολογία ως μέρος των προσφορών τους AI για να βοηθήσουν τους πελάτες να αναπτύξουν μοντέλα ML και να εφαρμόσουν γρηγορότερα περιπτώσεις βιομηχανικής χρήσης. Τον Νοέμβριο του 2020, για παράδειγμα, η SKF ανακοίνωσε ένα προϊόν που βασίζεται σε automL που συνδυάζει δεδομένα διεργασιών μηχανής με δεδομένα δόνησης και θερμοκρασίας για να μειώσει το κόστος και να ενεργοποιήσει νέα επιχειρηματικά μοντέλα για τους πελάτες.
Οι λειτουργίες μηχανικής εκμάθησης (ML Ops) απλοποιούν τη διαχείριση και τη συντήρηση του μοντέλου.
Ο νέος κλάδος των λειτουργιών μηχανικής μάθησης στοχεύει στην απλοποίηση της συντήρησης μοντέλων τεχνητής νοημοσύνης σε περιβάλλοντα παραγωγής. Η απόδοση ενός μοντέλου τεχνητής νοημοσύνης συνήθως υποβαθμίζεται με την πάροδο του χρόνου καθώς επηρεάζεται από διάφορους παράγοντες εντός του εργοστασίου (για παράδειγμα, αλλαγές στη διανομή δεδομένων και στα πρότυπα ποιότητας). Ως αποτέλεσμα, η συντήρηση μοντέλων και οι λειτουργίες μηχανικής εκμάθησης κατέστησαν απαραίτητες για την κάλυψη των απαιτήσεων υψηλής ποιότητας των βιομηχανικών περιβαλλόντων (για παράδειγμα, μοντέλα με απόδοση κάτω του 99% ενδέχεται να μην καταφέρουν να εντοπίσουν συμπεριφορά που θέτει σε κίνδυνο την ασφάλεια των εργαζομένων).
Τα τελευταία χρόνια, πολλές startups έχουν ενταχθεί στον χώρο του ML Ops, συμπεριλαμβανομένων των DataRobot, Grid.AI, Pinecone/Zilliz, Seldon και Weights & Biases. Καθιερωμένες εταιρείες έχουν προσθέσει λειτουργίες μηχανικής εκμάθησης στις υπάρχουσες προσφορές λογισμικού AI, συμπεριλαμβανομένης της Microsoft, η οποία εισήγαγε την ανίχνευση μετατόπισης δεδομένων στο Azure ML Studio. Αυτή η νέα δυνατότητα επιτρέπει στους χρήστες να εντοπίζουν αλλαγές στην κατανομή των δεδομένων εισόδου που υποβαθμίζουν την απόδοση του μοντέλου.
Παράγοντας 3: Τεχνητή νοημοσύνη που εφαρμόζεται σε υπάρχουσες εφαρμογές και περιπτώσεις χρήσης
Οι παραδοσιακοί πάροχοι λογισμικού προσθέτουν δυνατότητες AI.
Εκτός από τα υπάρχοντα μεγάλα οριζόντια εργαλεία λογισμικού τεχνητής νοημοσύνης όπως τα MS Azure ML, AWS SageMaker και Google Cloud Vertex AI, παραδοσιακές σουίτες λογισμικού όπως Computerized Maintenance Management Systems (CAMMS), Manufacturing Execution Systems (MES) ή Enterprise Resource Planning (ERP) μπορεί τώρα να βελτιωθεί σημαντικά με την ένεση δυνατοτήτων AI. Για παράδειγμα, ο πάροχος ERP Epicor Software προσθέτει δυνατότητες AI στα υπάρχοντα προϊόντα του μέσω του Epicor Virtual Assistant (EVA). Οι έξυπνοι πράκτορες EVA χρησιμοποιούνται για την αυτοματοποίηση των διαδικασιών ERP, όπως ο επαναπρογραμματισμός εργασιών κατασκευής ή η εκτέλεση απλών ερωτημάτων (για παράδειγμα, η απόκτηση λεπτομερειών σχετικά με την τιμολόγηση του προϊόντος ή τον αριθμό των διαθέσιμων ανταλλακτικών).
Οι περιπτώσεις βιομηχανικής χρήσης αναβαθμίζονται με τη χρήση AIoT.
Αρκετές περιπτώσεις βιομηχανικής χρήσης ενισχύονται με την προσθήκη δυνατοτήτων AI στην υπάρχουσα υποδομή υλικού/λογισμικού. Ένα ζωντανό παράδειγμα είναι η μηχανική όραση σε εφαρμογές ποιοτικού ελέγχου. Τα παραδοσιακά συστήματα μηχανικής όρασης επεξεργάζονται εικόνες μέσω ενσωματωμένων ή διακριτών υπολογιστών εξοπλισμένων με εξειδικευμένο λογισμικό που αξιολογεί προκαθορισμένες παραμέτρους και όρια (π.χ. υψηλή αντίθεση) για να προσδιορίσει εάν τα αντικείμενα παρουσιάζουν ελαττώματα. Σε πολλές περιπτώσεις (για παράδειγμα, ηλεκτρονικά εξαρτήματα με διαφορετικά σχήματα καλωδίωσης), ο αριθμός των ψευδώς θετικών είναι πολύ υψηλός.
Ωστόσο, αυτά τα συστήματα αναβιώνουν μέσω της τεχνητής νοημοσύνης. Για παράδειγμα, ο πάροχος Vision βιομηχανικών μηχανών Cognex κυκλοφόρησε ένα νέο εργαλείο Deep Learning (Vision Pro Deep Learning 2.0) τον Ιούλιο του 2021. Τα νέα εργαλεία ενσωματώνονται με παραδοσιακά συστήματα όρασης, επιτρέποντας στους τελικούς χρήστες να συνδυάζουν τη βαθιά μάθηση με παραδοσιακά εργαλεία όρασης στην ίδια εφαρμογή ανταποκρίνεται σε απαιτητικά ιατρικά και ηλεκτρονικά περιβάλλοντα που απαιτούν ακριβή μέτρηση γρατσουνιών, μόλυνσης και άλλων ελαττωμάτων.
Παράγοντας 4: Βελτιώνεται το βιομηχανικό υλικό AIoT
Τα τσιπ AI βελτιώνονται γρήγορα.
Τα ενσωματωμένα τσιπ τεχνητής νοημοσύνης υλικού αναπτύσσονται με ταχείς ρυθμούς, με μια ποικιλία διαθέσιμων επιλογών για την υποστήριξη της ανάπτυξης και της ανάπτυξης μοντέλων τεχνητής νοημοσύνης. Στα παραδείγματα περιλαμβάνονται οι πιο πρόσφατες μονάδες επεξεργασίας γραφικών της NVIDIA (Gpus), οι A30 και A10, οι οποίες παρουσιάστηκαν τον Μάρτιο του 2021 και είναι κατάλληλες για περιπτώσεις χρήσης τεχνητής νοημοσύνης, όπως συστήματα συστάσεων και συστήματα όρασης υπολογιστή. Ένα άλλο παράδειγμα είναι οι τέταρτης γενιάς Tensors Processing Units (TPus) της Google, οι οποίες είναι ισχυρά ολοκληρωμένα κυκλώματα ειδικού σκοπού (ASics) που μπορούν να επιτύχουν έως και 1.000 φορές μεγαλύτερη απόδοση και ταχύτητα στην ανάπτυξη και ανάπτυξη μοντέλων για συγκεκριμένους φόρτους εργασίας AI (π.χ. ανίχνευση αντικειμένων , ταξινόμηση εικόνων και σημεία αναφοράς συστάσεων). Η χρήση αποκλειστικού υλικού AI μειώνει τον χρόνο υπολογισμού του μοντέλου από ημέρες σε λεπτά και έχει αποδειχθεί ότι αλλάζει το παιχνίδι σε πολλές περιπτώσεις.
Ισχυρό υλικό AI είναι άμεσα διαθέσιμο μέσω ενός μοντέλου πληρωμής ανά χρήση.
Οι επιχειρήσεις Superscale αναβαθμίζουν συνεχώς τους διακομιστές τους για να κάνουν διαθέσιμους υπολογιστικούς πόρους στο cloud, ώστε οι τελικοί χρήστες να μπορούν να εφαρμόσουν βιομηχανικές εφαρμογές AI. Τον Νοέμβριο του 2021, για παράδειγμα, η AWS ανακοίνωσε την επίσημη κυκλοφορία των τελευταίων παρουσιών της που βασίζονται σε GPU, του Amazon EC2 G5, που τροφοδοτείται από την NVIDIA A10G Tensor Core GPU, για μια ποικιλία εφαρμογών ML, συμπεριλαμβανομένων των μηχανών όρασης υπολογιστών και συστάσεων. Για παράδειγμα, ο πάροχος συστημάτων ανίχνευσης Nanotronics χρησιμοποιεί παραδείγματα Amazon EC2 της λύσης ποιοτικού ελέγχου που βασίζεται σε AI για να επιταχύνει τις προσπάθειες επεξεργασίας και να επιτύχει ακριβέστερα ποσοστά ανίχνευσης στην κατασκευή μικροτσίπ και νανοσωλήνων.
Συμπέρασμα και Προοπτική
Το AI βγαίνει από το εργοστάσιο και θα είναι πανταχού παρόν σε νέες εφαρμογές, όπως το PdM που βασίζεται σε AI, και ως βελτιώσεις σε υπάρχον λογισμικό και περιπτώσεις χρήσης. Οι μεγάλες επιχειρήσεις παρουσιάζουν αρκετές περιπτώσεις χρήσης τεχνητής νοημοσύνης και αναφέρουν επιτυχία, και τα περισσότερα έργα έχουν υψηλή απόδοση επένδυσης. Συνολικά, η άνοδος του cloud, των πλατφορμών iot και των ισχυρών τσιπ τεχνητής νοημοσύνης παρέχει μια πλατφόρμα για μια νέα γενιά λογισμικού και βελτιστοποίησης.
Ώρα δημοσίευσης: Ιαν-12-2022