Σύμφωνα με την πρόσφατα δημοσιευμένη βιομηχανική έκθεση AI και AI Market 2021-2026, το ποσοστό υιοθεσίας του AI σε βιομηχανικά περιβάλλοντα αυξήθηκε από 19 % σε 31 % σε λίγο περισσότερο από δύο χρόνια. Εκτός από το 31 % των ερωτηθέντων, οι οποίοι έχουν ολοκληρωθεί πλήρως ή εν μέρει στην AI στις δραστηριότητές τους, άλλα 39 % δοκιμάζουν ή δοκιμάζουν την τεχνολογία.
Η AI αναδύεται ως βασική τεχνολογία για τους κατασκευαστές και τις ενεργειακές εταιρείες παγκοσμίως και η ανάλυση του IoT προβλέπει ότι η βιομηχανική αγορά λύσεων AI θα παρουσιάσει έναν ισχυρό ετήσιο ρυθμό ανάπτυξης μετά την παράσταση (CAGR) κατά 35% για να φθάσει τα 102,17 δισεκατομμύρια δολάρια μέχρι το 2026.
Η ψηφιακή εποχή έχει γεννήσει το Διαδίκτυο των πραγμάτων. Μπορεί να φανεί ότι η εμφάνιση της τεχνητής νοημοσύνης έχει επιταχύνει το ρυθμό της 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 το Industrial AIOT
Το 2019, όταν τα αναλυτικά στοιχεία του IoT άρχισαν να καλύπτουν τη βιομηχανική AI, υπήρχαν λίγα αφιερωμένα προϊόντα λογισμικού AI από τους προμηθευτές επιχειρησιακής τεχνολογίας (OT). Από τότε, πολλοί πωλητές OT εισήλθαν στην αγορά AI αναπτύσσοντας και παρέχοντας λύσεις λογισμικού AI με τη μορφή πλατφορμών AI για το εργοστάσιο.
Σύμφωνα με τα στοιχεία, περίπου 400 προμηθευτές προσφέρουν λογισμικό AIOT. Ο αριθμός των πωλητών λογισμικού που συμμετέχουν στη βιομηχανική αγορά AI έχει αυξηθεί δραματικά τα τελευταία δύο χρόνια. Κατά τη διάρκεια της μελέτης, τα αναλυτικά στοιχεία του IoT εντόπισαν 634 προμηθευτές τεχνολογίας AI σε κατασκευαστές/βιομηχανικούς πελάτες. Από αυτές τις εταιρείες, 389 (61,4%) προσφέρουν λογισμικό AI.
Η νέα πλατφόρμα λογισμικού AI επικεντρώνεται σε βιομηχανικά περιβάλλοντα. Πέρα από την πρόσληψη, το Braincube, ή το C3 AI, ένας αυξανόμενος αριθμός επιχειρησιακών τεχνολογιών (OT) πωλητές προσφέρουν αφιερωμένες πλατφόρμες λογισμικού AI. Παραδείγματα περιλαμβάνουν τη Genix Industrial Analytics της ABB και την AI Suite, την Suite Innovation Innovation της Rockwell Automation, την πλατφόρμα συμβούλων κατασκευής 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 προηγμένες αναλύσεις, συμπεριλαμβανομένων των προ-κατασκευασμένων εφαρμογών και υπηρεσιών για τη λειτουργική διαχείριση των επιδόσεων, την ακεραιότητα των περιουσιακών στοιχείων, τη βιωσιμότητα και την αποτελεσματικότητα της αλυσίδας εφοδιασμού.
Οι μεγάλες εταιρείες βάζουν τα εργαλεία λογισμικού AI στο κατάστημα.
Η διαθεσιμότητα των εργαλείων λογισμικού AI καθοδηγείται επίσης από νέα εργαλεία λογισμικού ειδικών χρήσης που αναπτύχθηκαν από την AWS, μεγάλες εταιρείες όπως η Microsoft και η Google. Για παράδειγμα, τον Δεκέμβριο του 2020, η AWS κυκλοφόρησε το Amazon Sagemaker Jumpstart, ένα χαρακτηριστικό του Amazon Sagemaker που παρέχει ένα σύνολο προ-κατασκευασμένων και προσαρμόσιμων λύσεων για τις πιο κοινές περιπτώσεις βιομηχανικής χρήσης, όπως PDM, Vision και αυτόνομη οδήγηση, αναπτύσσουν με λίγα μόνο κλικ.
Οι λύσεις λογισμικού που σχετίζονται με τη χρήση της χρήσης οδηγούν σε βελτιώσεις χρηστικότητας.
Οι ειδικές για τη χρήση της χρήσης σουίτες λογισμικού, όπως εκείνες που επικεντρώνονται στην προγνωστική συντήρηση, γίνονται όλο και πιο συνηθισμένες. Τα αναλυτικά στοιχεία του IoT παρατηρήθηκαν ότι ο αριθμός των παρόχων που χρησιμοποιούν λύσεις λογισμικού διαχείρισης δεδομένων (PDM) που βασίζονται σε AI αυξήθηκε στις αρχές του 2021 λόγω της αύξησης της ποικιλίας των πηγών δεδομένων και της χρήσης μοντέλων πριν από την κατάρτιση, καθώς και της ευρείας υιοθέτησης τεχνολογιών βελτίωσης των δεδομένων.
Παράγοντας 2: Η ανάπτυξη και διατήρηση των λύσεων AI απλοποιείται
Η αυτοματοποιημένη μηχανική μάθηση (AutomerL) γίνεται ένα τυποποιημένο προϊόν.
Λόγω της πολυπλοκότητας των καθηκόντων που σχετίζονται με την μηχανική μάθηση (ML), η ταχεία ανάπτυξη εφαρμογών μηχανικής μάθησης δημιούργησε την ανάγκη για μεθόδους μηχανικής μάθησης εκτός του ραφιού που μπορούν να χρησιμοποιηθούν χωρίς εμπειρογνωμοσύνη. Το πεδίο έρευνας που προκύπτει, προοδευτική αυτοματοποίηση για μηχανική μάθηση, ονομάζεται Automl. Μια ποικιλία εταιρειών αξιοποιούν αυτήν την τεχνολογία ως μέρος των προσφορών τους AI για να βοηθήσουν τους πελάτες να αναπτύξουν μοντέλα ML και να εφαρμόσουν ταχύτερα περιπτώσεις βιομηχανικής χρήσης. Τον Νοέμβριο του 2020, για παράδειγμα, η SKF ανακοίνωσε ένα προϊόν που βασίζεται σε αυτόματο Automl που συνδυάζει τα δεδομένα της μηχανής με τα δεδομένα κραδασμών και θερμοκρασίας για να μειώσει το κόστος και να επιτρέψει νέα επιχειρηματικά μοντέλα για τους πελάτες.
Λειτουργίες εκμάθησης μηχανών (ML OPS) Απλοποιήστε τη διαχείριση και τη συντήρηση του μοντέλου.
Η νέα πειθαρχία των μηχανών μάθησης στοχεύει στην απλούστευση της διατήρησης των μοντέλων AI σε περιβάλλοντα κατασκευής. Η απόδοση ενός μοντέλου AI συνήθως υποβαθμίζεται με την πάροδο του χρόνου, καθώς επηρεάζεται από διάφορους παράγοντες εντός του εργοστασίου (για παράδειγμα, αλλαγές στην κατανομή δεδομένων και τα πρότυπα ποιότητας). Ως αποτέλεσμα, οι εργασίες συντήρησης μοντέλων και μηχανικής μάθησης έχουν καταστεί απαραίτητες για την ικανοποίηση των απαιτήσεων υψηλής ποιότητας των βιομηχανικών περιβαλλόντων (για παράδειγμα, τα μοντέλα με απόδοση κάτω από το 99% ενδέχεται να αποτύχουν να εντοπίσουν συμπεριφορά που θέτει σε κίνδυνο την ασφάλεια των εργαζομένων).
Τα τελευταία χρόνια, πολλές νεοσύστατες επιχειρήσεις έχουν προσχωρήσει στο χώρο ML OPS, συμπεριλαμβανομένων των Datarobot, Grid.AI, PineCone/Zilliz, Seldon και Weights & Biases. Οι καθιερωμένες εταιρείες έχουν προσθέσει λειτουργίες μηχανικής μάθησης στις υπάρχουσες προσφορές λογισμικού AI, συμπεριλαμβανομένης της Microsoft, οι οποίες εισήγαγαν την ανίχνευση παρασυρόμενων δεδομένων στο Azure ML Studio. Αυτή η νέα λειτουργία επιτρέπει στους χρήστες να ανιχνεύουν αλλαγές στη διανομή 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 AI όπως το MS Azure ML, το AWS Sagemaker και το Google Cloud Vertex AI, οι παραδοσιακές σουίτες λογισμικού, όπως τα συστήματα διαχείρισης μηχανογραφικών συντήρησης (CAMM), τα συστήματα εκτέλεσης (MES) ή ο σχεδιασμός των πόρων των επιχειρήσεων (ERP), μπορούν τώρα να βελτιωθούν σημαντικά με την εισβολή των δυνατοτήτων AI. Για παράδειγμα, το λογισμικό EPICOR του Provider ERP προσθέτει δυνατότητες AI στα υπάρχοντα προϊόντα του μέσω του Epicor Virtual Assistant (EVA). Οι έξυπνοι παράγοντες της EVA χρησιμοποιούνται για την αυτοματοποίηση των διαδικασιών ERP, όπως η αναδιάταξη των εργασιών παραγωγής ή η εκτέλεση απλών ερωτημάτων (για παράδειγμα, λαμβάνοντας λεπτομέρειες σχετικά με την τιμολόγηση των προϊόντων ή τον αριθμό των διαθέσιμων εξαρτημάτων).
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 όραση μηχανής σε εφαρμογές ελέγχου ποιότητας. Τα παραδοσιακά συστήματα μηχανής όρασης επεξεργάζονται εικόνες μέσω ολοκληρωμένων ή διακριτών υπολογιστών εξοπλισμένων με εξειδικευμένο λογισμικό που αξιολογεί προκαθορισμένες παραμέτρους και κατώτατα όρια (π.χ. υψηλή αντίθεση) για να προσδιοριστούν εάν τα αντικείμενα παρουσιάζουν ελαττώματα. Σε πολλές περιπτώσεις (για παράδειγμα, ηλεκτρονικά εξαρτήματα με διαφορετικά σχήματα καλωδίωσης), ο αριθμός των ψευδών θετικών είναι πολύ υψηλός.
Ωστόσο, αυτά τα συστήματα αναζωογονούνται μέσω της τεχνητής νοημοσύνης. Για παράδειγμα, ο πάροχος βιομηχανικής μηχανής Cognider κυκλοφόρησε ένα νέο εργαλείο βαθιάς μάθησης (Vision Pro Deep Learning 2.0) τον Ιούλιο του 2021.
Παράγοντας 4: Βιομηχανικό υλικό AIOT βελτιώνεται
Τα τσιπ AI βελτιώνονται γρήγορα.
Τα ενσωματωμένα τσιπ Hardware AI αυξάνονται γρήγορα, με μια ποικιλία επιλογών που διατίθενται για την υποστήριξη της ανάπτυξης και της ανάπτυξης μοντέλων AI. Παραδείγματα περιλαμβάνουν τις τελευταίες μονάδες επεξεργασίας γραφικών της NVIDIA (GPU), το A30 και το A10, οι οποίες εισήχθησαν τον Μάρτιο του 2021 και είναι κατάλληλα για περιπτώσεις χρήσης AI όπως συστήματα συστάσεων και συστήματα υπολογιστών. Ένα άλλο παράδειγμα είναι οι μονάδες επεξεργασίας τανυστήρων τέταρτης γενιάς της Google (TPUs), οι οποίες είναι ισχυρά ολοκληρωμένα κυκλώματα ειδικού σκοπού (ASICS) που μπορούν να επιτύχουν έως και 1.000 φορές μεγαλύτερη αποτελεσματικότητα και ταχύτητα στην ανάπτυξη και την ανάπτυξη μοντέλων για συγκεκριμένο φόρτο εργασίας AI (π.χ. ανίχνευση αντικειμένων, ταξινόμηση εικόνων και συστάσεις συστάσεων). Η χρήση του ειδικού υλικού AI μειώνει τον χρόνο υπολογισμού του μοντέλου από ημέρες σε λεπτά και έχει αποδειχθεί ότι είναι ένας παίκτης αλλαγής παιχνιδιών σε πολλές περιπτώσεις.
Το ισχυρό υλικό AI είναι άμεσα διαθέσιμο μέσω ενός μοντέλου πληρωμής ανά χρήση.
Οι επιχειρήσεις Superscale αναβαθμίζουν συνεχώς τους διακομιστές τους για να διαθέσουν υπολογιστικούς πόρους στο σύννεφο, ώστε οι τελικοί χρήστες να μπορούν να εφαρμόσουν βιομηχανικές εφαρμογές AI. Τον Νοέμβριο του 2021, για παράδειγμα, η AWS ανακοίνωσε την επίσημη απελευθέρωση των τελευταίων περιπτώσεων που βασίζονται σε GPU, Amazon EC2 G5, που τροφοδοτείται από την GPU Tensor Core NVIDIA A10G, για μια ποικιλία εφαρμογών ML, συμπεριλαμβανομένων των μηχανών Computer Vision και σύστασης. Για παράδειγμα, η NanoTronics των συστημάτων ανίχνευσης χρησιμοποιεί παραδείγματα της λύσης ποιοτικού ελέγχου που βασίζεται στην ΑΙ για την επιτάχυνση των προσπαθειών επεξεργασίας και την επίτευξη ακριβέστερων ποσοστών ανίχνευσης στην κατασκευή μικροτσίπ και νανοσωλήνων.
Συμπέρασμα και προοπτική
Το AI βγαίνει από το εργοστάσιο και θα είναι πανταχού παρούσα σε νέες εφαρμογές, όπως το PDM με βάση το AI, και ως βελτιώσεις σε υπάρχοντα λογισμικό και χρησιμοποιώντας περιπτώσεις. Οι μεγάλες επιχειρήσεις κυκλοφορούν αρκετές περιπτώσεις χρήσης AI και επιτυχία αναφοράς και τα περισσότερα έργα έχουν υψηλή απόδοση επένδυσης. Συνολικά, η άνοδος του σύννεφου, οι πλατφόρμες IoT και τα ισχυρά τσιπ AI παρέχουν μια πλατφόρμα για μια νέα γενιά λογισμικού και βελτιστοποίησης.
Χρόνος δημοσίευσης: Ιαν-12-2022