Menurut Laporan Pasaran AI Perindustrian dan AI 2021-2026 yang dikeluarkan baru-baru ini, kadar penggunaan AI dalam Tetapan perindustrian meningkat daripada 19 peratus kepada 31 peratus dalam tempoh lebih dua tahun. Selain 31 peratus responden yang telah melancarkan AI sepenuhnya atau sebahagiannya dalam operasi mereka, 39 peratus lagi sedang menguji atau merintis teknologi tersebut.
AI sedang muncul sebagai teknologi utama untuk pengeluar dan syarikat tenaga di seluruh dunia, dan analisis IoT meramalkan bahawa pasaran penyelesaian AI perindustrian akan menunjukkan kadar pertumbuhan tahunan kompaun pasca pandemik (CAGR) yang kukuh sebanyak 35% untuk mencapai $102.17 bilion menjelang 2026.
Era digital telah melahirkan Internet of Things. Dapat dilihat bahawa kemunculan kecerdasan buatan telah mempercepatkan perkembangan Internet of Things.
Mari kita lihat beberapa faktor yang mendorong kebangkitan AI dan AIoT perindustrian.
Faktor 1: Semakin banyak alatan perisian untuk AIoT perindustrian
Pada tahun 2019, apabila analitik IoT mula meliputi AI perindustrian, terdapat beberapa produk perisian AI khusus daripada vendor teknologi operasi (OT). Sejak itu, banyak vendor OT telah memasuki pasaran AI dengan membangun dan menyediakan penyelesaian perisian AI dalam bentuk platform AI untuk lantai kilang.
Menurut data, hampir 400 vendor menawarkan perisian AIoT. Bilangan vendor perisian yang menyertai pasaran AI perindustrian telah meningkat secara mendadak dalam tempoh dua tahun yang lalu. Semasa kajian, IoT Analytics mengenal pasti 634 pembekal teknologi AI kepada pengeluar/pelanggan perindustrian. Daripada syarikat-syarikat ini, 389 (61.4%) menawarkan perisian AI.
Platform perisian AI baharu ini memberi tumpuan kepada persekitaran perindustrian. Selain Uptake, Braincube atau C3 AI, semakin ramai vendor teknologi operasi (OT) menawarkan platform perisian AI khusus. Contohnya termasuk analitik Genix Industrial dan suit AI ABB, suit FactoryTalk Innovation Rockwell Automation, platform perundingan pembuatan Schneider Electric sendiri dan baru-baru ini, tambahan khusus. Sebahagian daripada platform ini menyasarkan pelbagai kes penggunaan. Contohnya, platform Genix ABB menyediakan analitik lanjutan, termasuk aplikasi dan perkhidmatan prabina untuk pengurusan prestasi operasi, integriti aset, kemampanan dan kecekapan rantaian bekalan.
Syarikat-syarikat besar sedang meletakkan alatan perisian AI mereka di kedai.
Ketersediaan alatan perisian AI juga didorong oleh alatan perisian khusus kes penggunaan baharu yang dibangunkan oleh AWS, syarikat besar seperti Microsoft dan Google. Contohnya, pada Disember 2020, AWS mengeluarkan Amazon SageMaker JumpStart, satu ciri Amazon SageMaker yang menyediakan satu set penyelesaian prabina dan boleh disesuaikan untuk kes penggunaan perindustrian yang paling biasa, seperti PdM, visi komputer dan pemanduan autonomi, Deploy hanya dengan beberapa klik.
Penyelesaian perisian khusus kes penggunaan sedang memacu penambahbaikan kebolehgunaan.
Suit perisian khusus kes penggunaan, seperti yang tertumpu pada penyelenggaraan ramalan, semakin biasa. IoT Analytics memerhatikan bahawa bilangan penyedia yang menggunakan penyelesaian perisian pengurusan data produk (PdM) berasaskan AI meningkat kepada 73 pada awal tahun 2021 disebabkan oleh peningkatan dalam kepelbagaian sumber data dan penggunaan model pra-latihan, serta penggunaan teknologi peningkatan data yang meluas.
Faktor 2: Pembangunan dan penyelenggaraan penyelesaian AI sedang dipermudahkan
Pembelajaran mesin automatik (AutoML) semakin menjadi produk standard.
Disebabkan kerumitan tugasan yang berkaitan dengan pembelajaran mesin (ML), pertumbuhan pesat aplikasi pembelajaran mesin telah mewujudkan keperluan untuk kaedah pembelajaran mesin sedia ada yang boleh digunakan tanpa kepakaran. Bidang penyelidikan yang terhasil, automasi progresif untuk pembelajaran mesin, dipanggil AutoML. Pelbagai syarikat memanfaatkan teknologi ini sebagai sebahagian daripada tawaran AI mereka untuk membantu pelanggan membangunkan model ML dan melaksanakan kes penggunaan industri dengan lebih pantas. Pada November 2020, sebagai contoh, SKF mengumumkan produk berasaskan automL yang menggabungkan data proses mesin dengan data getaran dan suhu untuk mengurangkan kos dan membolehkan model perniagaan baharu untuk pelanggan.
Operasi pembelajaran mesin (ML Ops) memudahkan pengurusan dan penyelenggaraan model.
Disiplin baharu operasi pembelajaran mesin bertujuan untuk memudahkan penyelenggaraan model AI dalam persekitaran pembuatan. Prestasi model AI biasanya merosot dari semasa ke semasa kerana ia dipengaruhi oleh beberapa faktor dalam kilang (contohnya, perubahan dalam pengedaran data dan piawaian kualiti). Akibatnya, penyelenggaraan model dan operasi pembelajaran mesin menjadi perlu untuk memenuhi keperluan kualiti tinggi persekitaran perindustrian (contohnya, model dengan prestasi di bawah 99% Mungkin gagal mengenal pasti tingkah laku yang membahayakan keselamatan pekerja).
Dalam beberapa tahun kebelakangan ini, banyak syarikat baharu telah menyertai ruang ML Ops, termasuk DataRobot, Grid.AI, Pinecone/Zilliz, Seldon dan Weights & Biases. Syarikat-syarikat yang mantap telah menambah operasi pembelajaran mesin kepada tawaran perisian AI sedia ada mereka, termasuk Microsoft, yang memperkenalkan pengesanan hanyutan data dalam Azure ML Studio. Ciri baharu ini membolehkan pengguna mengesan perubahan dalam taburan data input yang menjejaskan prestasi model.
Faktor 3: Kecerdasan buatan yang digunakan pada aplikasi dan kes penggunaan sedia ada
Penyedia perisian tradisional sedang menambah keupayaan AI.
Selain alatan perisian AI mendatar besar sedia ada seperti MS Azure ML, AWS SageMaker dan Google Cloud Vertex AI, suit perisian tradisional seperti Sistem Pengurusan Penyelenggaraan Berkomputer (CAMMS), sistem pelaksanaan Pembuatan (MES) atau perancangan sumber perusahaan (ERP) kini boleh dipertingkatkan dengan ketara dengan menyuntik keupayaan AI. Contohnya, penyedia ERP Epicor Software menambah keupayaan AI pada produk sedia ada melalui Pembantu Maya Epicor (EVA). Ejen EVA pintar digunakan untuk mengautomasikan proses ERP, seperti penjadualan semula operasi pembuatan atau melakukan pertanyaan mudah (contohnya, mendapatkan butiran tentang harga produk atau bilangan bahagian yang tersedia).
Kes penggunaan industri sedang dinaik taraf dengan menggunakan AIoT.
Beberapa kes penggunaan perindustrian sedang dipertingkatkan dengan menambah keupayaan AI pada infrastruktur perkakasan/perisian sedia ada. Satu contoh yang jelas ialah penglihatan mesin dalam aplikasi kawalan kualiti. Sistem penglihatan mesin tradisional memproses imej melalui komputer bersepadu atau diskret yang dilengkapi dengan perisian khusus yang menilai parameter dan ambang yang telah ditentukan (contohnya, kontras tinggi) untuk menentukan sama ada objek menunjukkan kecacatan. Dalam banyak kes (contohnya, komponen elektronik dengan bentuk pendawaian yang berbeza), bilangan positif palsu adalah sangat tinggi.
Walau bagaimanapun, sistem ini dihidupkan semula melalui kecerdasan buatan. Contohnya, penyedia Vision mesin perindustrian Cognex mengeluarkan alat Pembelajaran Mendalam baharu (Vision Pro Deep Learning 2.0) pada Julai 2021. Alat baharu ini disepadukan dengan sistem penglihatan tradisional, membolehkan pengguna akhir menggabungkan pembelajaran mendalam dengan alat penglihatan tradisional dalam aplikasi yang sama untuk memenuhi persekitaran perubatan dan elektronik yang mencabar yang memerlukan pengukuran calar, pencemaran dan kecacatan lain yang tepat.
Faktor 4: Perkakasan AIoT perindustrian sedang dipertingkatkan
Cip AI semakin meningkat dengan pesat.
Cip AI perkakasan terbenam berkembang pesat, dengan pelbagai pilihan tersedia untuk menyokong pembangunan dan penggunaan model AI. Contohnya termasuk unit pemprosesan grafik (Gpus) terkini NVIDIA, A30 dan A10, yang diperkenalkan pada Mac 2021 dan sesuai untuk kes penggunaan AI seperti sistem cadangan dan sistem penglihatan komputer. Satu lagi contoh ialah Unit Pemprosesan Tensor (TPus) generasi keempat Google, yang merupakan litar bersepadu tujuan khas (ASics) yang berkuasa yang boleh mencapai sehingga 1,000 kali lebih cekap dan kelajuan dalam pembangunan dan penggunaan model untuk beban kerja AI tertentu (cth., pengesanan objek, pengelasan imej dan penanda aras cadangan). Menggunakan perkakasan AI khusus mengurangkan masa pengiraan model daripada hari kepada minit dan telah terbukti menjadi pengubah permainan dalam banyak kes.
Perkakasan AI yang berkuasa tersedia serta-merta melalui model bayar-setiap-guna.
Perusahaan Superscale sentiasa menaik taraf pelayan mereka untuk menyediakan sumber pengkomputeran di awan supaya pengguna akhir boleh melaksanakan aplikasi AI perindustrian. Pada November 2021, sebagai contoh, AWS mengumumkan pelancaran rasmi instans berasaskan GPU terkininya, Amazon EC2 G5, yang dikuasakan oleh GPU NVIDIA A10G Tensor Core, untuk pelbagai aplikasi ML, termasuk visi komputer dan enjin cadangan. Contohnya, penyedia sistem pengesanan Nanotronics menggunakan contoh Amazon EC2 bagi penyelesaian kawalan kualiti berasaskan AI untuk mempercepatkan usaha pemprosesan dan mencapai kadar pengesanan yang lebih tepat dalam pembuatan mikrocip dan nanotube.
Kesimpulan dan Prospek
AI akan muncul dari kilang, dan ia akan digunakan di mana-mana dalam aplikasi baharu, seperti PdM berasaskan AI, dan sebagai penambahbaikan kepada perisian dan kes penggunaan sedia ada. Perusahaan besar sedang melancarkan beberapa kes penggunaan AI dan melaporkan kejayaan, dan kebanyakan projek mempunyai pulangan pelaburan yang tinggi. Secara keseluruhannya, kebangkitan awan, platform IoT dan cip AI yang berkuasa menyediakan platform untuk generasi baharu perisian dan pengoptimuman.
Masa siaran: 12 Jan-2022