Menurut laporan industri AI dan AI yang baru dikeluarkan 2021-2026, kadar penggunaan AI dalam tetapan perindustrian meningkat dari 19 peratus kepada 31 peratus dalam masa lebih dari dua tahun. Sebagai tambahan kepada 31 peratus responden yang telah melancarkan AI sepenuhnya atau sebahagiannya dalam operasi mereka, 39 peratus lagi sedang menguji atau mengendalikan teknologi.
AI muncul sebagai teknologi utama bagi pengeluar dan syarikat tenaga di seluruh dunia, dan analisis IoT meramalkan bahawa pasaran penyelesaian AI industri akan menunjukkan kadar pertumbuhan tahunan kompaun pasca pandemik yang kukuh (CAGR) sebanyak 35% untuk mencapai $ 102.17 bilion menjelang 2026.
Umur digital telah melahirkan Internet of Things. Ia dapat dilihat bahawa kemunculan kecerdasan buatan telah mempercepatkan kadar perkembangan Internet Perkara.
Mari kita lihat beberapa faktor yang mendorong kebangkitan AI dan AIOT industri.
Faktor 1: Lebih banyak alat perisian untuk AIOT Perindustrian
Pada tahun 2019, ketika IoT Analytics mula meliputi perindustrian AI, terdapat beberapa produk perisian AI yang berdedikasi dari 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 industri telah meningkat secara dramatik 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 baru memberi tumpuan kepada persekitaran perindustrian. Di luar pengambilan, BrainCube, atau C3 AI, semakin ramai vendor teknologi operasi (OT) yang menawarkan platform perisian AI yang berdedikasi. Contohnya termasuk Genix Industrial Analytics ABB dan AI Suite, Suite Inovasi FactoryTalk Rockwell Automation, platform perundingan pembuatan sendiri Schneider Electric, dan lebih baru-baru ini, tambahan khusus. Sesetengah platform ini mensasarkan pelbagai kes penggunaan. Sebagai contoh, platform Genix ABB menyediakan analisis lanjutan, termasuk aplikasi dan perkhidmatan pra-dibina untuk pengurusan prestasi operasi, integriti aset, kemampanan dan kecekapan rantaian bekalan.
Syarikat -syarikat besar meletakkan alat perisian AI mereka di lantai kedai.
Ketersediaan alat perisian AI juga didorong oleh alat perisian khusus penggunaan baru yang dibangunkan oleh AWS, syarikat besar seperti Microsoft dan Google. Sebagai contoh, pada bulan Disember 2020, AWS mengeluarkan Amazon Sagemaker Jumpstart, ciri Amazon Sagemaker yang menyediakan satu set penyelesaian yang telah dibina dan disesuaikan untuk kes-kes penggunaan industri yang paling biasa, seperti PDM, penglihatan komputer, dan memandu autonomi, menggunakan hanya beberapa klik.
Penyelesaian perisian khusus menggunakan penambahbaikan kebolehgunaan.
Suite perisian khusus menggunakan kes-kes, seperti yang difokuskan pada penyelenggaraan ramalan, menjadi lebih biasa. Analytics IoT mendapati bahawa bilangan penyedia yang menggunakan penyelesaian perisian pengurusan data produk berasaskan AI (PDM) meningkat kepada 73 pada awal 2021 disebabkan peningkatan pelbagai sumber data dan penggunaan model pra-latihan, serta penggunaan teknologi peningkatan data yang meluas.
Faktor 2: Pembangunan dan penyelenggaraan penyelesaian AI dipermudahkan
Pembelajaran Mesin Automatik (AUTOML) menjadi produk standard.
Oleh kerana kerumitan tugas yang berkaitan dengan pembelajaran mesin (ML), pertumbuhan pesat aplikasi pembelajaran mesin telah mewujudkan keperluan untuk kaedah pembelajaran mesin luar rak yang boleh digunakan tanpa kepakaran. Bidang penyelidikan yang terhasil, automasi progresif untuk pembelajaran mesin, dipanggil AUTOML. Pelbagai syarikat memanfaatkan teknologi ini sebagai sebahagian daripada penawaran AI mereka untuk membantu pelanggan membangunkan model ML dan melaksanakan kes -kes penggunaan perindustrian lebih cepat. Pada bulan 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 baru untuk pelanggan.
Operasi Pembelajaran Mesin (ML Ops) Memudahkan Pengurusan dan Penyelenggaraan Model.
Disiplin baru operasi pembelajaran mesin bertujuan untuk memudahkan penyelenggaraan model AI dalam persekitaran pembuatan. Prestasi model AI biasanya merendahkan dari masa ke masa kerana ia dipengaruhi oleh beberapa faktor dalam loji (contohnya, perubahan dalam pengagihan data dan piawaian kualiti). Akibatnya, penyelenggaraan model dan operasi pembelajaran mesin telah menjadi perlu untuk memenuhi keperluan berkualiti tinggi persekitaran perindustrian (contohnya, model dengan prestasi di bawah 99% mungkin gagal mengenal pasti tingkah laku yang membahayakan keselamatan pekerja).
Dalam tahun -tahun kebelakangan ini, banyak pemula telah menyertai ruang Ops ML, termasuk datarobot, grid.ai, pinecone/zilliz, seldon, dan berat & bias. Syarikat -syarikat yang ditubuhkan telah menambah operasi pembelajaran mesin ke tawaran perisian AI yang sedia ada, termasuk Microsoft, yang memperkenalkan pengesanan drift data di Azure ML Studio. Ciri baru ini membolehkan pengguna mengesan perubahan dalam pengagihan data input yang merendahkan prestasi model.
Faktor 3: Kecerdasan Buatan Digunakan untuk Aplikasi dan Kes Penggunaan Sedia Ada
Penyedia perisian tradisional menambah keupayaan AI.
Sebagai tambahan kepada alat perisian AI mendatar yang sedia ada seperti MS Azure ML, AWS SageMaker, dan Google Cloud Vertex AI, suite perisian tradisional seperti Sistem Pengurusan Penyelenggaraan Komputer (CAMMS), Sistem Pelaksanaan Pembuatan (MES) atau Perancangan Sumber Enterprise (ERP) kini dapat ditingkatkan dengan ketara dengan menyuntikkan Capability. Sebagai contoh, pembekal ERP Epicor Software menambah keupayaan AI kepada produk sedia ada melalui Pembantu Maya Epicor (EVA). Ejen EVA pintar digunakan untuk mengautomasikan proses ERP, seperti menjadualkan semula operasi pembuatan atau melakukan pertanyaan mudah (contohnya, mendapatkan butiran mengenai harga produk atau bilangan bahagian yang tersedia).
Kes penggunaan perindustrian sedang dinaik taraf dengan menggunakan AIOT.
Beberapa kes penggunaan perindustrian sedang dipertingkatkan dengan menambahkan keupayaan AI kepada infrastruktur perkakasan/perisian sedia ada. 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 ditetapkan (contohnya, kontras yang tinggi) untuk menentukan sama ada objek mempamerkan kecacatan. Dalam banyak kes (contohnya, komponen elektronik dengan bentuk pendawaian yang berbeza), bilangan positif palsu sangat tinggi.
Walau bagaimanapun, sistem ini dihidupkan semula melalui kecerdasan buatan. Sebagai contoh, pembekal penglihatan mesin perindustrian Cognex mengeluarkan alat pembelajaran mendalam baru (Vision Pro Deep Learning 2.0) pada bulan Julai 2021. Alat -alat baru yang diintegrasikan 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 memerlukan pengukuran tepat calar, pencemaran dan lain -lain.
Faktor 4: Perkakasan AIOT Perindustrian diperbaiki
Cip AI bertambah cepat.
Cip AI perkakasan terbenam berkembang pesat, dengan pelbagai pilihan yang tersedia untuk menyokong pembangunan dan penggunaan model AI. Contohnya termasuk unit pemprosesan grafik terkini NVIDIA (GPU), A30 dan A10, yang diperkenalkan pada bulan Mac 2021 dan sesuai untuk kes penggunaan AI seperti sistem cadangan dan sistem penglihatan komputer. Satu lagi contoh ialah unit pemprosesan tensor generasi keempat Google (TPU), yang merupakan litar bersepadu khas (ASICs) yang dapat mencapai sehingga 1,000 kali lebih banyak kecekapan dan kelajuan dalam pembangunan model dan penggunaan untuk beban kerja AI tertentu (contohnya, pengesanan objek, klasifikasi imej, dan penanda aras cadangan). Menggunakan perkakasan AI yang berdedikasi mengurangkan masa pengiraan model dari hari ke minit, dan telah terbukti menjadi penukar permainan dalam banyak kes.
Perkakasan AI yang kuat boleh didapati dengan segera melalui model bayar-per-guna.
Superscale Enterprises sentiasa menaik taraf pelayan mereka untuk menjadikan sumber pengkomputeran tersedia di awan supaya pengguna akhir dapat melaksanakan aplikasi AI industri. Pada bulan November 2021, sebagai contoh, AWS mengumumkan pelepasan rasmi contoh-contoh berasaskan GPU terkini, Amazon EC2 G5, yang dikuasakan oleh NVIDIA A10G Tensor Core GPU, untuk pelbagai aplikasi ML, termasuk visi komputer dan enjin cadangan. Sebagai contoh, penyedia sistem pengesanan Nanotronics menggunakan contoh Amazon EC2 mengenai penyelesaian kawalan kualiti berasaskan AI untuk mempercepat usaha pemprosesan dan mencapai kadar pengesanan yang lebih tepat dalam pembuatan mikrocip dan nanotube.
Kesimpulan dan prospek
AI keluar dari kilang, dan ia akan menjadi di mana-mana dalam aplikasi baru, seperti PDM berasaskan AI, dan sebagai peningkatan kepada perisian dan kes penggunaan sedia ada. Perusahaan besar melancarkan beberapa kes penggunaan AI dan kejayaan pelaporan, dan kebanyakan projek mempunyai pulangan pelaburan yang tinggi. Secara keseluruhannya, kebangkitan awan, platform IoT dan cip AI yang kuat menyediakan platform untuk generasi baru perisian dan pengoptimuman.
Masa Post: Jan-12-2022