Po nedavno objavljenem poročilu o industrijski umetni inteligenci in trgu umetne inteligence 2021–2026 se je stopnja uporabe umetne inteligence v industrijskih nastavitvah v dobrih dveh letih povečala z 19 odstotkov na 31 odstotkov. Poleg 31 odstotkov anketirancev, ki so v celoti ali delno uvedli umetno inteligenco v svojih operacijah, jih še 39 odstotkov trenutno preizkuša ali pilotira tehnologijo.
Umetna inteligenca se pojavlja kot ključna tehnologija za proizvajalce in energetska podjetja po vsem svetu, analiza IoT pa napoveduje, da bo trg industrijskih rešitev umetne inteligence pokazal močno postpandemično skupno letno stopnjo rasti (CAGR) v višini 35 %, da bi do leta 2026 dosegel 102,17 milijarde USD.
Digitalna doba je rodila internet stvari. Vidimo lahko, da je pojav umetne inteligence pospešil tempo razvoja interneta stvari.
Oglejmo si nekaj dejavnikov, ki spodbujajo vzpon industrijske umetne inteligence in AIoT.
Dejavnik 1: Vedno več programskih orodij za industrijsko AIoT
Leta 2019, ko je analitika Iot začela pokrivati industrijsko umetno inteligenco, je bilo le malo namenskih programskih izdelkov umetne inteligence proizvajalcev operativne tehnologije (OT). Od takrat je veliko prodajalcev OT vstopilo na trg AI z razvojem in zagotavljanjem programskih rešitev AI v obliki platform AI za tovarniška tla.
Po podatkih skoraj 400 prodajalcev ponuja programsko opremo AIoT. Število prodajalcev programske opreme, ki se pridružuje industrijskemu trgu umetne inteligence, se je v zadnjih dveh letih močno povečalo. Med študijo je IoT Analytics identificiral 634 dobaviteljev tehnologije umetne inteligence proizvajalcem/industrijskim strankam. Od teh podjetij jih 389 (61,4 %) ponuja programsko opremo z umetno inteligenco.
Nova programska platforma AI se osredotoča na industrijska okolja. Poleg Uptake, Braincube ali C3 AI vedno večje število prodajalcev operativne tehnologije (OT) ponuja namenske programske platforme AI. Primeri vključujejo ABBjevo zbirko za industrijsko analitiko in umetno inteligenco Genix, zbirko FactoryTalk Innovation družbe Rockwell Automation, lastno proizvodno svetovalno platformo družbe Schneider Electric in v zadnjem času posebne dodatke. Nekatere od teh platform ciljajo na širok nabor primerov uporabe. ABB-jeva platforma Genix na primer zagotavlja napredno analitiko, vključno z vnaprej izdelanimi aplikacijami in storitvami za upravljanje operativne uspešnosti, celovitost sredstev, trajnost in učinkovitost dobavne verige.
Velika podjetja postavljajo svoja programska orodja za umetno inteligenco v svoje delavnice.
Razpoložljivost programskih orodij umetne inteligence poganjajo tudi nova programska orodja, specifična za posamezne primere uporabe, ki jih je razvil AWS, velika podjetja, kot sta Microsoft in Google. Na primer, decembra 2020 je AWS izdal Amazon SageMaker JumpStart, funkcijo Amazon SageMaker, ki ponuja nabor vnaprej izdelanih in prilagodljivih rešitev za najpogostejše primere industrijske uporabe, kot so PdM, računalniški vid in avtonomna vožnja, Deploy with le nekaj klikov.
Programske rešitve, specifične za posamezne primere uporabe, spodbujajo izboljšave uporabnosti.
Programski paketi, specifični za posamezne primere uporabe, na primer tisti, ki se osredotočajo na predvideno vzdrževanje, postajajo vse pogostejši. IoT Analytics je opazil, da se je število ponudnikov, ki uporabljajo programske rešitve za upravljanje podatkov o izdelkih (PdM) na podlagi umetne inteligence, v začetku leta 2021 povečalo na 73 zaradi povečanja raznolikosti podatkovnih virov in uporabe modelov pred usposabljanjem ter razširjenega sprejetje tehnologij za izboljšanje podatkov.
Faktor 2: Razvoj in vzdrževanje rešitev AI se poenostavljata
Avtomatizirano strojno učenje (AutoML) postaja standardni izdelek.
Zaradi zapletenosti nalog, povezanih s strojnim učenjem (ML), je hitra rast aplikacij strojnega učenja povzročila potrebo po že pripravljenih metodah strojnega učenja, ki jih je mogoče uporabljati brez strokovnega znanja. Posledično področje raziskav, postopna avtomatizacija za strojno učenje, se imenuje AutoML. Različna podjetja izkoriščajo to tehnologijo kot del svoje ponudbe umetne inteligence, da strankam pomagajo pri razvoju modelov ML in hitrejšem izvajanju primerov industrijske uporabe. Novembra 2020 je na primer SKF napovedal izdelek na osnovi automL, ki združuje podatke o strojnem procesu s podatki o vibracijah in temperaturi, da bi zmanjšal stroške in strankam omogočil nove poslovne modele.
Operacije strojnega učenja (ML Ops) poenostavljajo upravljanje in vzdrževanje modela.
Cilj nove discipline operacij strojnega učenja je poenostaviti vzdrževanje modelov AI v proizvodnih okoljih. Delovanje modela AI se sčasoma običajno poslabša, saj nanj vpliva več dejavnikov znotraj obrata (na primer spremembe v distribuciji podatkov in standardih kakovosti). Posledično so vzdrževanje modela in postopki strojnega učenja postali nujni za izpolnjevanje zahtev visoke kakovosti v industrijskih okoljih (na primer, modeli z zmogljivostjo pod 99 % morda ne prepoznajo vedenja, ki ogroža varnost delavcev).
V zadnjih letih se je veliko startupov pridružilo prostoru ML Ops, vključno z DataRobot, Grid.AI, Pinecone/Zilliz, Seldon in Weights & Biases. Uveljavljena podjetja so svojim obstoječim ponudbam programske opreme z umetno inteligenco dodala operacije strojnega učenja, vključno z Microsoftom, ki je uvedel zaznavanje premikanja podatkov v Azure ML Studio. Ta nova funkcija uporabnikom omogoča zaznavanje sprememb v porazdelitvi vhodnih podatkov, ki poslabšajo zmogljivost modela.
Dejavnik 3: Umetna inteligenca, uporabljena v obstoječih aplikacijah in primerih uporabe
Tradicionalni ponudniki programske opreme dodajajo zmogljivosti AI.
Poleg obstoječih velikih horizontalnih programskih orodij AI, kot so MS Azure ML, AWS SageMaker in Google Cloud Vertex AI, tradicionalni programski paketi, kot so računalniški sistemi za upravljanje vzdrževanja (CAMMS), sistemi za izvajanje proizvodnje (MES) ali načrtovanje virov podjetja (ERP) je zdaj mogoče znatno izboljšati z vnosom zmogljivosti AI. Na primer, ponudnik ERP Epicor Software dodaja zmogljivosti AI svojim obstoječim izdelkom prek svojega Epicor Virtual Assistant (EVA). Inteligentni agenti EVA se uporabljajo za avtomatizacijo procesov ERP, kot je prerazporeditev proizvodnih operacij ali izvajanje preprostih poizvedb (na primer pridobivanje podrobnosti o cenah izdelkov ali številu razpoložljivih delov).
Primeri industrijske uporabe se nadgrajujejo z uporabo AIoT.
Več primerov industrijske uporabe se izboljšuje z dodajanjem zmogljivosti umetne inteligence obstoječi infrastrukturi strojne/programske opreme. Živahen primer je strojni vid v aplikacijah za nadzor kakovosti. Tradicionalni sistemi strojnega vida obdelujejo slike prek integriranih ali ločenih računalnikov, opremljenih s specializirano programsko opremo, ki ocenjuje vnaprej določene parametre in pragove (npr. visok kontrast), da ugotovi, ali imajo predmeti napake. V mnogih primerih (na primer elektronske komponente z različnimi oblikami ožičenja) je število lažno pozitivnih rezultatov zelo veliko.
Vendar pa se ti sistemi oživljajo z umetno inteligenco. Na primer, ponudnik industrijskih strojev Vision Cognex je julija 2021 izdal novo orodje za poglobljeno učenje (Vision Pro Deep Learning 2.0). Nova orodja se integrirajo s tradicionalnimi sistemi za vid, kar končnim uporabnikom omogoča kombiniranje globokega učenja s tradicionalnimi orodji za vid v isti aplikaciji za izpolnjujejo zahtevna medicinska in elektronska okolja, ki zahtevajo natančno merjenje prask, kontaminacije in drugih napak.
Dejavnik 4: Strojna oprema industrijskega AIoT se izboljšuje
Čipi AI se hitro izboljšujejo.
Čipi umetne inteligence za vgrajeno strojno opremo hitro rastejo z različnimi možnostmi, ki so na voljo za podporo razvoju in uvajanju modelov umetne inteligence. Primeri vključujejo najnovejše grafične procesne enote NVIDIA (Gpus), A30 in A10, ki sta bili predstavljeni marca 2021 in sta primerni za primere uporabe AI, kot so sistemi priporočil in sistemi računalniškega vida. Drug primer so Googlove četrte generacije Tensors Processing Units (TPus), ki so zmogljiva integrirana vezja za posebne namene (ASics), ki lahko dosežejo do 1000-krat večjo učinkovitost in hitrost pri razvoju in uvajanju modelov za posebne delovne obremenitve AI (npr. zaznavanje objektov). , klasifikacija slik in merila uspešnosti priporočil). Uporaba namenske strojne opreme z umetno inteligenco zmanjša čas izračuna modela z dni na minute in se je v mnogih primerih izkazala za spremembo igre.
Zmogljiva strojna oprema z umetno inteligenco je takoj na voljo prek modela plačila za uporabo.
Superscale podjetja nenehno nadgrajujejo svoje strežnike, da bi računalniški viri bili na voljo v oblaku, tako da lahko končni uporabniki izvajajo industrijske aplikacije AI. Novembra 2021 je na primer AWS objavil uradno izdajo svojih najnovejših primerkov, ki temeljijo na grafičnem procesorju, Amazon EC2 G5, ki ga poganja grafični procesor NVIDIA A10G Tensor Core, za različne aplikacije ML, vključno z motorji za računalniški vid in priporočila. Ponudnik sistemov za odkrivanje Nanotronics na primer uporablja Amazon EC2 primere svoje rešitve za nadzor kakovosti, ki temelji na umetni inteligenci, da pospeši obdelavo in doseže natančnejše stopnje odkrivanja pri izdelavi mikročipov in nanocevk.
Zaključek in obeti
Umetna inteligenca prihaja iz tovarne in bo vseprisotna v novih aplikacijah, kot je PdM na osnovi umetne inteligence, ter kot izboljšave obstoječe programske opreme in primerov uporabe. Velika podjetja uvajajo več primerov uporabe umetne inteligence in poročajo o uspehu, večina projektov pa ima visoko donosnost naložbe. Skratka, vzpon oblaka, platform iot in zmogljivih čipov AI zagotavlja platformo za novo generacijo programske opreme in optimizacije.
Čas objave: 12. januarja 2022