Жақында жарияланған Industrial AI және AI Market Report 2021-2026 мәліметтеріне сәйкес, өнеркәсіптік параметрлерде AI қолдану деңгейі екі жылдан астам уақыт ішінде 19 пайыздан 31 пайызға дейін өсті. Жасанды интеллектіні толық немесе ішінара енгізген респонденттердің 31 пайызымен қоса, тағы 39 пайызы технологияны сынақтан өткізуде немесе сынақтан өткізуде.
AI бүкіл әлем бойынша өндірушілер мен энергетикалық компаниялар үшін негізгі технология ретінде дамып келеді және IoT талдауы өнеркәсіптік AI шешімдерінің нарығы 2026 жылға қарай 102,17 миллиард долларға жететін 35% пандемиядан кейінгі күшті жылдық өсу қарқынын (CAGR) көрсетеді деп болжайды.
Цифрлық ғасыр заттар интернетін дүниеге әкелді. Жасанды интеллекттің пайда болуы заттар интернетінің даму қарқынын жылдамдатқанын байқауға болады.
Өнеркәсіптік AI және AIoT өсуіне әсер ететін кейбір факторларды қарастырайық.
1-фактор: Өнеркәсіптік AIoT үшін көбірек бағдарламалық құралдар
2019 жылы Iot аналитикасы өнеркәсіптік AI-ны қамти бастағанда, операциялық технология (OT) жеткізушілерінің арнайы AI бағдарламалық өнімдері аз болды. Содан бері көптеген OT сатушылар AI нарығына зауыт қабаты үшін AI платформалары түріндегі AI бағдарламалық шешімдерін әзірлеу және ұсыну арқылы кірді.
Деректерге сәйкес, 400-ге жуық жеткізушілер AIoT бағдарламалық жасақтамасын ұсынады. Өнеркәсіптік AI нарығына қосылған бағдарламалық жасақтама жеткізушілерінің саны соңғы екі жылда күрт өсті. Зерттеу барысында IoT Analytics өндірушілерге/өнеркәсіптік тұтынушыларға AI технологиясының 634 жеткізушілерін анықтады. Осы компаниялардың 389-ы (61,4%) AI бағдарламалық құралын ұсынады.
Жаңа AI бағдарламалық қамтамасыз ету платформасы өнеркәсіптік ортаға бағытталған. Uptake, Braincube немесе C3 AI-ден басқа, операциялық технологиялар (OT) жеткізушілерінің саны өсіп келе жатқан AI бағдарламалық жасақтама платформаларын ұсынады. Мысалдарға ABB компаниясының Genix Industrial аналитикасы мен AI жиынтығы, Rockwell Automation компаниясының FactoryTalk Innovation жинағы, Schneider Electric компаниясының өндірістік консалтингтік платформасы және жақында арнайы қосымшалар жатады. Бұл платформалардың кейбіреулері пайдалану жағдайларының кең ауқымына бағытталған. Мысалы, ABB Genix платформасы операциялық өнімділікті басқаруға, активтердің тұтастығына, тұрақтылыққа және жеткізу тізбегінің тиімділігіне арналған алдын ала жасалған қолданбалар мен қызметтерді қоса, жетілдірілген аналитиканы қамтамасыз етеді.
Ірі компаниялар өздерінің AI бағдарламалық құралдарын цех алаңына қоюда.
AI бағдарламалық құралдарының қол жетімділігі сонымен қатар AWS, Microsoft және Google сияқты ірі компаниялар әзірлеген жаңа пайдалану жағдайларына арналған бағдарламалық құралдармен байланысты. Мысалы, 2020 жылдың желтоқсанында AWS Amazon SageMaker JumpStart мүмкіндігін шығарды, ол PdM, компьютерлік көру және автономды жүргізу сияқты ең көп таралған өнеркәсіптік пайдалану жағдайлары үшін алдын ала құрастырылған және теңшелетін шешімдер жиынтығын ұсынатын Amazon SageMaker мүмкіндігін ұсынады. бірнеше рет басу.
Қолдану жағдайына арналған бағдарламалық қамтамасыз ету шешімдері ыңғайлылықты жақсартуға ықпал етеді.
Болжалды техникалық қызмет көрсетуге бағытталғандар сияқты пайдалану жағдайына арналған бағдарламалық жасақтама жиынтықтары жиі кездеседі. IoT Analytics 2021 жылдың басында AI негізіндегі өнім деректерін басқару (PdM) бағдарламалық шешімдерін пайдаланатын провайдерлердің саны деректер көздерінің әртүрлілігінің ұлғаюы және оқуға дейінгі үлгілерді пайдалану, сондай-ақ кең таралғандықтан 73-ке дейін өскенін байқады. деректерді жақсарту технологияларын қабылдау.
2-фактор: AI шешімдерін әзірлеу және қызмет көрсету жеңілдетілуде
Автоматтандырылған машиналық оқыту (AutoML) стандартты өнімге айналуда.
Машиналық оқытумен (ML) байланысты тапсырмалардың күрделілігіне байланысты машиналық оқыту қосымшаларының жылдам өсуі тәжірибесіз пайдалануға болатын дайын машиналық оқыту әдістеріне қажеттілікті тудырды. Зерттеудің нәтижесінде машиналық оқытуды прогрессивті автоматтандыру саласы AutoML деп аталады. Әртүрлі компаниялар тұтынушыларға ML үлгілерін әзірлеуге және өнеркәсіптік пайдалану жағдайларын тезірек енгізуге көмектесу үшін бұл технологияны AI ұсыныстарының бөлігі ретінде пайдаланады. Мысалы, 2020 жылдың қарашасында SKF шығындарды азайту және тұтынушыларға жаңа бизнес үлгілерін қосу үшін машина процессінің деректерін діріл және температура деректерімен біріктіретін automL негізіндегі өнімді жариялады.
Машиналық оқыту операциялары (ML Ops) үлгіні басқаруды және техникалық қызмет көрсетуді жеңілдетеді.
Машиналық оқыту операцияларының жаңа пәні өндірістік орталарда AI үлгілеріне қызмет көрсетуді жеңілдетуге бағытталған. AI моделінің өнімділігі әдетте уақыт өте келе нашарлайды, өйткені оған зауыт ішіндегі бірнеше факторлар әсер етеді (мысалы, деректерді тарату және сапа стандарттарындағы өзгерістер). Нәтижесінде үлгіге техникалық қызмет көрсету және машинаны оқыту операциялары өнеркәсіптік орталардың жоғары сапа талаптарын қанағаттандыру үшін қажет болды (мысалы, өнімділігі 99%-дан төмен үлгілер жұмысшылардың қауіпсіздігіне қауіп төндіретін мінез-құлықты анықтай алмайды).
Соңғы жылдары көптеген стартаптар ML Ops кеңістігіне қосылды, соның ішінде DataRobot, Grid.AI, Pinecone/Zilliz, Seldon және Weights & Biases. Құрылған компаниялар өздерінің бар AI бағдарламалық қамтамасыз ету ұсыныстарына машиналық оқыту операцияларын қосты, соның ішінде Azure ML Studio бағдарламасында деректер дрейфін анықтауды енгізген Microsoft. Бұл жаңа мүмкіндік пайдаланушыларға үлгі өнімділігін төмендететін кіріс деректерін таратудағы өзгерістерді анықтауға мүмкіндік береді.
3-фактор: Қолданыстағы қолданбаларға және пайдалану жағдайларына қолданылатын жасанды интеллект
Дәстүрлі бағдарламалық қамтамасыз ету провайдерлері AI мүмкіндіктерін қосуда.
MS Azure ML, AWS SageMaker және Google Cloud Vertex AI сияқты бар үлкен көлденең AI бағдарламалық құралдарымен қатар, компьютерлік техникалық қызмет көрсетуді басқару жүйелері (CAMMS), өндірісті орындау жүйелері (MES) немесе кәсіпорын ресурстарын жоспарлау (ERP) сияқты дәстүрлі бағдарламалық жасақтама жиынтығы. енді AI мүмкіндіктерін енгізу арқылы айтарлықтай жақсартуға болады. Мысалы, ERP провайдері Epicor Software өзінің Epicor виртуалды көмекшісі (EVA) арқылы бар өнімдеріне AI мүмкіндіктерін қосуда. Интеллектуалды EVA агенттері өндірістік операцияларды қайта жоспарлау немесе қарапайым сұрауларды орындау (мысалы, өнім бағасы немесе қолжетімді бөліктер саны туралы мәліметтерді алу) сияқты ERP процестерін автоматтандыру үшін пайдаланылады.
Өнеркәсіптік пайдалану жағдайлары AIoT көмегімен жаңартылуда.
Қолданыстағы аппараттық/бағдарламалық қамтамасыз ету инфрақұрылымына AI мүмкіндіктерін қосу арқылы бірнеше өнеркәсіптік қолдану жағдайлары жақсартылады. Жарқын мысал - сапаны бақылау қолданбаларында машиналық көру. Дәстүрлі машиналық көру жүйелері объектілерде ақаулардың бар-жоғын анықтау үшін алдын ала анықталған параметрлер мен шектерді (мысалы, жоғары контраст) бағалайтын арнайы бағдарламалық құралмен жабдықталған біріктірілген немесе дискретті компьютерлер арқылы кескіндерді өңдейді. Көптеген жағдайларда (мысалы, әртүрлі сымдар пішіні бар электрондық компоненттер) жалған позитивтердің саны өте көп.
Дегенмен, бұл жүйелер жасанды интеллект арқылы қайта жандануда. Мысалы, Cognex өнеркәсіптік машина Vision провайдері 2021 жылдың шілдесінде жаңа Deep Learning құралын (Vision Pro Deep Learning 2.0) шығарды. Жаңа құралдар дәстүрлі көру жүйелерімен біріктіріліп, түпкі пайдаланушыларға терең оқытуды дәстүрлі көру құралдарымен бір қолданбада біріктіруге мүмкіндік береді. сызаттарды, ластануларды және басқа ақауларды дәл өлшеуді талап ететін медициналық және электрондық орталарға жауап береді.
4-фактор: өнеркәсіптік AIoT аппараттық құралдары жетілдірілуде
AI чиптері тез жетілдіріліп жатыр.
Кірістірілген аппараттық AI чиптері AI үлгілерін әзірлеуге және орналастыруға қолдау көрсететін әртүрлі опциялармен жылдам өсуде. Мысалдарға NVIDIA соңғы графикалық өңдеу блоктары (Gpus), A30 және A10 жатады, олар 2021 жылдың наурыз айында ұсынылған және AI пайдалану жағдайларына, мысалы, ұсыныстар жүйелері мен компьютерлік көру жүйелеріне жарамды. Тағы бір мысал, Google-дың төртінші буындағы тензорларды өңдеу бірліктері (TPus), олар қуатты арнайы мақсаттағы интегралды схемалар (ASics) болып табылады, олар AI жұмыс жүктемелеріне (мысалы, нысанды анықтау) үлгіні әзірлеуде және орналастыруда 1000 есе жоғары тиімділік пен жылдамдыққа қол жеткізе алады. , кескіннің классификациясы және ұсыныс эталоны). Арнайы AI аппараттық құралын пайдалану модельді есептеу уақытын күннен минутқа дейін қысқартады және көптеген жағдайларда ойынды өзгертуші екенін дәлелдеді.
Қуатты AI аппараттық құралы пайдалану үшін ақы төлеу үлгісі арқылы бірден қол жетімді.
Аса ауқымды кәсіпорындар соңғы пайдаланушылар өнеркәсіптік AI қолданбаларын жүзеге асыра алатындай есептеу ресурстарын бұлтта қолжетімді ету үшін серверлерін үнемі жаңартып отырады. Мысалы, 2021 жылдың қарашасында AWS әр түрлі ML қолданбалары, соның ішінде компьютерлік көру және ұсыныс қозғалтқыштары үшін NVIDIA A10G Tensor Core GPU арқылы жұмыс істейтін GPU негізіндегі ең соңғы Amazon EC2 G5 даналарының ресми шығарылымын жариялады. Мысалы, анықтау жүйелерінің провайдері Nanotronics микрочиптер мен нанотүтіктерді өндіруде өңдеу әрекеттерін жылдамдату және дәлірек анықтау жылдамдығына қол жеткізу үшін AI негізіндегі сапаны бақылау шешімінің Amazon EC2 мысалдарын пайдаланады.
Қорытынды және перспектива
AI зауыттан шығып жатыр және ол AI негізіндегі PdM сияқты жаңа қолданбаларда және бар бағдарламалық жасақтама мен пайдалану жағдайларын жақсарту ретінде барлық жерде болады. Ірі кәсіпорындар AI қолданудың бірнеше жағдайларын шығарып, табыстары туралы есеп беруде, ал жобалардың көпшілігі инвестициядан жоғары қайтарымдылыққа ие. Тұтастай алғанда, бұлттың, iot платформаларының және қуатты AI чиптерінің өсуі бағдарламалық қамтамасыз етудің жаңа буынын және оңтайландырудың платформасын қамтамасыз етеді.
Жіберу уақыты: 12 қаңтар 2022 ж