ოთხი ფაქტორი სამრეწველო აოტს ახალ ფავორიტად აქცევს

ახლახან გამოქვეყნებული სამრეწველო AI და AI ბაზრის ანგარიშის 2021-2026 წლის თანახმად, სამრეწველო პარამეტრებში AI– ს მიღების მაჩვენებელი 19 პროცენტიდან 31 პროცენტამდე გაიზარდა ორ წელიწადში. გარდა იმ რესპონდენტთა 31 პროცენტისა, რომლებმაც სრულად ან ნაწილობრივ შეასრულეს AI ოპერაციებში, კიდევ 39 პროცენტი ამჟამად ტესტირებას ან პილოტირებას ახდენს ტექნოლოგიას.

AI წარმოიქმნება, როგორც მთავარი ტექნოლოგია მწარმოებლებისა და ენერგეტიკული კომპანიებისთვის მთელს მსოფლიოში, ხოლო IoT ანალიზი პროგნოზირებს, რომ სამრეწველო AI Solutions ბაზარი აჩვენებს ძლიერი პანდემიური ნაერთის წლიურ ზრდის ტემპს (CAGR) 35% -ით, რაც მიაღწევს 102,17 მილიარდ აშშ დოლარს 2026 წლისთვის.

ციფრულმა ასაკმა გააჩინა ნივთების ინტერნეტი. ჩანს, რომ ხელოვნური ინტელექტის გაჩენამ დააჩქარა საგნების ინტერნეტის განვითარების ტემპი.

მოდით გადავხედოთ ზოგიერთ ფაქტორს, რომელიც ზრდის ინდუსტრიული AI და AIOT- ის ზრდას.

ფაქტორი 1: უფრო და უფრო მეტი პროგრამული ინსტრუმენტები სამრეწველო AIOT– სთვის

2019 წელს, როდესაც IoT Analytics– მა დაიწყო სამრეწველო AI– ის დაფარვა, AI– ს პროგრამული უზრუნველყოფის პროდუქტები რამდენიმე იყო ოპერაციული ტექნოლოგიის (OT) მოვაჭრეებისგან. მას შემდეგ, OT– ს მრავალი მოვაჭრე შემოვიდა AI– ს ბაზარზე, AI პროგრამული უზრუნველყოფის გადაწყვეტილებების შემუშავებით და მიწოდებით AI პლატფორმების სახით ქარხნის იატაკისთვის.

მონაცემების თანახმად, თითქმის 400 გამყიდველი გთავაზობთ AIOT პროგრამას. ბოლო ორი წლის განმავლობაში მკვეთრად გაიზარდა პროგრამული უზრუნველყოფის მოვაჭრეების რაოდენობა, რომლებიც უერთდებიან სამრეწველო AI ბაზარს. კვლევის დროს, IoT Analytics– მა მწარმოებლებისთვის/სამრეწველო მომხმარებლებისთვის AI ტექნოლოგიის 634 მომწოდებელი გამოავლინა. ამ კომპანიებიდან, 389 (61.4%) გთავაზობთ AI პროგრამას.

ახალი AI პროგრამული პლატფორმა ფოკუსირებულია სამრეწველო გარემოში. მიღმა, Braincube, ან C3 AI, მზარდი ოპერაციული ტექნოლოგიების (OT) მომწოდებლები გთავაზობთ სპეციალურ AI პროგრამულ პლატფორმებს. მაგალითებში მოცემულია ABB- ის Genix Industrial Analytics და AI Suite, Rockwell Automation's Factorytalk Innovation Suite, Schneider Electric- ის საკუთარი წარმოების საკონსულტაციო პლატფორმა და ახლახანს, სპეციფიკური დანამატები. ამ პლატფორმების ზოგიერთი ნაწილი მიზნად ისახავს გამოყენების ფართო სპექტრს. მაგალითად, ABB- ის Genix პლატფორმა გთავაზობთ მოწინავე ანალიზს, მათ შორის წინასწარ აშენებულ პროგრამებსა და მომსახურებას ოპერაციული შესრულების მენეჯმენტისთვის, აქტივების მთლიანობისთვის, მდგრადობისა და მიწოდების ქსელის ეფექტურობისთვის.

დიდი კომპანიები აყენებენ თავიანთ AI პროგრამულ ინსტრუმენტებს მაღაზიის იატაკზე.

AI პროგრამული უზრუნველყოფის ინსტრუმენტების ხელმისაწვდომობა ასევე გამოწვეულია AWS– ის მიერ შემუშავებული ახალი გამოყენების სპეციფიკური პროგრამული უზრუნველყოფის ინსტრუმენტებით, დიდი კომპანიები, როგორიცაა Microsoft და Google. მაგალითად, 2020 წლის დეკემბერში, AWS– მა გამოუშვა Amazon Sagemaker Jumpstart, Amazon Sagemaker– ის თვისება, რომელიც უზრუნველყოფს წინასწარ აშენებულ და დააკონფიგურიროთ გადაწყვეტილებების ერთობლიობას ყველაზე გავრცელებული ინდუსტრიული გამოყენების შემთხვევებისთვის, როგორიცაა PDM, კომპიუტერული ხედვა და ავტონომიური მართვა, განლაგებულია მხოლოდ რამდენიმე დაწკაპუნებით.

გამოყენების სპეციფიკური პროგრამული უზრუნველყოფის გადაწყვეტილებები ახდენს გამოყენებადობის გაუმჯობესებას.

გამოყენების სპეციფიკური პროგრამული უზრუნველყოფის ლუქსი, მაგალითად, პროგნოზირებულ შენარჩუნებაზე ორიენტირებული, უფრო ხშირია. IoT Analytics– მა აღნიშნა, რომ პროვაიდერების რაოდენობა, რომლებიც იყენებენ AI– ზე დაფუძნებული პროდუქტის მონაცემთა მენეჯმენტის (PDM) პროგრამული უზრუნველყოფის გადაწყვეტილებებს, 2021 წლის დასაწყისში გაიზარდა 73-მდე, მონაცემთა წყაროების მრავალფეროვნების ზრდისა და წინასწარი ტრენინგის მოდელების გამოყენების გამო, აგრეთვე მონაცემთა გამაძლიერებელი ტექნოლოგიების ფართო მიღებით.

ფაქტორი 2: AI გადაწყვეტილებების შემუშავება და შენარჩუნება გამარტივებულია

ავტომატური მანქანების სწავლა (Automl) ხდება სტანდარტული პროდუქტი.

მანქანათმცოდნეობასთან დაკავშირებული დავალებების სირთულის გამო, მანქანათმცოდნეობის პროგრამების სწრაფმა ზრდამ შექმნა საჭირო მანქანების სწავლის მეთოდების საჭიროება, რომელთა გამოყენება შესაძლებელია ექსპერტიზის გარეშე. კვლევის შედეგად მიღებული სფერო, მანქანათმცოდნეობის პროგრესული ავტომატიზაცია, ეწოდება Automl. მრავალფეროვანი კომპანია ამ ტექნოლოგიას იყენებს, როგორც მათი AI შეთავაზებების ნაწილი, რათა მომხმარებლებს დაეხმარონ ML მოდელების შემუშავებაში და სამრეწველო გამოყენების შემთხვევების უფრო სწრაფად განახორციელებლად. მაგალითად, 2020 წლის ნოემბერში, SKF– მა გამოაცხადა Automl– ზე დაფუძნებული პროდუქტი, რომელიც აერთიანებს მანქანების პროცესის მონაცემებს ვიბრაციასთან და ტემპერატურულ მონაცემებთან, ხარჯების შესამცირებლად და მომხმარებლებისთვის ახალი ბიზნეს მოდელების შესაქმნელად.

მანქანათმცოდნე ოპერაციები (ML OPS) ამარტივებს მოდელის მენეჯმენტს და შენარჩუნებას.

მანქანათმცოდნეობის ოპერაციების ახალი დისციპლინა მიზნად ისახავს AI მოდელების შენარჩუნებას წარმოების გარემოში. AI მოდელის შესრულება, როგორც წესი, დეგრადირდება დროთა განმავლობაში, რადგან მასზე გავლენას ახდენს მცენარეთა რამდენიმე ფაქტორი (მაგალითად, მონაცემთა განაწილებისა და ხარისხის სტანდარტების ცვლილებები). შედეგად, მოდელის მოვლა -პატრონობა და მანქანათმცოდნე ოპერაციები აუცილებელი გახდა სამრეწველო გარემოების მაღალი ხარისხის მოთხოვნების დასაკმაყოფილებლად (მაგალითად, 99% -ზე ნაკლები შესრულების მოდელებმა შეიძლება ვერ შეძლონ ქცევის იდენტიფიცირება, რაც საფრთხეს უქმნის მშრომელთა უსაფრთხოებას).

ბოლო წლების განმავლობაში, მრავალი სტარტაპი შეუერთდა ML OPS სივრცეში, მათ შორის Datarobot, Grid.ai, Pinecone/Zilliz, Seldon და წონა და მიკერძოება. დამკვიდრებულმა კომპანიებმა დაამატეს მანქანათმცოდნე ოპერაციები არსებულ AI პროგრამულ შეთავაზებებში, მათ შორის Microsoft- ს, რომლებმაც შემოიტანეს მონაცემთა დრიფტის გამოვლენა Azure ML სტუდიაში. ეს ახალი ფუნქცია მომხმარებლებს საშუალებას აძლევს დაადგინონ შეყვანის მონაცემების განაწილების ცვლილებები, რომლებიც ამცირებენ მოდელის მუშაობას.

ფაქტორი 3: ხელოვნური ინტელექტი, რომელიც მიმართულია არსებულ პროგრამებზე და გამოყენების შემთხვევებში

პროგრამული უზრუნველყოფის ტრადიციული პროვაიდერები დაამატებენ AI შესაძლებლობებს.

გარდა არსებული დიდი ჰორიზონტალური AI პროგრამული საშუალებებისა, როგორიცაა MS Azure ML, AWS Sagemaker და Google Cloud Vertex AI, ტრადიციული პროგრამული უზრუნველყოფის ლუქსი, როგორიცაა კომპიუტერული ტექნიკური მართვის სისტემები (CAMMS), წარმოების შესრულების სისტემები (MES) ან საწარმოს რესურსების დაგეგმვა (ERP), ახლა მნიშვნელოვნად გაუმჯობესდება AI შესაძლებლობების ინექციით. მაგალითად, ERP პროვაიდერი Epicor პროგრამა დაამატებს AI შესაძლებლობებს არსებულ პროდუქტებს თავისი ეპიკორის ვირტუალური ასისტენტის მეშვეობით (EVA). EVA ინტელექტუალური აგენტები გამოიყენება ERP პროცესების ავტომატიზაციისთვის, მაგალითად, წარმოების ოპერაციების გადატვირთვის ან მარტივი მოთხოვნების შესასრულებლად (მაგალითად, დეტალების მოპოვება პროდუქტის ფასების ან არსებული ნაწილების რაოდენობის შესახებ).

სამრეწველო გამოყენების შემთხვევები განახლებულია AIOT– ის გამოყენებით.

ინდუსტრიული გამოყენების რამდენიმე შემთხვევა გაუმჯობესებულია არსებული აპარატების/პროგრამული უზრუნველყოფის ინფრასტრუქტურაში AI შესაძლებლობების დამატებით. ნათელი მაგალითია მანქანების ხედვა ხარისხის კონტროლის პროგრამებში. ტრადიციული მანქანების ხედვის სისტემები ამუშავებს სურათებს ინტეგრირებული ან დისკრეტული კომპიუტერების საშუალებით, რომლებიც აღჭურვილია სპეციალიზირებული პროგრამით, რომელიც აფასებს წინასწარ განსაზღვრულ პარამეტრებს და ბარიერებს (მაგ., მაღალი კონტრასტი), რათა დადგინდეს, აჩვენებს თუ არა ობიექტები დეფექტებს. ხშირ შემთხვევაში (მაგალითად, ელექტრონული კომპონენტები სხვადასხვა გაყვანილობის ფორმით), ცრუ პოზიტივის რაოდენობა ძალიან მაღალია.

ამასთან, ეს სისტემები აღორძინდება ხელოვნური ინტელექტის საშუალებით. მაგალითად, სამრეწველო მანქანების ხედვის მიმწოდებელმა Cognex– მა გამოაქვეყნა ახალი ღრმა სწავლის ინსტრუმენტი (Vision Pro Deep Learning 2.0) 2021 წლის ივლისში. ახალი ინსტრუმენტები ინტეგრირდება ტრადიციულ ხედვის სისტემებთან, რაც საშუალებას აძლევს საბოლოო მომხმარებლებს დააკავშირონ ღრმა სწავლა ტრადიციულ ხედვასთან იმავე პროგრამაში, რათა დააკმაყოფილონ სამედიცინო და ელექტრონული გარემო, რომელიც მოითხოვს ნაკაწრების, დაბინძურების და სხვა დეფექტების ზუსტი გაზომვას.

ფაქტორი 4: გაუმჯობესებულია სამრეწველო AioT აპარატურა

AI ჩიპები სწრაფად გაუმჯობესდება.

ჩაშენებული აპარატურა AI ჩიპები სწრაფად იზრდება, მრავალფეროვანი ვარიანტი ხელმისაწვდომია AI მოდელების განვითარებისა და განლაგების მხარდასაჭერად. მაგალითებში მოცემულია NVIDIA– ს უახლესი გრაფიკული დამუშავების ერთეულები (GPU), A30 და A10, რომლებიც დაინერგა 2021 წლის მარტში და შესაფერისია AI– ის გამოყენების შემთხვევებისთვის, როგორიცაა სარეკომენდაციო სისტემები და კომპიუტერული ხედვის სისტემები. კიდევ ერთი მაგალითია Google– ის მეოთხე თაობის ტენსორების დამუშავების ერთეულები (TPU), რომლებიც ძლიერი სპეციალური დანიშნულების ინტეგრირებული სქემებია (ASIC), რომელსაც შეუძლია მიაღწიოს 1000-ჯერ მეტ ეფექტურობას და სიჩქარეს მოდელის შემუშავებაში და განლაგებაში სპეციფიკური AI სამუშაო დატვირთვებისთვის (მაგ., ობიექტის გამოვლენა, გამოსახულების კლასიფიკაცია და სარეკომენდაციო ნიშნები). მიძღვნილი AI აპარატის გამოყენება ამცირებს მოდელის გამოთვლების დროს დღეებიდან წუთამდე და დაადასტურა, რომ ეს არის თამაშის შეცვლა ხშირ შემთხვევაში.

ძლიერი AI აპარატურა დაუყოვნებლივ ხელმისაწვდომია ანაზღაურებადი გამოყენების მოდელის საშუალებით.

Superscale Enterprises მუდმივად განაახლებს თავის სერვერებს, რათა კომპიუტერული რესურსები ხელმისაწვდომი გახადონ ღრუბელში, რათა საბოლოო მომხმარებლებს შეეძლოთ განახორციელონ სამრეწველო AI პროგრამები. მაგალითად, 2021 წლის ნოემბერში, AWS– მა გამოაცხადა ოფიციალური გამოშვება მისი უახლესი GPU– ს დაფუძნებული ინსტანციების, Amazon EC2 G5– ის ოფიციალური გამოშვებით, რომელსაც NVIDIA A10G Tensor Core GPU– ს უშვებს, სხვადასხვა ML პროგრამებისთვის, მათ შორის კომპიუტერული ხედვისა და სარეკომენდაციო ძრავებისთვის. მაგალითად, გამოვლენის სისტემების მიმწოდებელი ნანოტონიკა იყენებს Amazon EC2- ს მისი AI- ზე დაფუძნებული ხარისხის კონტროლის გადაწყვეტის მაგალითებს, რომ დააჩქაროს დამუშავების მცდელობები და მიაღწიოს უფრო ზუსტი გამოვლენის მაჩვენებლებს მიკროჩიპებისა და ნანოტუბების წარმოებაში.

დასკვნა და პერსპექტივა

AI გამოდის ქარხნიდან და ეს იქნება ყოვლისმომცველი ახალ პროგრამებში, მაგალითად, AI დაფუძნებული PDM და არსებული პროგრამული უზრუნველყოფის და გამოყენების შემთხვევებში. მსხვილი საწარმოები ახდენენ AI– ს გამოყენების რამდენიმე შემთხვევას და წარმატების მიღწევას, ხოლო პროექტების უმეტესობას ინვესტიციის მაღალი ანაზღაურება აქვს. საერთო ჯამში, ღრუბლის, IoT პლატფორმების და ძლიერი AI ჩიპების აწევა უზრუნველყოფს პლატფორმას ახალი თაობის პროგრამული უზრუნველყოფისა და ოპტიმიზაციისთვის.