Согласно недавно опубликованному отчету о рынке AI и AI AI и AI за 2021-2026 годы, уровень принятия ИИ в промышленных условиях увеличился с 19 до 31 процента за два года. В дополнение к 31 проценту респондентов, которые полностью или частично развернули ИИ в своих операциях, еще 39 процентов в настоящее время тестируют или пилотируют технологию.
ИИ становится ключевой технологией для производителей и энергетических компаний по всему миру, и анализ IoT прогнозирует, что на рынке промышленных решений AI будет продемонстрировать сильный годовой темп роста после пандемии (CAGR), составляющий 35%, достигнув 102,17 миллиарда долларов к 2026 году.
Цифровой век родил Интернет вещей. Видно, что появление искусственного интеллекта ускорило темпы развития Интернета вещей.
Давайте посмотрим на некоторые из факторов, способствующих росту промышленного ИИ и Айо.
Фактор 1: все больше и больше программных инструментов для промышленного AIOT
В 2019 году, когда IoT -аналитика начала охватывать промышленный ИИ, было мало специальных программных продуктов ИИ от поставщиков операционных технологий (OT). С тех пор многие поставщики OT вышли на рынок искусственного интеллекта, разрабатывая и предоставляя программные решения для ИИ в виде платформ ИИ для завода.
Согласно данным, почти 400 поставщиков предлагают программное обеспечение AIOT. Число поставщиков программного обеспечения, присоединившихся к рынку промышленного ИИ, резко возросло за последние два года. Во время исследования аналитика IoT выявила 634 поставщика технологии искусственного интеллекта для производителей/промышленных клиентов. Из этих компаний 389 (61,4%) предлагают программное обеспечение для ИИ.
Новая программная платформа AI фокусируется на промышленных средах. Помимо поглощения, Braincube или C3 AI, растущее число поставщиков операционных технологий (OT) предлагают специальные программные платформы AI. Примеры включают ABB Genix Industrial Analytics и AI Suite, FactoryTalk Innovation Suite от Rockwell Automation, собственную консалтинговую платформу Schneider Electric, а в последнее время-конкретные дополнения. Некоторые из этих платформ нацелены на широкий спектр вариантов использования. Например, платформа ABB Genix предоставляет передовую аналитику, включая предварительно построенные приложения и услуги для управления оперативной эффективностью, целостности активов, устойчивости и эффективности цепочки поставок.
Крупные компании размещают свои программные инструменты AI на цех.
Доступность программных инструментов AI также обусловлена новыми программными инструментами, разработанными конкретными программными инструментами, разработанными AWS, крупными компаниями, такими как Microsoft и Google. Например, в декабре 2020 года AWS выпустил Amazon SageMaker Jumpstart, функцию Amazon SageMaker, которая предоставляет набор предварительно созданных и настраиваемых решений для наиболее распространенных вариантов использования промышленного использования, таких как PDM, компьютерное зрение и автономное вождение, развертывают всего несколько кликов.
Программные решения, специфичные для использования, способствуют улучшению использования использования.
Специфичные для использования программные комплексы, такие как те, которые ориентированы на прогнозное обслуживание, становятся все более распространенными. Аналитика IoT отметила, что количество программных решений по управлению данными о продуктах (PDM), использующих программные растворы на основе данных по управлению продуктами (PDM), выросли до 73 в начале 2021 года из-за увеличения разнообразия источников данных и использования моделей предварительного обучения, а также широко распространенного внедрения технологий улучшения данных.
Фактор 2: Разработка и поддержание решений искусственного интеллекта упрощается
Автоматическое машинное обучение (Automl) становится стандартным продуктом.
Из-за сложности задач, связанных с машинным обучением (ML), быстрый рост приложений машинного обучения создал необходимость в готовых методах машинного обучения, которые можно использовать без опыта. Полученная область исследований, прогрессивная автоматизация машинного обучения, называется Automl. Различные компании используют эту технологию в рамках своих предложений искусственного интеллекта, чтобы помочь клиентам разрабатывать модели ML и быстрее реализовать промышленные варианты использования. Например, в ноябре 2020 года SKF анонсировал продукт на основе автоматического уровня, который объединяет данные машинного процесса с данными о вибрации и температуре, чтобы снизить затраты и обеспечить новые бизнес-модели для клиентов.
Операции машинного обучения (ML OPS) упрощают управление модели и обслуживание.
Новая дисциплина операций машинного обучения направлена на то, чтобы упростить обслуживание моделей искусственного интеллекта в производственных средах. Производительность модели ИИ обычно ухудшается с течением времени, поскольку на нее влияют несколько факторов внутри завода (например, изменения в стандартах распределения данных и качества). В результате операции по обслуживанию моделей и машинного обучения стали необходимыми для удовлетворения высококачественных требований промышленных сред (например, модели с производительностью ниже 99% могут не выявить поведение, которое ставит под угрозу безопасность работников).
В последние годы многие стартапы присоединились к пространству ML OPS, включая DataRobot, Grid.ai, Pinecone/Zilliz, Seldon, и Weights & Sciases. Установленные компании добавили операции машинного обучения в свои существующие программные предложения AI, в том числе Microsoft, которые представили обнаружение дрейфа в Azure ML Studio. Эта новая функция позволяет пользователям обнаружить изменения в распределении входных данных, которые разрушают производительность модели.
Фактор 3: Искусственный интеллект, применяемый к существующим приложениям и вариантам использования
Традиционные поставщики программного обеспечения добавляют возможности ИИ.
В дополнение к существующим крупным горизонтальным программным инструментам AI, таким как MS Azure ML, AWS SageMaker и Google Cloud Vertex AI, традиционные программные комплексы, такие как компьютеризированные системы управления обслуживанием (CAMMS), системы выполнения выполнения (MES) или планирование корпоративных ресурсов (ERP), теперь могут значительно улучшены путем инъекции возможностей ИИ. Например, поставщик ERP Epicor Software добавляет возможности ИИ к существующим продуктам через своего виртуального помощника Epicor (EVA). Интеллектуальные агенты EVA используются для автоматизации процессов ERP, таких как перепланирование производственных операций или выполнение простых запросов (например, получение подробностей о ценах на продукт или количестве доступных деталей).
Промышленные варианты использования обновляются с помощью AIOT.
Несколько вариантов использования промышленного использования расширяются за счет добавления возможностей ИИ к существующей аппаратной/программной инфраструктуре. Ярким примером является машинное зрение в приложениях управления качеством. Традиционные системы машинного зрения обрабатывают изображения с помощью интегрированных или дискретных компьютеров, оснащенных специализированным программным обеспечением, которое оценивает предопределенные параметры и пороговые значения (например, высокий контраст), чтобы определить, демонстрируют ли объекты дефекты. Во многих случаях (например, электронные компоненты с различными формами проводки) количество ложных срабатываний очень высокое.
Тем не менее, эти системы возрождаются через искусственный интеллект. Например, в июле 2021 года поставщик промышленных машин Cognex выпустил новый инструмент глубокого обучения (Vision Pro Deep Learning 2.0). Новые инструменты интегрируются с традиционными системами зрения, что позволяет конечным пользователям объединять глубокое обучение с традиционными инструментами зрения в одном и том же приложении для удовлетворения требовательных медицинских и электронных сред, которые требуют точного измерения царапин, контента и других дефектов.
Фактор 4: Промышленное аппаратное обеспечение AIOT улучшается
Чипы ИИ быстро улучшаются.
Встроенные аппаратные чипы ИИ быстро растут, с множеством вариантов, доступных для поддержки разработки и развертывания моделей искусственного интеллекта. Примеры включают новейшие единицы графической обработки NVIDIA (графические процессоры), A30 и A10, которые были введены в марте 2021 года и подходят для вариантов использования ИИ, таких как системы рекомендаций и системы компьютерного зрения. Другим примером являются подразделения по обработке Tensors Tensors четвертого поколения (TPU), которые представляют собой мощные интегрированные схемы специального назначения (ASIC), которые могут достичь в 1000 раз большей эффективности и скорости в разработке модели и развертывании для конкретных рабочих нагрузок (например, обнаружение объектов, классификацию изображений и рекомендационные тесты). Использование выделенного аппаратного обеспечения ИИ сокращает время вычисления модели с дней до минут и во многих случаях оказалось изменить правила игры.
Мощное оборудование для ИИ сразу же доступно через модель оплаты за использование.
SuperScale Enterprises постоянно обновляют свои серверы, чтобы сделать вычислительные ресурсы доступными в облаке, чтобы конечные пользователи могли реализовать промышленные приложения ИИ. Например, в ноябре 2021 года AWS объявила о официальном выпуске своих последних экземпляров на основе графических процессоров, Amazon EC2 G5, основанном на GPU Nvidia A10G Tensor Core, для различных приложений ML, включая компьютерные и рекомендательные двигатели. Например, нанотроника поставщика систем обнаружения использует примеры Amazon EC2 своего решения для контроля качества на основе AI, чтобы ускорить усилия по обработке и достичь более точных показателей обнаружения при изготовлении микрочипов и нанотрубок.
Заключение и перспектива
ИИ выходит с завода, и он будет повсеместным в новых приложениях, таких как PDM на основе AI, и в качестве улучшения существующего программного обеспечения и вариантов использования. Крупные предприятия выпускают несколько вариантов использования ИИ и успеха отчетности, и большинство проектов имеют высокую отдачу от инвестиций. В целом, рост облаков, платформ IoT и мощных чипов искусственного интеллекта обеспечивает платформу для нового поколения программного обеспечения и оптимизации.
Время сообщения: январь-12-2022