Жакында жарыяланган Өнөр жай AI жана AI Market Report 2021-2026-га ылайык, өнөр жай орнотмолорунда AI кабыл алуу деңгээли эки жылдын ичинде 19 пайыздан 31 пайызга чейин өскөн. AIны толук же жарым-жартылай ишке киргизген респонденттердин 31 пайызынан тышкары, дагы 39 пайызы учурда технологияны сынап же пилоттук кылып жатышат.
AI дүйнө жүзү боюнча өндүрүүчүлөр жана энергетикалык компаниялар үчүн негизги технология катары пайда болууда жана IoT анализи боюнча, AI чечимдеринин өнөр жайлык рыногу пандемиядан кийинки күчтүү жылдык өсүш темпин (CAGR) 35% көрсөтүп, 2026-жылга чейин 102,17 миллиард долларга жетет.
Санарип доору нерселердин интернетин пайда кылды. Жасалма интеллекттин пайда болушу нерселердин интернетинин өнүгүү темпин тездеткенин көрүүгө болот.
Өнөр жай AI жана AIoT өсүшүнө түрткү болгон кээ бир факторлорду карап көрөлү.
1-фактор: Өнөр жайлык AIoT үчүн барган сайын көбүрөөк программалык куралдар
2019-жылы Iot аналитикасы өнөр жайлык AI камтый баштаганда, операциялык технологиянын (OT) сатуучуларынан атайын AI программалык продуктылары аз болгон. Ошондон бери көптөгөн ОТ сатуучулар AI рыногуна фабриканын полу үчүн AI платформалары түрүндөгү AI программалык чечимдерин иштеп чыгуу жана камсыз кылуу аркылуу киришти.
Маалыматтарга ылайык, 400гө жакын сатуучулар AIoT программасын сунуштайт. Акыркы эки жылда индустриалдык AI рыногуна кошулган программалык камсыздоону сатуучулардын саны кескин өстү. Изилдөө учурунда IoT Analytics өндүрүүчүлөргө/өнөр жай кардарларына AI технологиясын 634 жеткирүүчүнү аныктады. Бул компаниялардын 389у (61,4%) AI программасын сунуштайт.
Жаңы AI программалык платформасы өнөр жай чөйрөсүнө багытталган. Uptake, Braincube же C3 AIден тышкары, операциялык технологиянын (OT) сатуучулары көбөйүп бара жаткан AI программалык платформаларын сунушташат. Мисалдарга ABB компаниясынын Genix Industrial аналитикасы жана AI топтому, Rockwell Automation компаниясынын FactoryTalk Innovation топтому, Schneider Electricтин өзүнүн өндүрүштүк консалтинг платформасы жана жакында эле атайын кошумчалар кирет. Бул платформалардын айрымдары колдонуу учурларынын кеңири спектрин көздөйт. Мисалы, ABBдин Genix платформасы өнүккөн аналитиканы, анын ичинде операциялык натыйжалуулукту башкаруу, активдердин бүтүндүгүн, туруктуулугун жана жеткирүү чынжырынын эффективдүүлүгү үчүн алдын ала түзүлгөн тиркемелерди жана кызматтарды камсыз кылат.
Чоң компаниялар өздөрүнүн AI программалык куралдарын цехтин аянтына коюп жатышат.
AI программалык куралдарынын болушу AWS, Microsoft жана Google сыяктуу ири компаниялар тарабынан иштелип чыккан жаңы колдонуу үчүн атайын программалык куралдар менен шартталган. Мисалы, 2020-жылдын декабрында AWS Amazon SageMaker JumpStart-ты чыгарды, бул Amazon SageMaker өзгөчөлүгү, ал PdM, компьютердик көрүү жана автономдуу айдоо сыяктуу эң кеңири таралган өнөр жайлык колдонуу учурлары үчүн алдын ала түзүлгөн жана ыңгайлаштырылган чечимдердин топтомун камсыз кылат. бир нече чыкылдатуу.
Колдонуу үчүн атайын программалык чечимдер колдонуу мүмкүнчүлүгүн жакшыртууда.
Прогноздук тейлөөгө багытталган программалар сыяктуу колдонуу үчүн атайын программалык комплекстер кеңири жайылууда. IoT Analytics AI негизиндеги продукт маалыматтарын башкаруу (PdM) программалык чечимдерин колдонгон провайдерлердин саны 2021-жылдын башында маалымат булактарынын ар түрдүүлүгүнүн көбөйүшүнө жана тренингге чейинки моделдерди колдонууга, ошондой эле кеңири жайылганга байланыштуу 73кө жеткенин байкаган. маалыматтарды жакшыртуу технологияларын кабыл алуу.
2-фактор: AI чечимдерин иштеп чыгуу жана тейлөө жөнөкөйлөштүрүлүүдө
Автоматташтырылган машина үйрөнүү (AutoML) стандарттуу продукт болуп баратат.
Машина үйрөнүү (ML) менен байланышкан милдеттердин татаалдыгынан улам, машина үйрөнүү колдонмолорунун тез өсүшү тажрыйбасыз колдонула турган машинаны үйрөнүү ыкмаларына муктаждыкты жаратты. Изилдөөнүн натыйжасы, машина үйрөнүү үчүн прогрессивдүү автоматташтыруу AutoML деп аталат. Ар кандай компаниялар кардарларга ML моделдерин иштеп чыгууга жана өнөр жайда колдонуу учурларын тезирээк ишке ашырууга жардам берүү үчүн AI сунуштарынын бир бөлүгү катары бул технологияны колдонушат. Мисалы, 2020-жылдын ноябрь айында SKF чыгымдарды азайтуу жана кардарлар үчүн жаңы бизнес моделдерин иштетүү үчүн машина процессинин маалыматтарын титирөө жана температура маалыматтары менен айкалыштырган automL негизиндеги продуктуну жарыялады.
Машина үйрөнүү операциялары (ML Ops) моделди башкарууну жана тейлөөнү жөнөкөйлөтөт.
Машина үйрөнүү операцияларынын жаңы дисциплинасы өндүрүш чөйрөлөрүндө AI моделдерин тейлөөнү жөнөкөйлөтүүгө багытталган. AI моделинин иштеши, адатта, убакыттын өтүшү менен начарлайт, анткени ага заводдун ичиндеги бир нече факторлор таасир этет (мисалы, маалыматтарды бөлүштүрүү жана сапат стандарттарындагы өзгөрүүлөр). Натыйжада, моделди тейлөө жана машинаны үйрөнүү операциялары өнөр жай чөйрөлөрүнүн жогорку сапат талаптарына жооп берүү үчүн зарыл болуп калды (мисалы, 99% дан төмөн өндүрүмдүүлүгү бар моделдер жумушчунун коопсуздугуна коркунуч туудурган жүрүм-турумду аныктай албай калышы мүмкүн).
Акыркы жылдары көптөгөн стартаптар ML Ops мейкиндигине кошулду, анын ичинде DataRobot, Grid.AI, Pinecone/Zilliz, Seldon жана Weights & Biases. Түзүлгөн компаниялар азыркы AI программалык сунуштарына машинаны үйрөнүү операцияларын кошушту, анын ичинде Microsoft Azure ML Studioдо маалыматтардын дрейфтин аныктоосун киргизди. Бул жаңы функция колдонуучуларга моделдин иштешин начарлаткан киргизүү маалыматтарын бөлүштүрүүдө өзгөрүүлөрдү аныктоого мүмкүндүк берет.
Фактор 3: Жасалма интеллект учурдагы колдонмолорго жана колдонуу учурларына колдонулат
Салттуу программалык камсыздоочулар AI мүмкүнчүлүктөрүн кошуп жатышат.
MS Azure ML, AWS SageMaker жана Google Cloud Vertex AI сыяктуу чоң горизонталдуу AI программалык куралдарынан тышкары, компьютердик тейлөөнү башкаруу системалары (CAMMS), өндүрүштү аткаруу системалары (MES) же ишкана ресурстарын пландаштыруу (ERP) сыяктуу салттуу программалык топтомдор азыр AI мүмкүнчүлүктөрүн киргизүү менен кыйла жакшыртса болот. Мисалы, ERP провайдери Epicor Software өзүнүн Epicor Virtual Assistant (EVA) аркылуу учурдагы өнүмдөрүнө AI мүмкүнчүлүктөрүн кошуп жатат. Интеллектуалдык EVA агенттери ERP процесстерин автоматташтыруу үчүн колдонулат, мисалы, өндүрүш операцияларын кайра пландаштыруу же жөнөкөй сурамдарды аткаруу (мисалы, продукциянын баасы же жеткиликтүү бөлүктөрүнүн саны жөнүндө маалымат алуу).
Өнөр жайда колдонуу учурлары AIoT колдонуу менен жаңыланууда.
Учурдагы аппараттык/программалык инфраструктурага AI мүмкүнчүлүктөрүн кошуу менен бир нече өнөр жай колдонуу учурлары жакшыртылып жатат. Жаркын мисал - сапатты көзөмөлдөө колдонмолорунда машина көрүү. Салттуу машина көрүү системалары объектилерде кемчиликтер бар же жок экендигин аныктоо үчүн алдын ала аныкталган параметрлерди жана босоголорду (мисалы, жогорку контраст) баалаган атайын программалык камсыздоо менен жабдылган интеграцияланган же дискреттик компьютерлер аркылуу сүрөттөрдү иштетет. Көптөгөн учурларда (мисалы, зымдардын ар кандай формадагы электрондук компоненттери) жалган позитивдердин саны өтө көп.
Бирок бул системалар жасалма интеллект аркылуу жанданууда. Мисалы, өнөр жай машинасы Vision провайдери Cognex 2021-жылдын июлунда жаңы Deep Learning куралын (Vision Pro Deep Learning 2.0) чыгарды. Жаңы инструменттер салттуу көрүү системалары менен интеграцияланып, акыркы колдонуучуларга терең үйрөнүүнү ошол эле колдонмодогу салттуу көрүү куралдары менен айкалыштырууга мүмкүндүк берет. чийиктерди, булганууну жана башка кемчиликтерди так өлчөөнү талап кылган медициналык жана электрондук чөйрөлөргө жооп берүү.
4-фактор: Өнөр жайлык AIoT жабдыктары жакшыртылууда
AI чиптери тездик менен жакшырып баратат.
Камтылган аппараттык AI чиптери AI моделдерин иштеп чыгууну жана жайылтууну колдоо үчүн ар кандай варианттар менен тездик менен өсүп жатат. Мисалдарга NVIDIAнын эң акыркы графикалык иштетүү бирдиктери (Gpus), A30 жана A10 кирет, алар 2021-жылдын мартында киргизилген жана сунуш кылуу системалары жана компьютердик көрүү системалары сыяктуу AI колдонуу учурларына ылайыктуу. Дагы бир мисал, Google'дун төртүнчү муундагы тензорлорду иштетүү бирдиктери (TPus), алар күчтүү атайын максаттагы интегралдык микросхемалар (ASics) болуп саналат, алар моделди иштеп чыгууда жана конкреттүү AI жумуш жүгүн (мисалы, объектти аныктоо) 1000 эсеге чейин эффективдүү жана ылдамдыкка жетише алат. , сүрөттүн классификациясы жана сунуштун көрсөткүчтөрү). Атайын AI жабдыктарын колдонуу моделдин эсептөө убактысын бир нече күндөн бир нече мүнөткө чейин кыскартат жана көптөгөн учурларда оюнду алмаштыргыч экенин далилдеди.
Күчтүү AI жабдыктары колдонуу үчүн акы төлөө модели аркылуу дароо жеткиликтүү.
Супер масштабдуу ишканалар акыркы колдонуучулар индустриалдык AI тиркемелерин ишке ашыра алышы үчүн булуттагы эсептөө ресурстарын жеткиликтүү кылуу үчүн серверлерин дайыма жаңыртып турушат. Мисалы, 2021-жылдын ноябрында AWS ар кандай ML тиркемелери, анын ичинде компьютердик көрүү жана сунуштоо кыймылдаткычтары үчүн NVIDIA A10G Tensor Core GPU тарабынан кубатталган Amazon EC2 G5 GPU негизиндеги эң акыркы инстанцияларынын расмий чыгарылышын жарыялады. Мисалы, аныктоо системаларынын провайдери Nanotronics кайра иштетүү аракеттерин тездетүү жана микрочиптерди жана нанотүтүктөрдү өндүрүүдө так аныктоо ылдамдыгына жетүү үчүн AI негизиндеги сапатты көзөмөлдөө чечиминин Amazon EC2 мисалдарын колдонот.
Корутунду жана перспектива
AI заводдон чыгып жатат жана ал AI негизиндеги PdM сыяктуу жаңы тиркемелерде жана учурдагы программалык камсыздоону жана колдонуу учурларын өркүндөтүү катары бардык жерде болот. Ири ишканалар AI колдонуунун бир нече учурларын жайылтууда жана ийгилик жөнүндө отчет берип жатышат жана көпчүлүк долбоорлор инвестициянын кайтарымдуулугу жогору. Жалпысынан алганда, булуттун, iot платформаларынын жана күчтүү AI чиптеринин өсүшү программалык камсыздоонун жана оптималдаштыруунун жаңы мууну үчүн платформаны камсыз кылат.
Посттун убактысы: 12-январь-2022