Conform Raportului privind inteligența artificială industrială și piața inteligenței artificiale 2021-2026, publicat recent, rata de adoptare a inteligenței artificiale în mediile industriale a crescut de la 19% la 31% în puțin peste doi ani. Pe lângă cei 31% dintre respondenți care au implementat complet sau parțial inteligența artificială în operațiunile lor, alți 39% testează sau pilotează în prezent tehnologia.
Inteligența artificială (IA) se impune ca o tehnologie cheie pentru producătorii și companiile energetice din întreaga lume, iar analiza IoT preconizează că piața soluțiilor industriale de IA va înregistra o rată anuală compusă (CAGR) post-pandemie puternică de 35%, ajungând la 102,17 miliarde de dolari până în 2026.
Era digitală a dat naștere Internetului Lucrurilor. Se poate observa că apariția inteligenței artificiale a accelerat ritmul dezvoltării Internetului Lucrurilor.
Să aruncăm o privire asupra unora dintre factorii care determină ascensiunea IA industrială și a AIoT.
Factorul 1: Din ce în ce mai multe instrumente software pentru AIoT industrial
În 2019, când analiza IoT a început să acopere inteligența artificială industrială, existau puține produse software dedicate inteligenței artificiale de la furnizori de tehnologie operațională (OT). De atunci, mulți furnizori de OT au intrat pe piața inteligenței artificiale prin dezvoltarea și furnizarea de soluții software de inteligență artificială sub formă de platforme de inteligență artificială pentru zonele de producție.
Conform datelor, aproape 400 de furnizori oferă software AIoT. Numărul furnizorilor de software care se alătură pieței industriale de inteligență artificială a crescut dramatic în ultimii doi ani. În timpul studiului, IoT Analytics a identificat 634 de furnizori de tehnologie AI către producători/clienți industriali. Dintre aceste companii, 389 (61,4%) oferă software AI.
Noua platformă software de inteligență artificială (IA) se concentrează pe mediile industriale. Dincolo de Uptake, Braincube sau C3 AI, un număr tot mai mare de furnizori de tehnologie operațională (OT) oferă platforme software dedicate IA. Printre exemple se numără suita de analiză industrială și IA Genix de la ABB, suita FactoryTalk Innovation de la Rockwell Automation, platforma proprie de consultanță în producție a Schneider Electric și, mai recent, add-on-uri specifice. Unele dintre aceste platforme vizează o gamă largă de cazuri de utilizare. De exemplu, platforma Genix de la ABB oferă analize avansate, inclusiv aplicații și servicii predefinite pentru managementul performanței operaționale, integritatea activelor, sustenabilitate și eficiența lanțului de aprovizionare.
Marile companii își pun instrumentele software de inteligență artificială în producție.
Disponibilitatea instrumentelor software de inteligență artificială este determinată și de noile instrumente software specifice cazurilor de utilizare, dezvoltate de AWS, companii mari precum Microsoft și Google. De exemplu, în decembrie 2020, AWS a lansat Amazon SageMaker JumpStart, o caracteristică a Amazon SageMaker care oferă un set de soluții predefinite și personalizabile pentru cele mai comune cazuri de utilizare industrială, cum ar fi PdM, viziunea computerizată și conducerea autonomă. Implementarea se face cu doar câteva clicuri.
Soluțiile software specifice cazurilor de utilizare determină îmbunătățiri ale utilizabilității.
Suitele de software specifice cazurilor de utilizare, cum ar fi cele axate pe mentenanța predictivă, devin din ce în ce mai comune. IoT Analytics a observat că numărul furnizorilor care utilizează soluții software de gestionare a datelor despre produse (PdM) bazate pe inteligență artificială a crescut la 73 la începutul anului 2021 datorită creșterii varietății surselor de date și utilizării modelelor de pre-antrenament, precum și adoptării pe scară largă a tehnologiilor de îmbunătățire a datelor.
Factorul 2: Dezvoltarea și întreținerea soluțiilor de inteligență artificială sunt simplificate
Învățarea automată (AutoML) devine un produs standard.
Datorită complexității sarcinilor asociate cu învățarea automată (ML), creșterea rapidă a aplicațiilor de învățare automată a creat nevoia de metode de învățare automată standard, care pot fi utilizate fără expertiză. Domeniul de cercetare rezultat, automatizarea progresivă pentru învățarea automată, se numește AutoML. O varietate de companii utilizează această tehnologie ca parte a ofertelor lor de inteligență artificială pentru a ajuta clienții să dezvolte modele ML și să implementeze mai rapid cazuri de utilizare industrială. În noiembrie 2020, de exemplu, SKF a anunțat un produs bazat pe autoML care combină datele de proces ale mașinilor cu datele de vibrații și temperatură pentru a reduce costurile și a permite noi modele de afaceri pentru clienți.
Operațiunile de învățare automată (ML Ops) simplifică gestionarea și întreținerea modelelor.
Noua disciplină a operațiunilor de învățare automată își propune să simplifice întreținerea modelelor de inteligență artificială în mediile de producție. Performanța unui model de inteligență artificială se degradează de obicei în timp, deoarece este afectată de mai mulți factori din cadrul fabricii (de exemplu, modificări ale distribuției datelor și standardelor de calitate). Drept urmare, întreținerea modelului și operațiunile de învățare automată au devenit necesare pentru a îndeplini cerințele de înaltă calitate ale mediilor industriale (de exemplu, modelele cu performanțe sub 99% pot eșua în a identifica comportamente care pun în pericol siguranța lucrătorilor).
În ultimii ani, multe startup-uri s-au alăturat spațiului ML Ops, inclusiv DataRobot, Grid.AI, Pinecone/Zilliz, Seldon și Weights & Biases. Companiile consacrate au adăugat operațiuni de învățare automată la ofertele lor existente de software AI, inclusiv Microsoft, care a introdus detectarea derivei datelor în Azure ML Studio. Această nouă funcție permite utilizatorilor să detecteze modificări în distribuția datelor de intrare care degradează performanța modelului.
Factorul 3: Inteligența artificială aplicată aplicațiilor și cazurilor de utilizare existente
Furnizorii tradiționali de software adaugă capabilități de inteligență artificială.
Pe lângă instrumentele software orizontale de inteligență artificială (IA) existente, cum ar fi MS Azure ML, AWS SageMaker și Google Cloud Vertex AI, suitele software tradiționale, cum ar fi Sistemele Computerizate de Management al Întreținerii (CAMMS), Sistemele de Execuție a Fabricației (MES) sau Planificarea Resurselor Întreprinderii (ERP), pot fi acum îmbunătățite semnificativ prin introducerea de capabilități de IA. De exemplu, furnizorul de ERP Epicor Software adaugă capabilități de IA produselor sale existente prin intermediul Asistentului Virtual Epicor (EVA). Agenții EVA inteligenți sunt utilizați pentru a automatiza procesele ERP, cum ar fi reprogramarea operațiunilor de fabricație sau efectuarea de interogări simple (de exemplu, obținerea de detalii despre prețurile produselor sau numărul de piese disponibile).
Cazurile de utilizare industrială sunt modernizate prin utilizarea AIoT.
Mai multe cazuri de utilizare industrială sunt îmbunătățite prin adăugarea de capabilități de inteligență artificială la infrastructura hardware/software existentă. Un exemplu viu este viziunea artificială în aplicațiile de control al calității. Sistemele tradiționale de viziune artificială procesează imagini prin intermediul unor computere integrate sau discrete, echipate cu software specializat care evaluează parametrii și pragurile predeterminate (de exemplu, contrastul ridicat) pentru a determina dacă obiectele prezintă defecte. În multe cazuri (de exemplu, componente electronice cu forme diferite de cablare), numărul de rezultate fals pozitive este foarte mare.
Totuși, aceste sisteme sunt revigorate prin intermediul inteligenței artificiale. De exemplu, furnizorul de servicii de viziune artificială industrială Cognex a lansat un nou instrument de învățare profundă (Vision Pro Deep Learning 2.0) în iulie 2021. Noile instrumente se integrează cu sistemele de viziune tradiționale, permițând utilizatorilor finali să combine învățarea profundă cu instrumentele de viziune tradiționale în aceeași aplicație pentru a satisface cerințele mediilor medicale și electronice solicitante care necesită măsurarea precisă a zgârieturilor, contaminării și a altor defecte.
Factorul 4: Îmbunătățirea hardware-ului AIoT industrial
Cipurile de inteligență artificială se îmbunătățesc rapid.
Cipurile AI hardware încorporate se dezvoltă rapid, existând o varietate de opțiuni disponibile pentru a sprijini dezvoltarea și implementarea modelelor AI. Printre exemple se numără cele mai recente unități de procesare grafică (Gpus) de la NVIDIA, A30 și A10, care au fost introduse în martie 2021 și sunt potrivite pentru cazuri de utilizare AI, cum ar fi sistemele de recomandare și sistemele de viziune computerizată. Un alt exemplu sunt unitățile de procesare Tensors (TPus) de a patra generație de la Google, care sunt circuite integrate (ASics) puternice cu scop special, care pot atinge o eficiență și o viteză de până la 1.000 de ori mai mari în dezvoltarea și implementarea modelelor pentru sarcini de lucru AI specifice (de exemplu, detectarea obiectelor, clasificarea imaginilor și teste de referință pentru recomandări). Utilizarea hardware-ului AI dedicat reduce timpul de calcul al modelului de la zile la minute și s-a dovedit a fi un factor revoluționar în multe cazuri.
Hardware-ul puternic bazat pe inteligență artificială este disponibil imediat printr-un model de plată pe utilizare.
Întreprinderile de mare anvergură își modernizează constant serverele pentru a face resursele de calcul disponibile în cloud, astfel încât utilizatorii finali să poată implementa aplicații industriale de inteligență artificială. În noiembrie 2021, de exemplu, AWS a anunțat lansarea oficială a celor mai recente instanțe bazate pe GPU, Amazon EC2 G5, alimentate de GPU-ul NVIDIA A10G Tensor Core, pentru o varietate de aplicații de învățare automată, inclusiv motoare de viziune computerizată și recomandări. De exemplu, furnizorul de sisteme de detecție Nanotronics utilizează exemple Amazon EC2 ale soluției sale de control al calității bazate pe inteligență artificială pentru a accelera eforturile de procesare și a obține rate de detecție mai precise în fabricarea microcipurilor și nanotuburilor.
Concluzie și perspectivă
IA iese din fabrică și va fi omniprezentă în noile aplicații, cum ar fi PdM bazat pe IA, și ca îmbunătățiri ale software-ului și cazurilor de utilizare existente. Întreprinderile mari implementează mai multe cazuri de utilizare a IA și raportează succes, iar majoritatea proiectelor au un randament ridicat al investiției. Per total, ascensiunea cloud-ului, a platformelor IoT și a cipurilor puternice de IA oferă o platformă pentru o nouă generație de software și optimizare.
Data publicării: 12 ian. 2022