Laut dem kierzlech verëffentlechte Bericht iwwer industriell KI a KI-Maart 2021-2026 ass d'Adoptiounsquote vun KI an industriellen Ëmfeld an eppes méi wéi zwee Joer vun 19 Prozent op 31 Prozent geklommen. Nieft den 31 Prozent vun de Befroten, déi KI ganz oder deelweis an hire Betriber agefouert hunn, testen oder testen nach weider 39 Prozent d'Technologie de Moment.
KI entwéckelt sech als Schlësseltechnologie fir Hiersteller an Energiefirmen weltwäit, an d'IoT-Analyse prognostizéiert, datt de Maart fir industriell KI-Léisungen e staarke post-pandemesche zesummegesate jäerleche Wuesstemsquote (CAGR) vun 35% wäert weisen, fir bis 2026 102,17 Milliarden Dollar z'erreechen.
Dat digitalt Zäitalter huet den Internet vun de Saachen gebuer. Et ass ze gesinn, datt d'Entstoe vun der kënschtlecher Intelligenz d'Entwécklung vum Internet vun de Saachen beschleunegt huet.
Loosst eis e puer vun de Faktoren kucken, déi den Opstig vun der industrieller KI an AIoT dreiwen.
Faktor 1: Ëmmer méi Software-Tools fir industriell AIoT
Am Joer 2019, wéi d'IoT-Analyse ugefaangen huet, industriell KI ofzedecken, gouf et wéineg speziell KI-Softwareprodukter vun Ubidder vun operationellen Technologien (OT). Zënterhier sinn vill OT-Ubidder op den KI-Maart agaangen, andeems se KI-Softwareléisungen a Form vun KI-Plattforme fir d'Fabréck entwéckelt an ugebueden hunn.
Laut Donnéeën bidden bal 400 Ubidder AIoT-Software un. D'Zuel vun de Software-Ubidder, déi sech um industriellen AI-Maart ugeschloss hunn, ass an de leschten zwee Joer dramatesch eropgaang. Wärend der Studie huet IoT Analytics 634 Ubidder vun AI-Technologie fir Hiersteller/Industrieclienten identifizéiert. Vun dëse Firmen bidden 389 (61,4%) AI-Software un.
Déi nei KI-Softwareplattform konzentréiert sech op industriell Ëmfeld. Nieft Uptake, Braincube oder C3 KI bidden eng wuessend Zuel vun OT-Hiersteller (Operational Technology) speziell KI-Softwareplattformen un. Beispiller sinn d'Genix Industrial Analytics an KI Suite vun ABB, d'FactoryTalk Innovation Suite vu Rockwell Automation, d'Schneider Electric seng eege Produktiounsberodungsplattform a méi rezent och spezifesch Add-ons. E puer vun dëse Plattforme zielen op eng breet Palette vu Benotzungsfäll of. Zum Beispill bitt d'Genix Plattform vun ABB fortgeschratt Analysen, dorënner virgebaut Applikatiounen a Servicer fir operationell Leeschtungsmanagement, Verméigensintegritéit, Nohaltegkeet an Effizienz vun der Versuergungskette.
Grouss Firmen bréngen hir KI-Software-Tools an de Werkstatt.
D'Disponibilitéit vun KI-Software-Tools gëtt och duerch nei use-case-spezifesch Software-Tools ugedriwwen, déi vun AWS a grousse Firmen wéi Microsoft a Google entwéckelt goufen. Zum Beispill huet AWS am Dezember 2020 den Amazon SageMaker JumpStart erausbruecht, eng Funktioun vun Amazon SageMaker, déi eng Rei vu virgebauten a personaliséierbare Léisunge fir déi heefegst industriell Benotzungsfäll, wéi PdM, Computer Vision an autonomt Fueren, ubitt, déi mat just e puer Klicks installéiert kënne ginn.
Gebrauchsfallspezifesch Softwareléisunge féieren zu Verbesserunge vun der Benotzerfrëndlechkeet.
Use-case-spezifesch Software-Suite, wéi déi, déi sech op prediktiv Ënnerhalt konzentréieren, ginn ëmmer méi heefeg. IoT Analytics huet festgestallt, datt d'Zuel vun den Ubidder, déi KI-baséiert Produktdatenmanagement-Softwareléisungen (PdM) benotzen, Ufank 2021 op 73 geklommen ass, wéinst enger Zounimm vun der Villfalt vun Datenquellen an dem Gebrauch vu Pre-Training-Modeller, souwéi der verbreeter Adoptioun vun Datenverbesserungstechnologien.
Faktor 2: D'Entwécklung an d'Maintenance vun KI-Léisunge ginn vereinfacht
Automatiséiert maschinellt Léieren (AutoML) gëtt zu engem Standardprodukt.
Wéinst der Komplexitéit vun den Aufgaben, déi mam Maschinnléieren (ML) verbonne sinn, huet dat séiert Wuesstem vu Maschinnléieren-Applikatiounen e Besoin fir Standard-Maschinnléieren-Methoden geschaf, déi ouni Expertise kënne benotzt ginn. Dat resultéierend Fuerschungsfeld, progressiv Automatiséierung fir Maschinnléieren, gëtt AutoML genannt. Eng Rei vu Firmen notzen dës Technologie als Deel vun hiren KI-Offeren, fir Clienten ze hëllefen, ML-Modeller z'entwéckelen an industriell Uwendungsfäll méi séier ëmzesetzen. Am November 2020 huet SKF zum Beispill en AUTOML-baséiert Produkt ugekënnegt, dat Maschinnprozessdaten mat Vibratiouns- an Temperaturdaten kombinéiert, fir Käschten ze reduzéieren an nei Geschäftsmodeller fir Clienten z'erméiglechen.
Maschinnléieroperatiounen (ML Ops) vereinfachen d'Modellverwaltung an d'Maintenance.
Déi nei Disziplin vun de Maschinnléieroperatiounen zielt drop of, d'Maintenance vun KI-Modeller a Produktiounsëmfeld ze vereinfachen. D'Performance vun engem KI-Modell verschlechtert sech typescherweis mat der Zäit, well se vun e puer Faktoren an der Anlag beaflosst gëtt (zum Beispill Ännerungen an der Datenverdeelung a Qualitéitsnormen). Dofir sinn d'Modellënnerhalt a Maschinnléieroperatiounen néideg ginn, fir déi héich Qualitéitsufuerderunge vun industriellen Ëmfeld ze erfëllen (zum Beispill kënne Modeller mat enger Leeschtung ënner 99% Verhalen net identifizéieren, dat d'Sécherheet vun de Mataarbechter a Gefor bréngt).
An de leschte Joren hunn sech vill Startups dem ML Ops Beräich ugeschloss, dorënner DataRobot, Grid.AI, Pinecone/Zilliz, Seldon a Weights & Biases. Etabléiert Firmen hunn Maschinnléieroperatiounen zu hiren existente KI-Softwareofferen bäigefüügt, dorënner Microsoft, deen d'Detektioun vun Datendriften an Azure ML Studio agefouert huet. Dës nei Funktioun erméiglecht et de Benotzer, Ännerungen an der Verdeelung vun Inputdaten z'entdecken, déi d'Modellperformance verschlechteren.
Faktor 3: Kënschtlech Intelligenz op existent Applikatiounen a Gebrauchsfäll uwendbar
Traditionell Softwareubidder addéieren KI-Fäegkeeten.
Nieft existente groussen horizontalen KI-Software-Tools wéi MS Azure ML, AWS SageMaker a Google Cloud Vertex AI, kënnen traditionell Software-Suiten wéi Computerized Maintenance Management Systems (CAMMS), Manufacturing Execution Systems (MES) oder Enterprise Resource Planning (ERP) elo duerch d'Aféierung vun KI-Fäegkeeten däitlech verbessert ginn. Zum Beispill füügt den ERP-Ubidder Epicor Software KI-Fäegkeeten zu senge existente Produkter iwwer säin Epicor Virtual Assistant (EVA) bäi. Intelligent EVA-Agenten gi benotzt fir ERP-Prozesser ze automatiséieren, wéi z.B. d'Neiplanung vu Produktiounsoperatiounen oder d'Ausféierung vun einfache Ufroen (zum Beispill d'Erhalen vun Detailer iwwer Produktpräisser oder d'Zuel vun de verfügbaren Deeler).
Industriell Anwendungsfäll ginn duerch d'Benotzung vun AIoT moderniséiert.
Verschidde industriell Uwendungsfäll ginn duerch d'Ergänzung vun KI-Fäegkeeten zu der existéierender Hardware-/Software-Infrastruktur verbessert. E liewegt Beispill ass Maschinnvisioun a Qualitéitskontrollapplikatiounen. Traditionell Maschinnvisiounssystemer veraarbechten Biller duerch integréiert oder diskret Computeren, déi mat spezialiséierter Software ausgestatt sinn, déi virbestëmmt Parameteren a Schwellen (z.B. héije Kontrast) evaluéiert, fir ze bestëmmen, ob Objeten Defekter weisen. A ville Fäll (zum Beispill elektronesch Komponenten mat verschiddene Verdrahtungsformen) ass d'Zuel vu falschen Positiven ganz héich.
Dës Systemer ginn awer duerch kënschtlech Intelligenz nei opgebaut. Zum Beispill huet den industrielle Maschinnevisiouns-Ubidder Cognex am Juli 2021 en neit Deep Learning-Tool (Vision Pro Deep Learning 2.0) erausbruecht. Déi nei Tools integréiere sech mat traditionelle Visionssystemer, sou datt d'Endbenotzer Deep Learning mat traditionelle Visionsinstrumenter an der selwechter Applikatioun kombinéiere kënnen, fir usprochsvoll medizinesch an elektronesch Ëmfeld gerecht ze ginn, déi eng korrekt Miessung vu Kratzer, Kontaminatioun an aner Defekter erfuerderen.
Faktor 4: Industriell AIoT-Hardware gëtt verbessert
KI-Chips verbesseren sech rapid.
Embedded Hardware KI-Chips wuessen rapid, mat enger Villfalt vun Optiounen, déi verfügbar sinn fir d'Entwécklung an den Asaz vun KI-Modeller z'ënnerstëtzen. Beispiller enthalen déi lescht Grafikveraarbechtungseenheeten (Gpus) vun NVIDIA, den A30 an den A10, déi am Mäerz 2021 agefouert goufen a fir KI-Benotzungsfäll wéi Empfehlungssystemer a Computervisiounssystemer gëeegent sinn. En anert Beispill sinn d'Tensors Processing Units (TPus) vun der véierter Generatioun vu Google, déi mächteg speziell integréiert Schaltungen (ASics) sinn, déi bis zu 1.000 Mol méi Effizienz a Geschwindegkeet an der Modellentwécklung an -asaz fir spezifesch KI-Workloads (z. B. Objetdetektioun, Bildklassifikatioun a Empfehlungsbenchmarks) erreeche kënnen. D'Benotzung vun dedizéierter KI-Hardware reduzéiert d'Modellberechenungszäit vun Deeg op Minutten a huet sech a ville Fäll als e Spillwechsler erwisen.
Leistungsstark KI-Hardware ass direkt iwwer e Pay-per-Use-Modell verfügbar.
Superscale-Entreprisen upgraden hir Server stänneg, fir Rechenressourcen an der Cloud verfügbar ze maachen, sou datt Endbenotzer industriell KI-Applikatiounen implementéiere kënnen. Am November 2021 huet AWS zum Beispill déi offiziell Verëffentlechung vu senge leschten GPU-baséierten Instanzen, Amazon EC2 G5, ugekënnegt, ugedriwwe vun der NVIDIA A10G Tensor Core GPU, fir eng Vielfalt vun ML-Applikatiounen, dorënner Computervisioun a Empfehlungsmotoren. Zum Beispill benotzt den Detektiounssystemanbieter Nanotronics Amazon EC2 Beispiller vu senger KI-baséierter Qualitéitskontrollléisung, fir d'Veraarbechtungsufwand ze beschleunegen an méi präzis Detektiounsraten bei der Fabrikatioun vu Mikrochips an Nanoröhrchen z'erreechen.
Schlussfolgerung a Perspektiv
KI kënnt aus der Fabréck eraus, a si wäert iwwerall an neien Uwendungen, wéi KI-baséiert PdM, a Verbesserunge vun existéierender Software a Gebrauchsfäll sinn. Grouss Entreprisen rullen e puer KI-Use-Falls aus a mellen Erfolleg, an déi meescht Projeten hunn eng héich Rendite op Investitiounen. Alles an allem bitt den Opstig vun der Cloud, IoT-Plattformen a mächtege KI-Chips eng Plattform fir eng nei Generatioun vu Software an Optimiséierung.
Zäitpunkt vun der Verëffentlechung: 12. Januar 2022