Geméiss dem kierzlech verëffentlechten Industrial AI an AI Market Report 2021-2026, ass d'Adoptiounsquote vun AI an industriellen Astellungen vun 19 Prozent op 31 Prozent an just iwwer zwee Joer eropgaang.Zousätzlech zu 31 Prozent vun de Befroten, déi AI ganz oder deelweis an hiren Operatiounen ausgerullt hunn, testen nach 39 Prozent d'Technologie oder pilotéieren de Moment.
AI entsteet als Schlësseltechnologie fir Hiersteller an Energiefirmen weltwäit, an d'IoT Analyse virausgesot datt den industriellen AI Léisunge Maart e staarke post-pandemesche Compound Joreswachstumsrate (CAGR) vun 35% wäert weisen fir $ 102.17 Milliarde bis 2026 z'erreechen.
Den digitalen Zäitalter huet den Internet vun de Saachen gebuer.Et kann gesi ginn datt d'Entstoe vu kënschtlecher Intelligenz den Tempo vun der Entwécklung vum Internet of Things beschleunegt huet.
Loosst eis e puer vun de Faktoren kucken, déi den Opstig vun industriellen AI an AIoT féieren.
Faktor 1: Méi a méi Software Tools fir industriell AIoT
Am Joer 2019, wéi d'Iot Analyse ugefaang huet fir industriell AI ze decken, waren et wéineg engagéierten AI Software Produkter vun operationell Technologie (OT) Verkeefer.Zënterhier sinn vill OT Ubidder den AI Maart agaangen andeems se AI Softwareléisungen a Form vun AI Plattformen fir de Fabrécksbuedem entwéckelen an ubidden.
Laut Donnéeën bidden bal 400 Ubidder AIoT Software.D'Zuel vu Software Ubidder, déi den industriellen AI Maart bäitrieden, ass an de leschten zwee Joer dramatesch eropgaang.Wärend der Studie, IoT Analytics identifizéiert 634 Fournisseuren vun AI Technologie fir Hiersteller / industriell Clienten.Vun dëse Firmen bidden 389 (61,4%) AI Software.
Déi nei AI Software Plattform konzentréiert sech op industriell Ëmfeld.Nieft Uptake, Braincube oder C3 AI, eng wuessend Zuel vun operationell Technologie (OT) Ubidder bidden engagéiert AI Software Plattformen.Beispiller enthalen ABB Genix Industrial Analytics an AI Suite, Rockwell Automation FactoryTalk Innovation Suite, Schneider Electric seng eege Fabrikatiounsberodungsplattform, a méi kierzlech spezifesch Add-ons.E puer vun dëse Plattformen zielen eng breet Palette vu Benotzungsfäll.Zum Beispill, ABB Genix Plattform bitt fortgeschratt Analyse, dorënner pre-built Uwendungen a Servicer fir operationell Leeschtungsmanagement, Asset Integritéit, Nohaltegkeet a Versuergungsketten Effizienz.
Grouss Firmen setzen hir ai Software Tools op de Buttek.
D'Disponibilitéit vun ai Software Tools gëtt och gedriwwe vun neie Benotzungsspezifesch Software Tools entwéckelt vun AWS, grousse Firmen wéi Microsoft a Google.Zum Beispill, am Dezember 2020, huet AWS Amazon SageMaker JumpStart verëffentlecht, eng Feature vun Amazon SageMaker déi e Set vu virgebauten a personaliséierbare Léisunge fir déi meescht üblech industriell Benotzungsfäll ubitt, wéi PdM, Computervisioun, an autonom Fuere, Deploy mat just e puer Mausklicken.
Benotzt-Fall-spezifesch Software Léisunge féieren Usability Verbesserungen.
Benotzt-Fall-spezifesch Software Suiten, wéi déi op predictive Ënnerhalt konzentréiert, ginn ëmmer méi heefeg.IoT Analytics huet beobachtet datt d'Zuel vun de Fournisseuren déi AI-baséiert Produktdatenmanagement (PdM) Softwareléisungen benotzen op 73 am fréien 2021 eropgaang wéinst enger Erhéijung vun der Varietéit vun Datequellen an der Notzung vu Pre-Training Modeller, souwéi déi verbreet Adoptioun vun Dateverbesserungstechnologien.
Faktor 2: D'Entwécklung an den Ënnerhalt vun AI Léisunge ginn vereinfacht
Automatiséiert Maschinn Léieren (AutoML) gëtt e Standardprodukt.
Wéinst der Komplexitéit vun den Aufgaben, déi mam Maschinnléieren (ML) verbonne sinn, huet de séiere Wuesstum vu Maschinnléierenapplikatiounen e Bedierfnes fir off-the-shelf Maschinnléieremethoden erstallt, déi ouni Expertise kënne benotzt ginn.Dat resultéierend Feld vun der Fuerschung, progressiv Automatioun fir Maschinnléieren, gëtt AutoML genannt.Eng Vielfalt vu Firme profitéieren dës Technologie als Deel vun hiren AI Offeren fir Clienten ze hëllefen ML Modeller z'entwéckelen an industrielle Gebrauchsfäll méi séier ëmzesetzen.Am November 2020, zum Beispill, huet SKF en AutomL-baséiert Produkt ugekënnegt dat Maschinnprozessdaten mat Schwéngungs- an Temperaturdaten kombinéiert fir Käschten ze reduzéieren an nei Geschäftsmodeller fir Clienten z'erméiglechen.
Maschinn Léieren Operatiounen (ML Ops) vereinfachen Modellmanagement an Ënnerhalt.
Déi nei Disziplin vu Maschinnléiere Operatiounen zielt fir den Ënnerhalt vun AI Modeller an de Fabrikatiounsëmfeld ze vereinfachen.D'Performance vun engem AI Modell degradéiert normalerweis mat der Zäit well se vu verschiddene Faktoren an der Planz beaflosst gëtt (zum Beispill Ännerungen an der Dateverdeelung a Qualitéitsnormen).Als Resultat sinn Modellerhaltung a Maschinnléieroperatioune noutwenneg ginn fir déi héichqualitativ Ufuerderunge vun industriellen Ëmfeld z'erhalen (zum Beispill Modeller mat Performance ënner 99% kënne Verhalen net identifizéieren dat d'Aarbechtersécherheet a Gefor bréngt).
An de leschte Joeren hu vill Startups de ML Ops Raum ugeschloss, dorënner DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, a Weights & Biases.Etabléiert Firmen hunn Maschinn Léieroperatioune fir hir existent AI Software Offeren bäigefüügt, dorënner Microsoft, déi Datedriftdetektioun am Azure ML Studio agefouert huet.Dës nei Feature erlaabt d'Benotzer Ännerungen an der Verdeelung vun Inputdaten z'entdecken, déi d'Modellleistung degradéieren.
Faktor 3: Kënschtlech Intelligenz applizéiert op existent Uwendungen a Gebrauchsfäll
Traditionell Software Ubidder addéieren AI Fäegkeeten.
Zousätzlech zu existente grouss horizontalen AI Software Tools wéi MS Azure ML, AWS SageMaker, a Google Cloud Vertex AI, traditionell Software Suiten wéi Computerized Maintenance Management Systems (CAMMS), Manufacturing Execution Systems (MES) oder Enterprise Resource Planning (ERP) kann elo wesentlech verbessert ginn andeems AI Fäegkeeten injizéiert ginn.Zum Beispill, den ERP Provider Epicor Software füügt AI Fäegkeeten un seng existent Produkter duerch säin Epicor Virtual Assistant (EVA).Intelligent EVA Agenten gi benotzt fir ERP Prozesser ze automatiséieren, sou wéi d'Fabrikatiounsoperatioune ëmsetzen oder einfach Ufroen ausféieren (zum Beispill Detailer iwwer Produktpräisser kréien oder d'Zuel vun verfügbaren Deeler).
Industriell Notzungsfäll ginn aktualiséiert andeems AIoT benotzt.
Verschidde industriell Benotzungsfäll ginn verbessert andeems AI Fäegkeeten op existent Hardware / Software Infrastruktur bäigefüügt ginn.E liewege Beispill ass Maschinnvisioun a Qualitéitskontrollapplikatiounen.Traditionell Maschinnvisiounssystemer veraarbecht Biller duerch integréiert oder diskret Computeren, déi mat spezialiséierter Software ausgestatt sinn, déi virbestëmmte Parameteren a Schwellen evaluéiert (zB héije Kontrast) fir ze bestëmmen ob Objete Mängel weisen.A ville Fäll (zum Beispill, elektronesch Komponente mat verschiddene wiring Formen) ass d'Zuel vun falsch positiven ganz héich.
Wéi och ëmmer, dës Systemer ginn duerch kënschtlech Intelligenz erëmbelieft.Zum Beispill huet den industrielle Maschinn Vision Provider Cognex en neit Deep Learning Tool (Vision Pro Deep Learning 2.0) am Juli 2021 verëffentlecht. treffen usprochsvollen medizineschen an elektroneschen Ëmfeld déi präzis Messung vu Kratzer, Kontaminatioun an aner Mängel erfuerderen.
Faktor 4: Industriell AIoT Hardware gëtt verbessert
AI Chips verbesseren sech séier.
Embedded Hardware AI Chips wuessen séier, mat enger Vielfalt vun Optiounen verfügbar fir d'Entwécklung an d'Deployment vun AI Modeller z'ënnerstëtzen.Beispiller enthalen NVIDIA déi lescht Grafikveraarbechtungseenheeten (Gpus), den A30 an A10, déi am Mäerz 2021 agefouert goufen a gëeegent sinn fir AI Benotzungsfäll wéi Empfehlungssystemer a Computervisiounssystemer.En anert Beispill ass Google d'véiert Generatioun Tensors Processing Units (TPus), déi mächteg speziell Zweck integréiert Circuiten (ASics) sinn, déi bis zu 1.000 Mol méi Effizienz a Geschwindegkeet an der Modellentwécklung an Deployment fir spezifesch AI Aarbechtslaaschten erreechen (zB Objekterkennung) , Bildklassifikatioun a Empfehlungsbenchmarks).D'Benotzung vun enger dedizéierter AI Hardware reduzéiert d'Modellberechnzäit vun Deeg op Minutten, an huet sech a ville Fäll als Spillwechsel bewisen.
Mächteg AI Hardware ass direkt verfügbar duerch e Pay-per-Use Modell.
Superscale Entreprisen aktualiséieren dauernd hir Serveren fir Rechenressourcen an der Wollek verfügbar ze maachen, sou datt Endbenutzer industriell AI Uwendungen implementéiere kënnen.Am November 2021, zum Beispill, huet AWS déi offiziell Verëffentlechung vu senge leschten GPU-baséiert Instanzen ugekënnegt, Amazon EC2 G5, ugedriwwe vun der NVIDIA A10G Tensor Core GPU, fir eng Vielfalt vun ML Uwendungen, dorënner Computer Visioun a Empfehlungsmotoren.Zum Beispill, Detectiounssystemer Provider Nanotronics benotzt Amazon EC2 Beispiller vu senger AI-baséierter Qualitéitskontrollléisung fir d'Veraarbechtungsefforten ze beschleunegen a méi genee Detektiounsraten an der Fabrikatioun vu Mikrochips an Nanotubes z'erreechen.
Conclusioun a Perspektiv
AI kënnt aus der Fabréck, an et wäert iwwerall an nei Uwendungen sinn, sou wéi AI-baséiert PdM, an als Verbesserunge fir existent Software a Gebrauchsfäll.Grouss Entreprisen rullen verschidde AI Benotzungsfäll aus a berichten Erfolleg, an déi meescht Projeten hunn en héije Rendement op Investitioun.Alles an allem bitt den Opstig vun der Wollek, iot Plattformen a mächtegen AI Chips eng Plattform fir eng nei Generatioun vu Software an Optimisatioun.
Post Zäit: Jan-12-2022