Yakın zamanda yayınlanan Endüstriyel Yapay Zeka ve Yapay Zeka Pazarı Raporu 2021-2026'ya göre, endüstriyel ortamlarda Yapay Zeka benimseme oranı sadece iki yılda %19'dan %31'e yükseldi. Operasyonlarında Yapay Zeka'yı tamamen veya kısmen devreye alan katılımcıların %31'ine ek olarak, %39'u şu anda teknolojiyi test ediyor veya pilot olarak uyguluyor.
Yapay zeka, dünya çapındaki üreticiler ve enerji şirketleri için önemli bir teknoloji olarak ortaya çıkıyor ve IoT analizi, endüstriyel yapay zeka çözümleri pazarının 2026 yılına kadar %35'lik güçlü bir pandemi sonrası bileşik yıllık büyüme oranı (CAGR) göstererek 102,17 milyar dolara ulaşacağını öngörüyor.
Dijital çağ, Nesnelerin İnterneti'ni doğurdu. Yapay zekanın ortaya çıkmasının Nesnelerin İnterneti'nin gelişim hızını artırdığı görülebilir.
Endüstriyel yapay zeka ve AIoT'nin yükselişini yönlendiren bazı faktörlere bir göz atalım.
Faktör 1: Endüstriyel AIoT için giderek daha fazla yazılım aracı
2019'da, IoT analitiği endüstriyel AI'yı kapsamaya başladığında, operasyonel teknoloji (OT) satıcılarından birkaç özel AI yazılım ürünü vardı. O zamandan beri, birçok OT satıcısı, fabrika zemini için AI platformları biçiminde AI yazılım çözümleri geliştirerek ve sağlayarak AI pazarına girdi.
Verilere göre, yaklaşık 400 satıcı AIoT yazılımı sunuyor. Endüstriyel AI pazarına katılan yazılım satıcılarının sayısı son iki yılda önemli ölçüde arttı. Çalışma sırasında IoT Analytics, üreticilere/endüstriyel müşterilere AI teknolojisi sağlayan 634 tedarikçi belirledi. Bu şirketlerden 389'u (%61,4) AI yazılımı sunuyor.
Yeni AI yazılım platformu endüstriyel ortamlara odaklanıyor. Uptake, Braincube veya C3 AI'nın ötesinde, giderek artan sayıda operasyonel teknoloji (OT) tedarikçisi özel AI yazılım platformları sunuyor. Örnekler arasında ABB'nin Genix Endüstriyel analitiği ve AI paketi, Rockwell Automation'ın FactoryTalk İnovasyon paketi, Schneider Electric'in kendi üretim danışmanlık platformu ve daha yakın zamanda belirli eklentiler yer alıyor. Bu platformlardan bazıları çok çeşitli kullanım durumlarını hedefliyor. Örneğin, ABB'nin Genix platformu, operasyonel performans yönetimi, varlık bütünlüğü, sürdürülebilirlik ve tedarik zinciri verimliliği için önceden oluşturulmuş uygulamalar ve hizmetler dahil olmak üzere gelişmiş analitikler sağlıyor.
Büyük şirketler yapay zeka yazılım araçlarını üretim tesislerine yerleştiriyor.
Yapay zeka yazılım araçlarının kullanılabilirliği, AWS, Microsoft ve Google gibi büyük şirketler tarafından geliştirilen yeni kullanım durumuna özgü yazılım araçları tarafından da yönlendirilir. Örneğin, Aralık 2020'de AWS, PdM, bilgisayar görüşü ve otonom sürüş gibi en yaygın endüstriyel kullanım durumları için önceden oluşturulmuş ve özelleştirilebilir çözümler sağlayan bir Amazon SageMaker özelliği olan Amazon SageMaker JumpStart'ı yayınladı. Sadece birkaç tıklamayla dağıtın.
Kullanım durumuna özgü yazılım çözümleri kullanılabilirlik iyileştirmelerini yönlendiriyor.
Tahmini bakıma odaklananlar gibi kullanım durumuna özgü yazılım paketleri daha yaygın hale geliyor. IoT Analytics, veri kaynaklarının çeşitliliğindeki artış ve ön eğitim modellerinin kullanımı ile veri geliştirme teknolojilerinin yaygın olarak benimsenmesi nedeniyle AI tabanlı ürün veri yönetimi (PdM) yazılım çözümleri kullanan sağlayıcıların sayısının 2021'in başlarında 73'e yükseldiğini gözlemledi.
Faktör 2: Yapay zeka çözümlerinin geliştirilmesi ve bakımı basitleştiriliyor
Otomatik makine öğrenimi (AutoML) standart bir ürün haline geliyor.
Makine öğrenimi (ML) ile ilişkili görevlerin karmaşıklığı nedeniyle, makine öğrenimi uygulamalarının hızla büyümesi, uzmanlık gerektirmeden kullanılabilen hazır makine öğrenimi yöntemlerine ihtiyaç duyulmasına neden oldu. Ortaya çıkan araştırma alanı, makine öğrenimi için ilerici otomasyon, AutoML olarak adlandırılıyor. Çeşitli şirketler, müşterilerinin ML modelleri geliştirmesine ve endüstriyel kullanım durumlarını daha hızlı uygulamasına yardımcı olmak için bu teknolojiyi AI tekliflerinin bir parçası olarak kullanıyor. Örneğin, Kasım 2020'de SKF, maliyetleri düşürmek ve müşteriler için yeni iş modelleri sağlamak amacıyla makine proses verilerini titreşim ve sıcaklık verileriyle birleştiren automL tabanlı bir ürün duyurdu.
Makine öğrenimi işlemleri (ML Ops) model yönetimini ve bakımını basitleştirir.
Makine öğrenimi operasyonlarının yeni disiplini, üretim ortamlarında AI modellerinin bakımını basitleştirmeyi amaçlamaktadır. Bir AI modelinin performansı, tesis içindeki çeşitli faktörlerden etkilendiği için genellikle zamanla azalır (örneğin, veri dağıtımındaki ve kalite standartlarındaki değişiklikler). Sonuç olarak, model bakımı ve makine öğrenimi operasyonları, endüstriyel ortamların yüksek kalite gereksinimlerini karşılamak için gerekli hale gelmiştir (örneğin, performansı %99'un altında olan modeller, işçi güvenliğini tehlikeye atan davranışları tespit edemeyebilir).
Son yıllarda, DataRobot, Grid.AI, Pinecone/Zilliz, Seldon ve Weights & Biases gibi birçok girişim ML Ops alanına katıldı. Azure ML Studio'da veri kayması algılamayı tanıtan Microsoft gibi yerleşik şirketler, mevcut AI yazılım tekliflerine makine öğrenimi operasyonlarını ekledi. Bu yeni özellik, kullanıcıların model performansını düşüren giriş verilerinin dağıtımındaki değişiklikleri algılamasını sağlar.
Faktör 3: Mevcut uygulamalara ve kullanım durumlarına uygulanan yapay zeka
Geleneksel yazılım sağlayıcıları yapay zeka yetenekleri ekliyor.
MS Azure ML, AWS SageMaker ve Google Cloud Vertex AI gibi mevcut büyük yatay AI yazılım araçlarına ek olarak, Bilgisayarlı Bakım Yönetim Sistemleri (CAMMS), Üretim yürütme sistemleri (MES) veya kurumsal kaynak planlama (ERP) gibi geleneksel yazılım paketleri artık AI yeteneklerinin enjekte edilmesiyle önemli ölçüde iyileştirilebilir. Örneğin, ERP sağlayıcısı Epicor Software, Epicor Sanal Asistanı (EVA) aracılığıyla mevcut ürünlerine AI yetenekleri ekliyor. Akıllı EVA aracıları, üretim operasyonlarını yeniden planlama veya basit sorgular gerçekleştirme (örneğin, ürün fiyatlandırması veya mevcut parça sayısı hakkında ayrıntılar elde etme) gibi ERP süreçlerini otomatikleştirmek için kullanılır.
Endüstriyel kullanım durumları AIoT kullanılarak yükseltiliyor.
Mevcut donanım/yazılım altyapısına AI yetenekleri eklenerek çeşitli endüstriyel kullanım durumları geliştirilmektedir. Bunun canlı bir örneği kalite kontrol uygulamalarındaki makine görüşüdür. Geleneksel makine görüşü sistemleri, nesnelerin kusur gösterip göstermediğini belirlemek için önceden belirlenmiş parametreleri ve eşikleri (örneğin, yüksek kontrast) değerlendiren özel yazılımlarla donatılmış entegre veya ayrı bilgisayarlar aracılığıyla görüntüleri işler. Birçok durumda (örneğin, farklı kablolama şekillerine sahip elektronik bileşenler), yanlış pozitiflerin sayısı çok yüksektir.
Ancak bu sistemler yapay zeka aracılığıyla yeniden canlandırılıyor. Örneğin, endüstriyel makine vizyonu sağlayıcısı Cognex, Temmuz 2021'de yeni bir Derin Öğrenme aracı (Vision Pro Deep Learning 2.0) yayınladı. Yeni araçlar, geleneksel vizyon sistemleriyle entegre olarak son kullanıcıların, çiziklerin, kirlenmenin ve diğer kusurların doğru bir şekilde ölçülmesini gerektiren zorlu tıbbi ve elektronik ortamları karşılamak için aynı uygulamada derin öğrenmeyi geleneksel vizyon araçlarıyla birleştirmesini sağlıyor.
Faktör 4: Endüstriyel AIoT donanımı iyileştiriliyor
Yapay zeka çipleri hızla gelişiyor.
Gömülü donanım AI çipleri, AI modellerinin geliştirilmesini ve dağıtımını desteklemek için çeşitli seçeneklerle hızla büyüyor. Örnekler arasında NVIDIA'nın en son grafik işleme birimleri (Gpu'lar), Mart 2021'de tanıtılan ve öneri sistemleri ve bilgisayarlı görüş sistemleri gibi AI kullanım durumları için uygun olan A30 ve A10 yer alıyor. Başka bir örnek ise Google'ın dördüncü nesil Tensör İşleme Birimleri'dir (TPu'lar), bunlar belirli AI iş yükleri (örneğin, nesne algılama, görüntü sınıflandırması ve öneri kıyaslamaları) için model geliştirme ve dağıtımında 1.000 kata kadar daha fazla verimlilik ve hız elde edebilen güçlü özel amaçlı entegre devreler (ASics)dir. Özel AI donanımı kullanmak, model hesaplama süresini günlerden dakikalara düşürür ve birçok durumda oyunun kurallarını değiştirdiği kanıtlanmıştır.
Ödemeli kullanım modeliyle güçlü yapay zeka donanımına anında erişim sağlanabiliyor.
Süper ölçekli işletmeler, son kullanıcıların endüstriyel AI uygulamalarını uygulayabilmesi için bulutta bilgi işlem kaynaklarını kullanılabilir hale getirmek amacıyla sunucularını sürekli olarak yükseltiyor. Örneğin, Kasım 2021'de AWS, NVIDIA A10G Tensor Core GPU tarafından desteklenen en son GPU tabanlı örnekleri Amazon EC2 G5'in bilgisayarlı görüş ve öneri motorları dahil olmak üzere çeşitli ML uygulamaları için resmi sürümünü duyurdu. Örneğin, algılama sistemleri sağlayıcısı Nanotronics, mikroçip ve nanotüplerin üretiminde işleme çabalarını hızlandırmak ve daha doğru algılama oranları elde etmek için AI tabanlı kalite kontrol çözümünün Amazon EC2 örneklerini kullanıyor.
Sonuç ve Beklenti
Yapay zeka fabrikadan çıkıyor ve yapay zeka tabanlı PdM gibi yeni uygulamalarda ve mevcut yazılım ve kullanım durumlarında iyileştirmeler olarak her yerde bulunacak. Büyük işletmeler birkaç yapay zeka kullanım durumu sunuyor ve başarı bildiriyor ve çoğu projenin yatırım getirisi yüksek. Sonuç olarak, bulutun, nesnelerin interneti platformlarının ve güçlü yapay zeka çiplerinin yükselişi, yeni nesil yazılım ve optimizasyon için bir platform sağlıyor.
Yayınlanma zamanı: 12-Oca-2022