Yakın zamanda yayınlanan Endüstriyel Yapay Zeka ve Yapay Zeka Pazar Raporu 2021-2026'ya göre, yapay zekanın endüstriyel ortamlarda benimsenme oranı iki yıldan biraz fazla bir sürede yüzde 19'dan yüzde 31'e çıktı. Yapay zekayı operasyonlarında tamamen veya kısmen kullanıma sunmuş olan katılımcıların yüzde 31'ine ek olarak, diğer yüzde 39'u da şu anda teknolojiyi test ediyor veya pilot uygulama yapıyor.
Yapay zeka, dünya çapında üreticiler ve enerji şirketleri için önemli bir teknoloji olarak ortaya çıkıyor ve IoT analizi, endüstriyel yapay zeka çözümleri pazarının, pandemi sonrası %35'lik güçlü bir bileşik yıllık büyüme oranı (CAGR) göstererek 2026 yılına kadar 102,17 milyar dolara ulaşacağını öngörüyor.
Dijital çağ, Nesnelerin İnterneti'ni doğurdu. Yapay zekanın ortaya çıkmasının Nesnelerin İnterneti'nin gelişim hızını hızlandırdığı görülmektedir.
Endüstriyel yapay zeka ve AIoT'nin yükselişine neden olan faktörlerden bazılarına göz atalım.
Faktör 1: Endüstriyel AIoT için giderek daha fazla yazılım aracı
IoT analitiğinin endüstriyel yapay zekayı kapsamaya başladığı 2019'da operasyonel teknoloji (OT) satıcılarının çok az özel yapay zeka yazılım ürünü vardı. O zamandan bu yana birçok OT satıcısı, fabrika ortamı için yapay zeka platformları biçiminde yapay zeka yazılım çözümleri geliştirip sağlayarak yapay zeka pazarına girdi.
Verilere göre 400'e yakın satıcı AIoT yazılımı sunuyor. Endüstriyel yapay zeka pazarına katılan yazılım satıcılarının sayısı son iki yılda önemli ölçüde arttı. Çalışma sırasında IoT Analytics, üreticilere/endüstriyel müşterilere yönelik 634 yapay zeka teknolojisi tedarikçisini belirledi. Bu şirketlerin 389'u (%61,4) yapay zeka yazılımı sunuyor.
Yeni AI yazılım platformu endüstriyel ortamlara odaklanıyor. Uptake, Braincube veya C3 AI'nin ötesinde, sayıları giderek artan operasyonel teknoloji (OT) satıcıları, özel AI yazılım platformları sunuyor. Örnekler arasında ABB'nin Genix Endüstriyel analitik ve yapay zeka paketi, Rockwell Automation'ın FactoryTalk İnovasyon paketi, Schneider Electric'in kendi üretim danışmanlık platformu ve son zamanlarda özel eklentiler yer alıyor. Bu platformlardan bazıları çok çeşitli kullanım örneklerini 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 sağlar.
Büyük şirketler yapay zeka yazılım araçlarını üretim alanına koyuyor.
Yapay zeka yazılım araçlarının kullanılabilirliği aynı zamanda AWS, Microsoft ve Google gibi büyük şirketler tarafından geliştirilen yeni kullanım durumuna özel yazılım araçları tarafından da desteklenmektedir. Örneğin, Aralık 2020'de AWS, Amazon SageMaker'ın PdM, görüntü işleme ve otonom sürüş gibi en yaygın endüstriyel kullanım durumları için önceden oluşturulmuş ve özelleştirilebilir çözümler sunan bir özelliği olan Amazon SageMaker JumpStart'ı piyasaya sürdü. sadece birkaç tıklama.
Kullanım durumuna özel yazılım çözümleri, kullanılabilirlik iyileştirmelerini teşvik ediyor.
Tahmine dayalı bakıma odaklananlar gibi kullanım durumuna özel yazılım paketleri daha yaygın hale geliyor. IoT Analytics, yapay zeka tabanlı ürün veri yönetimi (PdM) yazılım çözümlerini kullanan sağlayıcı sayısının, veri kaynaklarının çeşitliliği ve ön eğitim modellerinin kullanımının artmasının yanı sıra yaygınlaşması nedeniyle 2021 yılı başlarında 73'e yükseldiğini gözlemledi. Veri geliştirme teknolojilerinin benimsenmesi.
Faktör 2: Yapay zeka çözümlerinin geliştirilmesi ve bakımı basitleştiriliyor
Otomatik makine öğrenimi (AutoML) standart bir ürün haline geliyor.
Makine öğrenimi (ML) ile ilgili görevlerin karmaşıklığı nedeniyle, makine öğrenimi uygulamalarının hızla büyümesi, uzmanlık gerektirmeden kullanılabilecek hazır makine öğrenimi yöntemlerine ihtiyaç yarattı. Ortaya çıkan araştırma alanı, makine öğrenimi için aşamalı otomasyona AutoML adı verilir. Çeşitli şirketler, müşterilerin makine öğrenimi modelleri geliştirmelerine ve endüstriyel kullanım örneklerini daha hızlı uygulamalarına yardımcı olmak için yapay zeka tekliflerinin bir parçası olarak bu teknolojiden yararlanıyor. Örneğin Kasım 2020'de SKF, maliyetleri azaltmak ve müşteriler için yeni iş modellerine olanak sağlamak amacıyla makine proses verilerini titreşim ve sıcaklık verileriyle birleştiren otomL tabanlı bir ürünün duyurusunu yaptı.
Makine öğrenimi işlemleri (ML Ops), model yönetimini ve bakımını basitleştirir.
Makine öğrenimi operasyonlarının yeni disiplini, üretim ortamlarında yapay zeka modellerinin bakımını basitleştirmeyi amaçlıyor. Bir yapay zeka modelinin performansı, tesis içindeki çeşitli faktörlerden (örneğin, veri dağıtımı ve kalite standartlarındaki değişiklikler) etkilendiğinden genellikle zamanla düşer. Sonuç olarak, endüstriyel ortamların yüksek kalite gereksinimlerini karşılamak için model bakımı ve makine öğrenimi işlemleri gerekli hale geldi (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 dahil olmak üzere birçok startup ML Ops alanına katıldı. Yerleşik şirketler, Azure ML Studio'da veri kayması tespitini sunan Microsoft da dahil olmak üzere mevcut yapay zeka yazılım tekliflerine makine öğrenimi işlemlerini ekledi. Bu yeni özellik, kullanıcıların giriş verilerinin dağıtımında model performansını düşüren değişiklikleri tespit etmelerini sağlar.
Faktör 3: Mevcut uygulamalara ve kullanım senaryolarına 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 yapay zeka yeteneklerinin eklenmesiyle önemli ölçüde geliştirilebilir. Örneğin, ERP sağlayıcısı Epicor Software, Epicor Sanal Asistanı (EVA) aracılığıyla mevcut ürünlerine yapay zeka yetenekleri ekliyor. Akıllı EVA aracıları, üretim operasyonlarının yeniden planlanması veya basit sorguların gerçekleştirilmesi (örneğin, ürün fiyatlandırması veya mevcut parça sayısı hakkında ayrıntıların elde edilmesi) gibi ERP süreçlerini otomatikleştirmek için kullanılır.
Endüstriyel kullanım durumları AIoT kullanılarak yükseltiliyor.
Mevcut donanım/yazılım altyapısına yapay zeka yetenekleri eklenerek çeşitli endüstriyel kullanım durumları geliştirilmektedir. Canlı bir örnek, kalite kontrol uygulamalarındaki makine görüşüdür. Geleneksel yapay görme sistemleri, nesnelerin kusur gösterip göstermediğini belirlemek için önceden belirlenmiş parametreleri ve eşikleri (örneğin yüksek kontrast) değerlendiren özel yazılımla donatılmış entegre veya ayrı bilgisayarlar aracılığıyla görüntüleri işler. Çoğu durumda (örneğin, farklı kablolama şekillerine sahip elektronik bileşenler), hatalı pozitiflerin sayısı çok yüksektir.
Ancak bu sistemler yapay zeka aracılığıyla yeniden canlandırılıyor. Örneğin, endüstriyel makine görüşü sağlayıcısı Cognex, Temmuz 2021'de yeni bir Derin Öğrenme aracını (Vision Pro Deep Learning 2.0) piyasaya sürdü. Yeni araçlar, geleneksel görüş sistemleriyle entegre olarak son kullanıcıların aynı uygulamada derin öğrenmeyi geleneksel görme araçlarıyla birleştirmesine olanak tanıyor. Çiziklerin, kirlenmenin ve diğer kusurların doğru şekilde ölçülmesini gerektiren zorlu tıbbi ve elektronik ortamların ihtiyaçlarını karşılayın.
Faktör 4: Endüstriyel AIoT donanımı geliştiriliyor
AI çipleri hızla gelişiyor.
Gömülü donanım yapay zeka yongaları, yapay zeka modellerinin geliştirilmesini ve devreye alınmasını desteklemek için mevcut çeşitli seçeneklerle birlikte hızla büyüyor. Örnekler arasında, Mart 2021'de tanıtılan ve öneri sistemleri ve bilgisayarlı görüş sistemleri gibi yapay zeka kullanım durumları için uygun olan NVIDIA'nın en yeni grafik işleme birimleri (Gpus), A30 ve A10 yer alıyor. Diğer bir örnek ise Google'ın dördüncü nesil Tensör İşleme Birimleridir (TPus), bunlar belirli yapay zeka iş yükleri (örn. nesne algılama) için model geliştirme ve dağıtımda 1000 kata kadar daha fazla verimlilik ve hız elde edebilen güçlü özel amaçlı entegre devrelerdir (ASics). , görüntü sınıflandırması ve öneri karşılaştırmaları). Özel yapay zeka donanımının kullanılması, model hesaplama süresini günlerden dakikalara indirir ve birçok durumda oyunun kurallarını değiştirdiği kanıtlanmıştır.
Güçlü yapay zeka donanımı, kullandıkça öde modeliyle anında kullanıma sunulur.
Süper ölçekli kuruluşlar, son kullanıcıların endüstriyel yapay zeka uygulamalarını uygulayabilmesi amacıyla bilgi işlem kaynaklarının bulutta kullanılabilir hale getirilmesi için sunucularını sürekli olarak yükseltiyor. Örneğin Kasım 2021'de AWS, bilgisayar görüşü ve öneri motorları da dahil olmak üzere çeşitli makine öğrenimi uygulamaları için NVIDIA A10G Tensor Core GPU tarafından desteklenen en yeni GPU tabanlı bulut sunucuları Amazon EC2 G5'in resmi olarak yayınlandığını duyurdu. Örneğin, algılama sistemleri sağlayıcısı Nanotronics, mikroçip ve nanotüp üretiminde işleme çabalarını hızlandırmak ve daha doğru algılama oranları elde etmek için yapay zeka 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 yazılımlarda ve kullanım durumlarında iyileştirmeler olarak her yerde bulunacak. Büyük işletmeler çeşitli yapay zeka kullanım örneklerini kullanıma sunuyor ve başarıyı rapor ediyor ve çoğu projenin yatırım getirisi yüksek. Sonuç olarak, bulutun, IoT platformlarının ve güçlü yapay zeka çiplerinin yükselişi, yeni nesil yazılım ve optimizasyon için bir platform sağlıyor.
Gönderim zamanı: Ocak-12-2022