Yn ôl Adroddiad Marchnad AI ac AI Diwydiannol ac AI a ryddhawyd yn ddiweddar 2021-2026, cynyddodd cyfradd fabwysiadu AI mewn lleoliadau diwydiannol o 19 y cant i 31 y cant mewn ychydig dros ddwy flynedd. Yn ogystal â 31 y cant o ymatebwyr sydd wedi cyflwyno AI yn llawn neu'n rhannol yn eu gweithrediadau, mae 39 y cant arall yn profi neu'n treialu'r dechnoleg ar hyn o bryd.
Mae AI yn dod i'r amlwg fel technoleg allweddol ar gyfer gweithgynhyrchwyr a chwmnïau ynni ledled y byd, ac mae dadansoddiad IoT yn rhagweld y bydd y farchnad Datrysiadau AI diwydiannol yn dangos cyfradd twf blynyddol cyfansawdd ôl-fandemig (CAGR) cryf o 35% i gyrraedd $ 102.17 biliwn erbyn 2026.
Mae'r oes ddigidol wedi esgor ar Rhyngrwyd Pethau. Gellir gweld bod ymddangosiad deallusrwydd artiffisial wedi cyflymu cyflymder datblygiad Rhyngrwyd Pethau.
Gadewch i ni edrych ar rai o'r ffactorau sy'n gyrru cynnydd AI diwydiannol ac AIOT.
Ffactor 1: Mwy a mwy o offer meddalwedd ar gyfer AIOT diwydiannol
Yn 2019, pan ddechreuodd IoT Analytics gwmpasu AI diwydiannol, prin oedd y cynhyrchion meddalwedd AI pwrpasol gan werthwyr Technoleg Gweithredol (OT). Ers hynny, mae llawer o werthwyr OT wedi dod i mewn i'r farchnad AI trwy ddatblygu a darparu datrysiadau meddalwedd AI ar ffurf llwyfannau AI ar gyfer llawr y ffatri.
Yn ôl data, mae bron i 400 o werthwyr yn cynnig meddalwedd AIOT. Mae nifer y gwerthwyr meddalwedd sy'n ymuno â'r farchnad AI ddiwydiannol wedi cynyddu'n ddramatig yn ystod y ddwy flynedd ddiwethaf. Yn ystod yr astudiaeth, nododd IoT Analytics 634 o gyflenwyr technoleg AI i weithgynhyrchwyr/cwsmeriaid diwydiannol. O'r cwmnïau hyn, mae 389 (61.4%) yn cynnig meddalwedd AI.
Mae'r platfform meddalwedd AI newydd yn canolbwyntio ar amgylcheddau diwydiannol. Y tu hwnt i dderbyn, Braincube, neu C3 AI, mae nifer cynyddol o werthwyr technoleg weithredol (OT) yn cynnig llwyfannau meddalwedd AI pwrpasol. Ymhlith yr enghreifftiau mae Genix Industrial Analytics ABB ac AI Suite, Rockwell Automation's FactoryTalk Innovation Suite, platfform ymgynghori gweithgynhyrchu Schneider Electric ei hun, ac yn fwy diweddar, ychwanegiadau penodol. Mae rhai o'r llwyfannau hyn yn targedu ystod eang o achosion defnydd. Er enghraifft, mae platfform GENIX ABB yn darparu dadansoddeg uwch, gan gynnwys cymwysiadau a gwasanaethau wedi'u hadeiladu ymlaen llaw ar gyfer rheoli perfformiad gweithredol, cywirdeb asedau, cynaliadwyedd ac effeithlonrwydd y gadwyn gyflenwi.
Mae cwmnïau mawr yn rhoi eu hoffer meddalwedd AI ar lawr y siop.
Mae argaeledd offer meddalwedd AI hefyd yn cael ei yrru gan offer meddalwedd newydd-achos-penodol a ddatblygwyd gan AWS, cwmnïau mawr fel Microsoft a Google. Er enghraifft, ym mis Rhagfyr 2020, rhyddhaodd AWS Amazon Sagemaker Jumpstart, nodwedd o Amazon Sagemaker sy'n darparu set o atebion wedi'u hadeiladu ymlaen llaw ac y gellir eu haddasu ar gyfer yr achosion defnydd diwydiannol mwyaf cyffredin, megis PDM, gweledigaeth gyfrifiadurol, a gyrru ymreolaethol, eu defnyddio gydag ychydig gliciau yn unig.
Mae datrysiadau meddalwedd sy'n benodol i achosion yn gyrru gwelliannau defnyddioldeb.
Mae ystafelloedd meddalwedd defnyddio-benodol, fel y rhai sy'n canolbwyntio ar gynnal a chadw rhagfynegol, yn dod yn fwy cyffredin. Sylwodd IoT Analytics fod nifer y darparwyr sy'n defnyddio datrysiadau meddalwedd Rheoli Data Cynnyrch (PDM) wedi'u seilio ar AI wedi codi i 73 yn gynnar yn 2021 oherwydd cynnydd yn yr amrywiaeth o ffynonellau data a'r defnydd o fodelau cyn-hyfforddi, yn ogystal â mabwysiadu technolegau gwella data yn eang.
Ffactor 2: Mae datblygu a chynnal datrysiadau AI yn cael eu symleiddio
Mae Dysgu Peiriant Awtomataidd (Automl) yn dod yn gynnyrch safonol.
Oherwydd cymhlethdod y tasgau sy'n gysylltiedig â dysgu peiriant (ML), mae twf cyflym cymwysiadau dysgu peiriannau wedi creu angen am ddulliau dysgu peiriant oddi ar y silff y gellir eu defnyddio heb arbenigedd. Gelwir y maes ymchwil sy'n deillio o hyn, awtomeiddio blaengar ar gyfer dysgu â pheiriant, yn automl. Mae amrywiaeth o gwmnïau yn trosoli'r dechnoleg hon fel rhan o'u cynigion AI i helpu cwsmeriaid i ddatblygu modelau ML a gweithredu achosion defnydd diwydiannol yn gyflymach. Ym mis Tachwedd 2020, er enghraifft, cyhoeddodd SKF gynnyrch wedi'i seilio ar automl sy'n cyfuno data prosesau peiriant â data dirgryniad a thymheredd i leihau costau a galluogi modelau busnes newydd i gwsmeriaid.
Mae Gweithrediadau Dysgu Peiriant (ML OPS) yn symleiddio rheoli a chynnal a chadw modelau.
Nod disgyblaeth newydd gweithrediadau dysgu peiriannau yw symleiddio cynnal a chadw modelau AI mewn amgylcheddau gweithgynhyrchu. Mae perfformiad model AI fel arfer yn dirywio dros amser gan ei fod yn cael ei effeithio gan sawl ffactor yn y planhigyn (er enghraifft, newidiadau yn nosbarthiad data a safonau ansawdd). O ganlyniad, mae angen cynnal a chadw modelau a gweithrediadau dysgu peiriannau i fodloni gofynion ansawdd uchel amgylcheddau diwydiannol (er enghraifft, gall modelau â pherfformiad o dan 99% fethu â nodi ymddygiad sy'n peryglu diogelwch gweithwyr).
Yn ystod y blynyddoedd diwethaf, mae llawer o fusnesau cychwynnol wedi ymuno â'r gofod ML OPS, gan gynnwys DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, a Pwysau a Chaia. Mae cwmnïau sefydledig wedi ychwanegu gweithrediadau dysgu peiriannau i'w offrymau meddalwedd AI presennol, gan gynnwys Microsoft, a gyflwynodd ganfod drifft data yn Azure ML Studio. Mae'r nodwedd newydd hon yn galluogi defnyddwyr i ganfod newidiadau yn nosbarthiad data mewnbwn sy'n diraddio perfformiad model.
Ffactor 3: deallusrwydd artiffisial a gymhwysir i gymwysiadau presennol a defnyddio achosion
Mae darparwyr meddalwedd traddodiadol yn ychwanegu galluoedd AI.
Yn ogystal ag offer meddalwedd AI llorweddol mawr presennol fel MS Azure ML, AWS Sagemaker, a Google Cloud Vertex AI, gall ystafelloedd meddalwedd traddodiadol fel Systemau Rheoli Cynnal a Chadw Cyfrifiadurol (CAMMs), systemau gweithredu gweithgynhyrchu (MES) neu Gynllunio Adnoddau Menter (ERP) bellach wella'n sylweddol trwy alluogi galluogi. Er enghraifft, mae darparwr ERP Epicor Software yn ychwanegu galluoedd AI at ei gynhyrchion presennol trwy ei Rith -Gynorthwyydd Epicor (EVA). Defnyddir asiantau EVA deallus i awtomeiddio prosesau ERP, megis aildrefnu gweithrediadau gweithgynhyrchu neu berfformio ymholiadau syml (er enghraifft, cael manylion am brisio cynnyrch neu nifer y rhannau sydd ar gael).
Mae achosion defnydd diwydiannol yn cael eu huwchraddio trwy ddefnyddio AIOT.
Mae sawl achos defnydd diwydiannol yn cael eu gwella trwy ychwanegu galluoedd AI at y seilwaith caledwedd/meddalwedd presennol. Enghraifft fywiog yw gweledigaeth peiriant mewn cymwysiadau rheoli ansawdd. Mae systemau golwg peiriannau traddodiadol yn prosesu delweddau trwy gyfrifiaduron integredig neu arwahanol sydd â meddalwedd arbenigol sy'n gwerthuso paramedrau a throthwyon a bennwyd ymlaen llaw (ee, cyferbyniad uchel) i benderfynu a yw gwrthrychau yn arddangos diffygion. Mewn llawer o achosion (er enghraifft, cydrannau electronig gyda gwahanol siapiau gwifrau), mae nifer y pethau ffug ffug yn uchel iawn.
Fodd bynnag, mae'r systemau hyn yn cael eu hadfywio trwy ddeallusrwydd artiffisial. Er enghraifft, rhyddhaodd y darparwr gweledigaeth peiriant diwydiannol Cognex offeryn dysgu dwfn newydd (Vision Pro Deep Learning 2.0) ym mis Gorffennaf 2021. Mae'r offer newydd yn integreiddio â systemau golwg traddodiadol, gan alluogi defnyddwyr terfynol i gyfuno dysgu dwfn ag offer golwg traddodiadol yn yr un cymhwysiad i fodloni amgylcheddau meddygol ac electronig heriol sydd angen mesur cywir o grafiadau, confections a eraill.
Ffactor 4: Caledwedd Aiot Diwydiannol yn cael ei wella
Mae sglodion AI yn gwella'n gyflym.
Mae sglodion AI caledwedd wedi'u hymgorffori yn tyfu'n gyflym, gydag amrywiaeth o opsiynau ar gael i gefnogi datblygiad a defnyddio modelau AI. Ymhlith yr enghreifftiau mae unedau prosesu graffeg diweddaraf NVIDIA (GPUs), yr A30 ac A10, a gyflwynwyd ym mis Mawrth 2021 ac sy'n addas ar gyfer achosion defnydd AI fel systemau argymell a systemau golwg cyfrifiadurol. Enghraifft arall yw unedau prosesu tensorau pedwerydd cenhedlaeth Google (TPUs), sy'n gylchedau integredig pwrpasol pwerus (ASICs) a all gyflawni hyd at 1,000 gwaith yn fwy o effeithlonrwydd a chyflymder wrth ddatblygu modelau a defnyddio ar gyfer llwythi gwaith AI penodol (ee, canfod gwrthrychau, dosbarthu delwedd, a meincnodau argymell). Mae defnyddio caledwedd AI pwrpasol yn lleihau amser cyfrifiant model o ddyddiau i funudau, ac mae wedi profi i fod yn newidiwr gêm mewn llawer o achosion.
Mae caledwedd AI pwerus ar gael ar unwaith trwy fodel talu-fesul-defnydd.
Mae SuperScale Enterprises yn gyson yn uwchraddio eu gweinyddwyr i sicrhau bod adnoddau cyfrifiadurol ar gael yn y cwmwl fel y gall defnyddwyr terfynol weithredu cymwysiadau AI diwydiannol. Ym mis Tachwedd 2021, er enghraifft, cyhoeddodd AWS ryddhad swyddogol ei achosion diweddaraf yn seiliedig ar GPU, Amazon EC2 G5, wedi'i bweru gan GPU craidd Tensor Nvidia A10G, ar gyfer amrywiaeth o gymwysiadau ML, gan gynnwys gweledigaeth gyfrifiadurol ac injans argymell. Er enghraifft, mae nanotroneg darparwr systemau canfod yn defnyddio enghreifftiau Amazon EC2 o'i ddatrysiad rheoli ansawdd yn seiliedig ar AI i gyflymu ymdrechion prosesu a chyflawni cyfraddau canfod mwy cywir wrth gynhyrchu microsglodion a nanotiwbiau.
Casgliad a Prospect
Mae AI yn dod allan o'r ffatri, a bydd yn hollbresennol mewn cymwysiadau newydd, fel PDM wedi'i seilio ar AI, ac fel gwelliannau i feddalwedd bresennol ac achosion defnydd. Mae mentrau mawr yn cyflwyno sawl achos defnydd AI ac yn adrodd ar lwyddiant, ac mae gan y mwyafrif o brosiectau enillion uchel ar fuddsoddiad. Ar y cyfan, mae cynnydd y cwmwl, llwyfannau IoT a sglodion AI pwerus yn darparu platfform ar gyfer cenhedlaeth newydd o feddalwedd ac optimeiddio.
Amser Post: Ion-12-2022