Volgens het onlangs gepubliceerde rapport 'Industrial AI and AI Market Report 2021-2026' is de adoptie van AI in industriële omgevingen in iets meer dan twee jaar tijd gestegen van 19 procent naar 31 procent. Naast de 31 procent van de respondenten die AI volledig of gedeeltelijk in hun bedrijfsvoering hebben geïmplementeerd, test of implementeert nog eens 39 procent de technologie momenteel.
AI ontpopt zich als een sleuteltechnologie voor fabrikanten en energiebedrijven wereldwijd, en IoT-analyses voorspellen dat de markt voor industriële AI-oplossingen na de pandemie een sterke samengestelde jaarlijkse groei (CAGR) van 35% zal laten zien en in 2026 een waarde van 102,17 miljard dollar zal bereiken.
Het digitale tijdperk heeft het Internet der Dingen voortgebracht. De opkomst van kunstmatige intelligentie heeft de ontwikkeling van het Internet der Dingen aanzienlijk versneld.
Laten we eens kijken naar enkele factoren die de opkomst van industriële AI en AIoT stimuleren.
Factor 1: Steeds meer softwaretools voor industriële AIoT
Toen IoT-analyse in 2019 zijn intrede deed in industriële AI, waren er nog maar weinig specifieke AI-softwareproducten van leveranciers van operationele technologie (OT). Sindsdien zijn veel OT-leveranciers de AI-markt betreden door AI-softwareoplossingen te ontwikkelen en aan te bieden in de vorm van AI-platformen voor de fabrieksvloer.
Volgens de gegevens bieden bijna 400 leveranciers AIoT-software aan. Het aantal softwareleveranciers dat toetreedt tot de industriële AI-markt is de afgelopen twee jaar dramatisch toegenomen. Tijdens het onderzoek identificeerde IoT Analytics 634 leveranciers van AI-technologie aan fabrikanten/industriële klanten. Van deze bedrijven bieden er 389 (61,4%) AI-software aan.
Het nieuwe AI-softwareplatform richt zich op industriële omgevingen. Naast Uptake, Braincube en C3 AI biedt een groeiend aantal leveranciers van operationele technologie (OT) specifieke AI-softwareplatforms aan. Voorbeelden hiervan zijn ABB's Genix Industrial analytics- en AI-suite, Rockwell Automation's FactoryTalk Innovation-suite, Schneider Electric's eigen adviesplatform voor de maakindustrie en, meer recent, specifieke add-ons. Sommige van deze platforms zijn gericht op een breed scala aan toepassingen. Zo biedt ABB's Genix-platform geavanceerde analyses, inclusief vooraf gebouwde applicaties en services voor operationeel prestatiebeheer, assetintegriteit, duurzaamheid en efficiëntie van de toeleveringsketen.
Grote bedrijven zetten hun AI-softwaretools in op de werkvloer.
De beschikbaarheid van AI-softwaretools wordt mede gestimuleerd door nieuwe, voor specifieke toepassingen ontwikkelde softwaretools van AWS en grote bedrijven zoals Microsoft en Google. Zo bracht AWS in december 2020 Amazon SageMaker JumpStart uit, een functie van Amazon SageMaker die een reeks vooraf gebouwde en aanpasbare oplossingen biedt voor de meest voorkomende industriële toepassingen, zoals PdM, computervisie en autonoom rijden, die met slechts een paar klikken kunnen worden geïmplementeerd.
Softwareoplossingen die specifiek zijn afgestemd op bepaalde gebruikssituaties zorgen voor verbeteringen in de gebruiksvriendelijkheid.
Softwarepakketten die specifiek zijn afgestemd op bepaalde toepassingen, zoals pakketten gericht op voorspellend onderhoud, komen steeds vaker voor. IoT Analytics constateerde dat het aantal aanbieders dat AI-gebaseerde softwareoplossingen voor productdatabeheer (PdM) gebruikt, begin 2021 steeg naar 73. Dit is te danken aan een toename van de verscheidenheid aan databronnen, het gebruik van vooraf getrainde modellen en de wijdverspreide toepassing van technologieën voor dataverrijking.
Factor 2: De ontwikkeling en het onderhoud van AI-oplossingen worden vereenvoudigd.
Geautomatiseerd machinaal leren (AutoML) wordt een standaardproduct.
Door de complexiteit van de taken die gepaard gaan met machine learning (ML), heeft de snelle groei van ML-toepassingen geleid tot een behoefte aan kant-en-klare ML-methoden die zonder expertise kunnen worden gebruikt. Het daaruit voortvloeiende onderzoeksgebied, progressieve automatisering voor machine learning, wordt AutoML genoemd. Diverse bedrijven maken gebruik van deze technologie als onderdeel van hun AI-aanbod om klanten te helpen sneller ML-modellen te ontwikkelen en industriële toepassingen te implementeren. In november 2020 kondigde SKF bijvoorbeeld een op AutoML gebaseerd product aan dat machineprocesgegevens combineert met trillings- en temperatuurgegevens om kosten te verlagen en nieuwe bedrijfsmodellen voor klanten mogelijk te maken.
Machine learning operations (ML Ops) vereenvoudigen het beheer en onderhoud van modellen.
De nieuwe discipline van machine learning operations is erop gericht het onderhoud van AI-modellen in productieomgevingen te vereenvoudigen. De prestaties van een AI-model nemen doorgaans in de loop der tijd af, omdat ze worden beïnvloed door verschillende factoren binnen de fabriek (bijvoorbeeld veranderingen in de datadistributie en kwaliteitsnormen). Daarom zijn modelonderhoud en machine learning operations noodzakelijk geworden om te voldoen aan de hoge kwaliteitseisen van industriële omgevingen (modellen met een prestatie van minder dan 99% kunnen bijvoorbeeld gedrag dat de veiligheid van werknemers in gevaar brengt, mogelijk niet herkennen).
De afgelopen jaren hebben veel startups zich op de ML Ops-markt begeven, waaronder DataRobot, Grid.AI, Pinecone/Zilliz, Seldon en Weights & Biases. Gevestigde bedrijven hebben machine learning operations aan hun bestaande AI-softwareaanbod toegevoegd, zoals Microsoft, dat data drift detection introduceerde in Azure ML Studio. Deze nieuwe functie stelt gebruikers in staat om veranderingen in de verdeling van invoergegevens te detecteren die de modelprestaties negatief beïnvloeden.
Factor 3: Kunstmatige intelligentie toegepast op bestaande toepassingen en gebruiksscenario's
Traditionele softwareleveranciers voegen AI-functionaliteiten toe.
Naast bestaande, grootschalige, horizontale AI-softwaretools zoals MS Azure ML, AWS SageMaker en Google Cloud Vertex AI, kunnen traditionele softwarepakketten zoals Computerized Maintenance Management Systems (CAMMS), Manufacturing Execution Systems (MES) of Enterprise Resource Planning (ERP) nu aanzienlijk worden verbeterd door AI-functionaliteit toe te voegen. ERP-leverancier Epicor Software voegt bijvoorbeeld AI-functionaliteit toe aan zijn bestaande producten via de Epicor Virtual Assistant (EVA). Intelligente EVA-agents worden gebruikt om ERP-processen te automatiseren, zoals het herplannen van productieactiviteiten of het uitvoeren van eenvoudige zoekopdrachten (bijvoorbeeld het opvragen van informatie over productprijzen of het aantal beschikbare onderdelen).
Industriële toepassingen worden verbeterd door het gebruik van AIoT.
Verschillende industriële toepassingen worden verbeterd door AI-functionaliteit toe te voegen aan bestaande hardware- en software-infrastructuur. Een treffend voorbeeld is machinaal zien in kwaliteitscontroletoepassingen. Traditionele systemen voor machinaal zien verwerken beelden via geïntegreerde of discrete computers die zijn uitgerust met gespecialiseerde software. Deze software evalueert vooraf bepaalde parameters en drempelwaarden (bijvoorbeeld hoog contrast) om te bepalen of objecten defecten vertonen. In veel gevallen (bijvoorbeeld elektronische componenten met verschillende bedradingsvormen) is het aantal valse positieven erg hoog.
Deze systemen worden echter nieuw leven ingeblazen door kunstmatige intelligentie. Zo bracht Cognex, leverancier van industriële machinevisiesystemen, in juli 2021 een nieuwe deep learning-tool uit (Vision Pro Deep Learning 2.0). De nieuwe tools integreren met traditionele vision-systemen, waardoor eindgebruikers deep learning en traditionele vision-tools in dezelfde toepassing kunnen combineren. Dit is nodig om te voldoen aan de eisen van veeleisende medische en elektronische omgevingen die nauwkeurige metingen van krassen, vervuiling en andere defecten vereisen.
Factor 4: Industriële AIoT-hardware wordt verbeterd
AI-chips worden in hoog tempo verbeterd.
De ontwikkeling van embedded AI-chips verloopt snel, met een breed scala aan opties ter ondersteuning van de ontwikkeling en implementatie van AI-modellen. Voorbeelden hiervan zijn de nieuwste grafische processoren (GPU's) van NVIDIA, de A30 en A10, die in maart 2021 werden geïntroduceerd en geschikt zijn voor AI-toepassingen zoals aanbevelingssystemen en computervisiessystemen. Een ander voorbeeld zijn de vierde generatie Tensor Processing Units (TPU's) van Google, krachtige, speciaal ontwikkelde geïntegreerde schakelingen (ASIC's) die tot wel 1000 keer efficiënter en sneller kunnen zijn in de ontwikkeling en implementatie van modellen voor specifieke AI-taken (bijvoorbeeld objectdetectie, beeldclassificatie en aanbevelingsbenchmarks). Het gebruik van dedicated AI-hardware verkort de rekentijd van modellen van dagen naar minuten en is in veel gevallen een doorslaggevende factor gebleken.
Krachtige AI-hardware is direct beschikbaar via een betaalmodel per gebruik.
Grote bedrijven upgraden hun servers voortdurend om computerbronnen in de cloud beschikbaar te stellen, zodat eindgebruikers industriële AI-toepassingen kunnen implementeren. In november 2021 kondigde AWS bijvoorbeeld de officiële release aan van zijn nieuwste GPU-gebaseerde instanties, Amazon EC2 G5, aangedreven door de NVIDIA A10G Tensor Core GPU, voor diverse machine learning-toepassingen, waaronder computervisie en aanbevelingssystemen. Zo gebruikt Nanotronics, leverancier van detectiesystemen, Amazon EC2-instanties voor zijn AI-gebaseerde kwaliteitscontroleoplossing om de verwerking te versnellen en nauwkeurigere detectieresultaten te behalen bij de productie van microchips en nanobuisjes.
Conclusie en vooruitzicht
AI komt uit de fabriek en zal alomtegenwoordig zijn in nieuwe toepassingen, zoals AI-gebaseerd productmanagement (PdM), en als verbetering van bestaande software en gebruiksscenario's. Grote bedrijven implementeren diverse AI-toepassingen en melden succes, en de meeste projecten hebben een hoog rendement op investering. Al met al biedt de opkomst van de cloud, IoT-platforms en krachtige AI-chips een platform voor een nieuwe generatie software en optimalisatie.
Geplaatst op: 12 januari 2022