Volgens het onlangs uitgebrachte Industrial AI and AI Market Report 2021-2026 is de acceptatiegraad van AI in industriële omgevingen in iets meer dan twee jaar gestegen van 19 procent naar 31 procent. Naast 31 procent van de respondenten die AI geheel of gedeeltelijk in hun activiteiten hebben geïmplementeerd, is nog eens 39 procent momenteel bezig met het testen of testen van de technologie.
AI is in opkomst als een sleuteltechnologie voor fabrikanten en energiebedrijven over de hele wereld, en IoT-analyse voorspelt dat de markt voor industriële AI-oplossingen een sterke post-pandemische samengestelde jaarlijkse groei (CAGR) van 35% zal laten zien tot 102,17 miljard dollar in 2026.
Het digitale tijdperk heeft geleid tot het internet der dingen. Het is duidelijk dat de opkomst van kunstmatige intelligentie het tempo van de ontwikkeling van het internet der dingen heeft versneld.
Laten we eens kijken naar enkele factoren die de opkomst van industriële AI en AIoT aandrijven.
Factor 1: Steeds meer softwaretools voor industriële AIoT
In 2019, toen IoT-analyses industriële AI begonnen te bestrijken, waren er weinig speciale AI-softwareproducten van leveranciers van operationele technologie (OT). Sindsdien hebben veel OT-leveranciers de AI-markt betreden door AI-softwareoplossingen te ontwikkelen en aan te bieden in de vorm van AI-platforms voor de fabrieksvloer.
Volgens gegevens bieden bijna 400 leveranciers AIoT-software aan. Het aantal softwareleveranciers dat zich op de industriële AI-markt begeeft, 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 389 (61,4%) AI-software aan.
Het nieuwe AI-softwareplatform richt zich op industriële omgevingen. Naast Uptake, Braincube of C3 AI biedt een groeiend aantal leveranciers van operationele technologie (OT) speciale AI-softwareplatforms aan. Voorbeelden zijn onder meer de Genix Industrial analytics- en AI-suite van ABB, de FactoryTalk Innovation-suite van Rockwell Automation, het eigen productie-adviesplatform van Schneider Electric en meer recentelijk specifieke add-ons. Sommige van deze platforms richten zich op een breed scala aan gebruiksscenario's. Het Genix-platform van ABB biedt bijvoorbeeld geavanceerde analyses, inclusief kant-en-klare applicaties en diensten voor operationeel prestatiebeheer, asset-integriteit, duurzaamheid en supply chain-efficiëntie.
Grote bedrijven zetten hun AI-softwaretools op de werkvloer.
De beschikbaarheid van AI-softwaretools wordt ook aangedreven door nieuwe gebruiksspecifieke softwaretools die zijn ontwikkeld door AWS, grote bedrijven zoals Microsoft en Google. In december 2020 bracht AWS bijvoorbeeld Amazon SageMaker JumpStart uit, een functie van Amazon SageMaker die een reeks kant-en-klare en aanpasbare oplossingen biedt voor de meest voorkomende industriële gebruiksscenario's, zoals PdM, computervisie en autonoom rijden. slechts een paar klikken.
Use-case-specifieke softwareoplossingen zorgen voor verbeteringen in de bruikbaarheid.
Use-case-specifieke softwaresuites, zoals die gericht op voorspellend onderhoud, komen steeds vaker voor. IoT Analytics constateerde dat het aantal aanbieders dat op AI gebaseerde softwareoplossingen voor productdatamanagement (PdM) gebruikt, begin 2021 is gestegen tot 73 als gevolg van een toename van de verscheidenheid aan gegevensbronnen en het gebruik van pre-trainingsmodellen, evenals de wijdverbreide adoptie van dataverbeteringstechnologieën.
Factor 2: De ontwikkeling en het onderhoud van AI-oplossingen worden vereenvoudigd
Geautomatiseerde machine learning (AutoML) wordt een standaardproduct.
Vanwege de complexiteit van de taken die verband houden met machine learning (ML), heeft de snelle groei van machine learning-toepassingen een behoefte gecreëerd aan kant-en-klare machine learning-methoden die zonder expertise kunnen worden gebruikt. Het resulterende onderzoeksgebied, progressieve automatisering voor machinaal leren, heet AutoML. Een verscheidenheid aan bedrijven maakt gebruik van deze technologie als onderdeel van hun AI-aanbod om klanten te helpen ML-modellen te ontwikkelen en industriële gebruiksscenario's sneller te implementeren. In november 2020 kondigde SKF bijvoorbeeld een automL-gebaseerd product aan dat machineprocesgegevens combineert met trillings- en temperatuurgegevens om de kosten te verlagen en nieuwe bedrijfsmodellen voor klanten mogelijk te maken.
Machine learning-bewerkingen (ML Ops) vereenvoudigen het beheer en onderhoud van modellen.
De nieuwe discipline van machine learning-operaties heeft tot doel het onderhoud van AI-modellen in productieomgevingen te vereenvoudigen. De prestaties van een AI-model gaan doorgaans achteruit in de loop van de tijd, omdat deze worden beïnvloed door verschillende factoren binnen de fabriek (bijvoorbeeld veranderingen in de gegevensdistributie en kwaliteitsnormen). Als gevolg hiervan zijn modelonderhoud en machine learning-operaties noodzakelijk geworden om aan de hoge kwaliteitseisen van industriële omgevingen te voldoen (modellen met prestaties van minder dan 99% kunnen bijvoorbeeld gedrag niet identificeren dat de veiligheid van werknemers in gevaar brengt).
De afgelopen jaren hebben veel startups zich aangesloten bij de ML Ops-ruimte, waaronder DataRobot, Grid.AI, Pinecone/Zilliz, Seldon en Weights & Biases. Gevestigde bedrijven hebben machine learning-bewerkingen toegevoegd aan hun bestaande AI-softwareaanbod, waaronder Microsoft, dat datadrift-detectie introduceerde in Azure ML Studio. Met deze nieuwe functie kunnen gebruikers veranderingen in de distributie van invoergegevens detecteren die de modelprestaties verslechteren.
Factor 3: Kunstmatige intelligentie toegepast op bestaande applicaties en use cases
Traditionele softwareleveranciers voegen AI-mogelijkheden toe.
Naast bestaande grote horizontale AI-softwaretools zoals MS Azure ML, AWS SageMaker en Google Cloud Vertex AI, traditionele softwarepakketten zoals Computerized Maintenance Management Systems (CAMMS), Manufacturing Execution Systems (MES) of Enterprise Resource Planning (ERP) kan nu aanzienlijk worden verbeterd door AI-mogelijkheden te injecteren. ERP-leverancier Epicor Software voegt bijvoorbeeld AI-mogelijkheden toe aan zijn bestaande producten via zijn Epicor Virtual Assistant (EVA). Intelligente EVA-agents worden gebruikt om ERP-processen te automatiseren, zoals het opnieuw plannen van productieactiviteiten of het uitvoeren van eenvoudige vragen (bijvoorbeeld het verkrijgen van details over productprijzen of het aantal beschikbare onderdelen).
Industriële gebruiksscenario's worden geüpgraded met behulp van AIoT.
Verschillende industriële gebruiksscenario's worden verbeterd door AI-mogelijkheden toe te voegen aan de bestaande hardware-/software-infrastructuur. Een levendig voorbeeld is machine vision in kwaliteitscontroletoepassingen. Traditionele machine vision-systemen verwerken beelden via geïntegreerde of discrete computers die zijn uitgerust met gespecialiseerde software die vooraf bepaalde parameters en drempelwaarden (bijvoorbeeld hoog contrast) evalueert om te bepalen of objecten defecten vertonen. In veel gevallen (bijvoorbeeld bij elektronische componenten met verschillende bedradingsvormen) is het aantal valse positieven zeer hoog.
Deze systemen worden echter nieuw leven ingeblazen door middel van kunstmatige intelligentie. Cognex, leverancier van industriële machine Vision, heeft in juli 2021 bijvoorbeeld een nieuwe Deep Learning-tool (Vision Pro Deep Learning 2.0) uitgebracht. De nieuwe tools kunnen worden geïntegreerd met traditionele vision-systemen, waardoor eindgebruikers deep learning kunnen combineren met traditionele vision-tools in dezelfde applicatie om voldoen aan veeleisende medische en elektronische omgevingen die een nauwkeurige meting van krassen, vervuiling en andere defecten vereisen.
Factor 4: Industriële AIoT-hardware wordt verbeterd
AI-chips verbeteren snel.
Embedded hardware AI-chips groeien snel, met een verscheidenheid aan opties beschikbaar om de ontwikkeling en implementatie van AI-modellen te ondersteunen. Voorbeelden hiervan zijn NVIDIA's nieuwste grafische verwerkingseenheden (Gpus), de A30 en A10, die in maart 2021 werden geïntroduceerd en geschikt zijn voor AI-gebruiksscenario's zoals aanbevelingssystemen en computervisiesystemen. Een ander voorbeeld zijn de Tensors Processing Units (TPus) van de vierde generatie van Google. Dit zijn krachtige, voor speciale doeleinden geïntegreerde schakelingen (ASics) die tot 1000 keer meer efficiëntie en snelheid kunnen bereiken bij de modelontwikkeling en -implementatie voor specifieke AI-workloads (bijvoorbeeld objectdetectie , beeldclassificatie en aanbevelingsbenchmarks). Het gebruik van speciale AI-hardware reduceert de modelberekeningstijd van dagen naar minuten, en heeft in veel gevallen bewezen een game changer te zijn.
Krachtige AI-hardware is onmiddellijk beschikbaar via een pay-per-use-model.
Superschaalbedrijven zijn voortdurend bezig met het upgraden van hun servers om computerbronnen beschikbaar te maken in de cloud, zodat eindgebruikers industriële AI-toepassingen kunnen implementeren. In november 2021 kondigde AWS bijvoorbeeld de officiële release aan van zijn nieuwste GPU-gebaseerde instances, Amazon EC2 G5, aangedreven door de NVIDIA A10G Tensor Core GPU, voor een verscheidenheid aan ML-toepassingen, waaronder computervisie en aanbevelingsengines. Nanotronics, een leverancier van detectiesystemen, gebruikt bijvoorbeeld Amazon EC2-voorbeelden van zijn op AI gebaseerde kwaliteitscontroleoplossing om de verwerkingsinspanningen te versnellen en nauwkeurigere detectiepercentages te bereiken bij de productie van microchips en nanobuisjes.
Conclusie en vooruitzicht
AI komt uit de fabriek en zal alomtegenwoordig zijn in nieuwe toepassingen, zoals op AI gebaseerde PdM, en als verbeteringen aan bestaande software en gebruiksscenario's. Grote ondernemingen introduceren verschillende AI-gebruiksscenario's en rapporteren succes, en de meeste projecten hebben een hoog investeringsrendement. Al met al biedt de opkomst van de cloud, iot-platforms en krachtige AI-chips een platform voor een nieuwe generatie software en optimalisatie.
Posttijd: 12 januari 2022