Kulingana na Ripoti ya Soko la AI ya Viwandani na AI iliyotolewa hivi karibuni ya 2021-2026, kiwango cha kupitishwa kwa AI katika Mipangilio ya Viwanda kiliongezeka kutoka asilimia 19 hadi asilimia 31 katika kipindi cha zaidi ya miaka miwili. Mbali na asilimia 31 ya waliohojiwa ambao wameanzisha AI kikamilifu au kwa sehemu katika shughuli zao, asilimia nyingine 39 kwa sasa wanajaribu au wanajaribu teknolojia hiyo.
AI inaibuka kama teknolojia muhimu kwa wazalishaji na makampuni ya nishati duniani kote, na uchambuzi wa IoT unatabiri kwamba soko la suluhisho za AI za viwandani litaonyesha kiwango kikubwa cha ukuaji wa kila mwaka wa baada ya janga (CAGR) cha 35% kufikia dola bilioni 102.17 ifikapo mwaka wa 2026.
Enzi ya kidijitali imezaa Mtandao wa Vitu. Inaweza kuonekana kwamba kuibuka kwa akili bandia kumeharakisha kasi ya maendeleo ya Mtandao wa Vitu.
Hebu tuangalie baadhi ya mambo yanayosababisha kuongezeka kwa AI ya viwandani na AIoT.
Jambo la 1: Zana zaidi na zaidi za programu za AIoT za viwandani
Mnamo mwaka wa 2019, wakati uchanganuzi wa Iot ulipoanza kuangazia AI ya viwandani, kulikuwa na bidhaa chache za programu za AI zilizojitolea kutoka kwa wachuuzi wa teknolojia ya uendeshaji (OT). Tangu wakati huo, wachuuzi wengi wa OT wameingia katika soko la AI kwa kutengeneza na kutoa suluhisho za programu za AI katika mfumo wa majukwaa ya AI kwa sakafu ya kiwanda.
Kulingana na data, karibu wachuuzi 400 hutoa programu ya AIoT. Idadi ya wachuuzi wa programu wanaojiunga na soko la AI la viwandani imeongezeka sana katika miaka miwili iliyopita. Wakati wa utafiti huo, IoT Analytics ilibaini wasambazaji 634 wa teknolojia ya AI kwa wazalishaji/wateja wa viwandani. Kati ya kampuni hizi, 389 (61.4%) hutoa programu ya AI.
Jukwaa jipya la programu ya AI linalenga mazingira ya viwanda. Zaidi ya Uptake, Braincube, au C3 AI, idadi inayoongezeka ya wachuuzi wa teknolojia ya uendeshaji (OT) wanatoa majukwaa maalum ya programu ya AI. Mifano ni pamoja na uchanganuzi wa Viwanda wa Genix wa ABB na seti ya AI, seti ya Ubunifu wa FactoryTalk ya Rockwell Automation, jukwaa la ushauri wa utengenezaji la Schneider Electric, na hivi karibuni, nyongeza maalum. Baadhi ya majukwaa haya yanalenga anuwai ya matumizi. Kwa mfano, jukwaa la Genix la ABB hutoa uchanganuzi wa hali ya juu, ikiwa ni pamoja na programu na huduma zilizojengwa tayari kwa usimamizi wa utendaji wa uendeshaji, uadilifu wa mali, uendelevu na ufanisi wa mnyororo wa usambazaji.
Makampuni makubwa yanaweka vifaa vyao vya programu ya AI sokoni.
Upatikanaji wa zana za programu za ai pia unaendeshwa na zana mpya za programu mahususi za matumizi zilizotengenezwa na AWS, makampuni makubwa kama vile Microsoft na Google. Kwa mfano, mnamo Desemba 2020, AWS ilitoa Amazon SageMaker JumpStart, kipengele cha Amazon SageMaker ambacho hutoa seti ya suluhisho zilizojengwa tayari na zinazoweza kubadilishwa kwa matumizi ya kawaida ya viwandani, kama vile PdM, maono ya kompyuta, na kuendesha gari kwa uhuru, Kupeleka kwa mibofyo michache tu.
Suluhisho za programu mahususi kwa matumizi zinaendesha maboresho ya utumiaji.
Programu maalum za matumizi, kama vile zile zinazolenga matengenezo ya utabiri, zinazidi kuwa za kawaida. IoT Analytics ilibaini kuwa idadi ya watoa huduma wanaotumia suluhisho za programu za usimamizi wa data ya bidhaa (PdM) zinazotegemea akili bandia iliongezeka hadi 73 mapema mwaka wa 2021 kutokana na ongezeko la vyanzo mbalimbali vya data na matumizi ya mifumo ya mafunzo ya awali, pamoja na utumiaji mkubwa wa teknolojia za uboreshaji wa data.
Jambo la 2: Uundaji na matengenezo ya suluhisho za AI yanarahisishwa
Kujifunza kwa mashine kiotomatiki (AutoML) kunakuwa bidhaa ya kawaida.
Kutokana na ugumu wa kazi zinazohusiana na ujifunzaji wa mashine (ML), ukuaji wa haraka wa matumizi ya ujifunzaji wa mashine umeunda hitaji la mbinu za ujifunzaji wa mashine ambazo hazijakamilika ambazo zinaweza kutumika bila utaalamu. Sehemu inayotokana ya utafiti, otomatiki inayoendelea kwa ujifunzaji wa mashine, inaitwa AutoML. Makampuni mbalimbali yanatumia teknolojia hii kama sehemu ya matoleo yao ya AI ili kuwasaidia wateja kutengeneza mifumo ya ML na kutekeleza matumizi ya viwandani haraka zaidi. Mnamo Novemba 2020, kwa mfano, SKF ilitangaza bidhaa inayotegemea automL ambayo inachanganya data ya mchakato wa mashine na data ya mtetemo na halijoto ili kupunguza gharama na kuwezesha mifumo mipya ya biashara kwa wateja.
Shughuli za kujifunza kwa mashine (ML Ops) hurahisisha usimamizi na matengenezo ya modeli.
Nidhamu mpya ya shughuli za kujifunza kwa mashine inalenga kurahisisha utunzaji wa mifumo ya akili bandia (AI) katika mazingira ya utengenezaji. Utendaji wa mfumo wa akili bandia (AI) kwa kawaida hupungua baada ya muda kwani huathiriwa na mambo kadhaa ndani ya kiwanda (kwa mfano, mabadiliko katika usambazaji wa data na viwango vya ubora). Matokeo yake, matengenezo ya mifumo na shughuli za kujifunza kwa mashine zimekuwa muhimu ili kukidhi mahitaji ya ubora wa hali ya juu ya mazingira ya viwanda (kwa mfano, mifumo yenye utendaji chini ya 99% inaweza kushindwa kutambua tabia inayohatarisha usalama wa wafanyakazi).
Katika miaka ya hivi karibuni, kampuni nyingi changa zimejiunga na nafasi ya ML Ops, ikiwa ni pamoja na DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, na Weights & Biases. Kampuni zilizoanzishwa zimeongeza shughuli za kujifunza kwa mashine kwenye programu zao zilizopo za AI, ikiwa ni pamoja na Microsoft, ambayo ilianzisha ugunduzi wa data drift katika Azure ML Studio. Kipengele hiki kipya huwawezesha watumiaji kugundua mabadiliko katika usambazaji wa data ya ingizo ambayo hupunguza utendaji wa modeli.
Jambo la 3: Akili bandia inayotumika kwa matumizi na matumizi yaliyopo
Watoa huduma za programu za kitamaduni wanaongeza uwezo wa AI.
Mbali na zana kubwa zilizopo za programu ya AI mlalo kama vile MS Azure ML, AWS SageMaker, na Google Cloud Vertex AI, programu za kitamaduni kama vile Mifumo ya Usimamizi wa Matengenezo ya Kompyuta (CAMMS), mifumo ya utekelezaji wa Viwanda (MES) au upangaji wa rasilimali za biashara (ERP) sasa zinaweza kuboreshwa kwa kiasi kikubwa kwa kuingiza uwezo wa AI. Kwa mfano, mtoa huduma wa ERP Epicor Software anaongeza uwezo wa AI kwenye bidhaa zake zilizopo kupitia Msaidizi wake wa Epicor Virtual (EVA). Mawakala wenye akili wa EVA hutumika kuendesha michakato ya ERP kiotomatiki, kama vile kupanga upya shughuli za utengenezaji au kufanya maswali rahisi (kwa mfano, kupata maelezo kuhusu bei ya bidhaa au idadi ya sehemu zinazopatikana).
Matumizi ya viwandani yanaboreshwa kwa kutumia AIoT.
Kesi kadhaa za matumizi ya viwandani zinaimarishwa kwa kuongeza uwezo wa AI kwenye miundombinu iliyopo ya vifaa/programu. Mfano dhahiri ni maono ya mashine katika matumizi ya udhibiti wa ubora. Mifumo ya jadi ya maono ya mashine husindika picha kupitia kompyuta zilizounganishwa au tofauti zilizo na programu maalum ambayo hutathmini vigezo na vizingiti vilivyopangwa awali (km, utofautishaji mkubwa) ili kubaini kama vitu vinaonyesha kasoro. Katika visa vingi (kwa mfano, vipengele vya kielektroniki vyenye maumbo tofauti ya waya), idadi ya chanya za uongo ni kubwa sana.
Hata hivyo, mifumo hii inafufuliwa kupitia akili bandia. Kwa mfano, mtoa huduma wa Maono ya Mashine za Viwandani Cognex alitoa zana mpya ya Kujifunza kwa Kina (Vision Pro Deep Learning 2.0) mnamo Julai 2021. Zana hizo mpya huunganishwa na mifumo ya maono ya kitamaduni, na kuwawezesha watumiaji wa mwisho kuchanganya ujifunzaji wa kina na zana za maono ya kitamaduni katika programu moja ili kukidhi mazingira ya kimatibabu na kielektroniki yanayohitaji kipimo sahihi cha mikwaruzo, uchafuzi na kasoro zingine.
Jambo la 4: Vifaa vya AIoT vya Viwandani vinaboreshwa
Chipu za AI zinaimarika haraka.
Chipu za AI zilizopachikwa kwenye vifaa zinakua kwa kasi, zikiwa na chaguzi mbalimbali zinazopatikana ili kusaidia uundaji na uenezaji wa mifumo ya AI. Mifano ni pamoja na vitengo vya hivi karibuni vya usindikaji wa michoro vya NVIDIA (Gpus), A30 na A10, ambavyo vilianzishwa Machi 2021 na vinafaa kwa matumizi ya AI kama vile mifumo ya mapendekezo na mifumo ya kuona kompyuta. Mfano mwingine ni Vitengo vya Usindikaji vya Tensors vya kizazi cha nne vya Google (TPus), ambavyo ni saketi jumuishi zenye nguvu za matumizi maalum (ASics) ambazo zinaweza kufikia hadi mara 1,000 zaidi ya ufanisi na kasi katika uundaji na uenezaji wa mifumo kwa ajili ya mzigo maalum wa kazi wa AI (km, kugundua vitu, uainishaji wa picha, na vipimo vya mapendekezo). Kutumia vifaa maalum vya AI hupunguza muda wa hesabu ya mifumo kutoka siku hadi dakika, na kumethibitika kuwa mabadiliko ya mchezo katika visa vingi.
Vifaa vyenye nguvu vya AI vinapatikana mara moja kupitia mfumo wa kulipia kwa kila matumizi.
Makampuni ya Superscale yanaboresha seva zao kila mara ili kufanya rasilimali za kompyuta zipatikane katika wingu ili watumiaji wa mwisho waweze kutekeleza programu za AI za viwandani. Mnamo Novemba 2021, kwa mfano, AWS ilitangaza kutolewa rasmi kwa mifano yake ya hivi karibuni inayotegemea GPU, Amazon EC2 G5, inayoendeshwa na NVIDIA A10G Tensor Core GPU, kwa matumizi mbalimbali ya ML, ikiwa ni pamoja na injini za kuona na mapendekezo ya kompyuta. Kwa mfano, mtoa huduma wa mifumo ya kugundua Nanotronics hutumia mifano ya Amazon EC2 ya suluhisho lake la udhibiti wa ubora linalotegemea AI ili kuharakisha juhudi za usindikaji na kufikia viwango sahihi zaidi vya kugundua katika utengenezaji wa microchips na nanotubes.
Hitimisho na Matarajio
AI inatoka kiwandani, na itakuwa kila mahali katika programu mpya, kama vile PdM inayotegemea AI, na kama maboresho ya programu na matumizi yaliyopo. Makampuni makubwa yanaanzisha matumizi kadhaa ya AI na kuripoti mafanikio, na miradi mingi ina faida kubwa kutokana na uwekezaji. Kwa ujumla, kuibuka kwa wingu, majukwaa ya iot na chipu zenye nguvu za AI hutoa jukwaa la kizazi kipya cha programu na uboreshaji.
Muda wa chapisho: Januari-12-2022