Kulingana na ripoti ya soko la AI na AI iliyotolewa hivi karibuni 2021-2026, kiwango cha kupitishwa cha AI katika mipangilio ya viwanda kiliongezeka kutoka asilimia 19 hadi asilimia 31 katika zaidi ya miaka miwili. Mbali na asilimia 31 ya waliohojiwa ambao wamezindua kikamilifu AI katika shughuli zao, asilimia nyingine 39 kwa sasa wanajaribu au kujaribu teknolojia.
AI inajitokeza kama teknolojia muhimu kwa wazalishaji na kampuni za nishati ulimwenguni, na uchambuzi wa IoT unatabiri kwamba soko la suluhisho la AI ya viwandani litaonyesha kiwango cha nguvu cha ukuaji wa kizazi cha mwaka (CAGR) cha 35% kufikia dola bilioni 102.17 ifikapo 2026.
Umri wa dijiti umezaa kwenye mtandao wa mambo. Inaweza kuonekana kuwa kuibuka kwa akili ya bandia kumeongeza kasi ya maendeleo ya mtandao wa mambo.
Wacha tuangalie baadhi ya sababu zinazoongoza kuongezeka kwa AI ya Viwanda na AIOT.
Factor 1: Zana zaidi na zaidi za programu za Viwanda AIOT
Mnamo mwaka wa 2019, wakati Uchambuzi wa IoT ulipoanza kufunika AI ya viwandani, kulikuwa na bidhaa chache za programu za AI zilizojitolea kutoka kwa wachuuzi wa Teknolojia ya Utendaji (OT). Tangu wakati huo, wachuuzi wengi wa OT wameingia katika soko la AI kwa kukuza na kutoa suluhisho za programu ya 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 Viwanda AI imeongezeka sana katika miaka miwili iliyopita. Wakati wa utafiti, IoT Analytics iligundua wauzaji 634 wa teknolojia ya AI kwa wazalishaji/wateja wa viwandani. Kati ya kampuni hizi, 389 (61.4%) hutoa programu ya AI.
Jukwaa mpya la programu ya AI linazingatia mazingira ya viwandani. Zaidi ya kuchukua, BrainCube, au C3 AI, idadi kubwa ya wauzaji wa teknolojia ya utendaji (OT) wanapeana majukwaa ya programu ya AI iliyojitolea. Mfano ni pamoja na Uchambuzi wa Viwanda wa Genix wa ABB na Suite ya AI, Suite ya Ufundi wa Kiwanda cha Rockwell Automation, jukwaa la ushauri la utengenezaji wa Schneider Electric, na hivi karibuni, nyongeza maalum. Baadhi ya majukwaa haya yanalenga anuwai ya matumizi. Kwa mfano, Jukwaa la Genix la ABB hutoa uchambuzi wa hali ya juu, pamoja na matumizi na huduma zilizojengwa kabla ya usimamizi wa utendaji wa utendaji, uadilifu wa mali, uimara na ufanisi wa usambazaji.
Kampuni kubwa zinaweka zana zao za programu ya AI kwenye sakafu ya duka.
Upatikanaji wa zana za programu ya AI pia unaendeshwa na zana mpya za programu maalum za matumizi zilizotengenezwa na AWS, kampuni kubwa kama Microsoft na Google. Kwa mfano, mnamo Desemba 2020, AWS ilitoa Amazon SageMaker RumpStart, kipengele cha SageMaker ya Amazon ambayo hutoa seti ya suluhisho zilizojengwa kabla na zinazowezekana kwa kesi za kawaida za utumiaji wa viwandani, kama vile PDM, maono ya kompyuta, na kuendesha gari kwa uhuru, kupeleka kwa mibofyo michache tu.
Ufumbuzi wa programu maalum ya matumizi ni uboreshaji wa utumiaji.
Vipimo maalum vya programu maalum, kama vile zile zinazolenga matengenezo ya utabiri, zinakuwa kawaida zaidi. Uchanganuzi wa IoT uligundua kuwa idadi ya watoa huduma wanaotumia suluhisho la programu ya data ya msingi wa AI (PDM) iliongezeka hadi 73 mwanzoni mwa 2021 kwa sababu ya kuongezeka kwa vyanzo anuwai vya data na utumiaji wa mifano ya mafunzo ya mapema, na vile vile kupitishwa kwa teknolojia ya kukuza data.
Ukweli wa 2: Ukuzaji na matengenezo ya suluhisho za AI zinarahisishwa
Kujifunza kwa Mashine ya Moja kwa Moja (AutoML) inakuwa bidhaa ya kawaida.
Kwa sababu ya ugumu wa kazi zinazohusiana na Kujifunza kwa Mashine (ML), ukuaji wa haraka wa matumizi ya kujifunza mashine umeunda hitaji la njia za kujifunza mashine za rafu ambazo zinaweza kutumika bila utaalam. Sehemu inayosababishwa ya utafiti, automatisering inayoendelea kwa kujifunza mashine, inaitwa automl. Kampuni mbali mbali zinaongeza teknolojia hii kama sehemu ya matoleo yao ya AI kusaidia wateja kukuza mifano ya ML na kutekeleza kesi za utumiaji wa viwandani haraka. Mnamo Novemba 2020, kwa mfano, SKF ilitangaza bidhaa inayotokana na AutoML ambayo inachanganya data ya mchakato wa mashine na vibration na data ya joto ili kupunguza gharama na kuwezesha mifano mpya ya biashara kwa wateja.
Shughuli za Kujifunza Mashine (ML OPS) Rahisisha usimamizi wa mfano na matengenezo.
Nidhamu mpya ya shughuli za kujifunza mashine inakusudia kurahisisha matengenezo ya mifano ya AI katika mazingira ya utengenezaji. Utendaji wa mfano wa AI kawaida huharibika kwa wakati kwani huathiriwa na sababu kadhaa ndani ya mmea (kwa mfano, mabadiliko katika usambazaji wa data na viwango vya ubora). Kama matokeo, matengenezo ya mfano na shughuli za kujifunza mashine zimekuwa muhimu kukidhi mahitaji ya hali ya juu ya mazingira ya viwandani (kwa mfano, mifano iliyo na utendaji chini ya 99% inaweza kushindwa kutambua tabia ambayo inahatarisha usalama wa wafanyikazi).
Katika miaka ya hivi karibuni, wanaoanza wengi wamejiunga na nafasi ya ML OPS, pamoja na Datarobot, Grid.ai, Pinecone/Zilliz, Seldon, na uzani na upendeleo. Kampuni zilizoanzishwa zimeongeza shughuli za kujifunza mashine kwa sadaka zao za programu za AI zilizopo, pamoja na Microsoft, ambayo ilianzisha kugundua data ya Drift katika Studio ya Azure ML. Kitendaji hiki kipya kinawawezesha watumiaji kugundua mabadiliko katika usambazaji wa data ya pembejeo ambayo inadhoofisha utendaji wa mfano.
Ukweli wa 3: Ushauri wa bandia unaotumika kwa matumizi yaliyopo na kesi za utumiaji
Watoa programu za jadi wanaongeza uwezo wa AI.
Kwa kuongezea vifaa vya programu kubwa vya AI vya usawa kama vile MS Azure ML, AWS SageMaker, na Google Cloud Vertex AI, vyumba vya programu ya jadi kama mifumo ya usimamizi wa matengenezo ya kompyuta (CAMMs), Mifumo ya utekelezaji wa utengenezaji (MES) au Upangaji wa Rasilimali za Biashara (ERP) sasa inaweza kuboreshwa sana na kuingiza uwezo wa AI. Kwa mfano, Programu ya Epicor ya ERP inaongeza uwezo wa AI kwa bidhaa zake zilizopo kupitia Msaidizi wake wa Virtual Epicor (EVA). Mawakala wenye akili wa EVA hutumiwa kurekebisha michakato ya ERP, kama vile kurekebisha shughuli za utengenezaji au kufanya maswali rahisi (kwa mfano, kupata maelezo juu ya bei ya bidhaa au idadi ya sehemu zinazopatikana).
Kesi za utumiaji wa viwandani zinasasishwa kwa kutumia AIOT.
Kesi kadhaa za utumiaji wa viwandani zinaimarishwa kwa kuongeza uwezo wa AI kwa miundombinu ya vifaa/programu iliyopo. Mfano wazi ni maono ya mashine katika matumizi ya ubora. Mifumo ya maono ya mashine ya jadi inashughulikia picha kupitia kompyuta zilizojumuishwa au discrete zilizo na programu maalum ambayo inakagua vigezo vilivyopangwa mapema na vizingiti (kwa mfano, tofauti kubwa) ili kuamua ikiwa vitu vinaonyesha kasoro. Katika hali nyingi (kwa mfano, vifaa vya elektroniki vilivyo na maumbo tofauti ya wiring), idadi ya chanya za uwongo ni kubwa sana.
Walakini, mifumo hii inafufuliwa kupitia akili ya bandia. Kwa mfano, mtoaji wa maono ya mashine ya viwandani Cognex alitoa zana mpya ya kujifunza kwa kina (Maono Pro Deep Learning 2.0) mnamo Julai 2021. Zana mpya zinaungana na mifumo ya maono ya jadi, kuwezesha watumiaji wa mwisho kuchanganya kujifunza kwa kina na zana za maono ya jadi katika matumizi sawa ili kukidhi mazingira ya matibabu na ya elektroniki ambayo yanahitaji kipimo sahihi cha mikwaruzo, uchafu na kasoro zingine.
Factor 4: Viwanda vya Viwanda vya Viwanda vinaboreshwa
Chips za AI zinaboresha haraka.
Vipu vya vifaa vya AI vilivyoingia vinakua haraka, na chaguzi mbali mbali zinazopatikana kusaidia maendeleo na kupelekwa kwa mifano ya AI. Mifano ni pamoja na Vitengo vya Usindikaji wa Picha za hivi karibuni za Nvidia (GPUs), A30 na A10, ambazo zilianzishwa mnamo Machi 2021 na zinafaa kwa kesi za matumizi ya AI kama mifumo ya pendekezo na mifumo ya maono ya kompyuta. Mfano mwingine ni Vitengo vya Usindikaji wa kizazi cha nne wa kizazi cha Google (TPUs), ambazo ni mizunguko yenye nguvu ya kusudi maalum (ASICs) ambayo inaweza kufikia ufanisi zaidi ya mara 1,000 na kasi katika maendeleo ya mfano na kupelekwa kwa mzigo maalum wa AI (kwa mfano, kugundua kitu, uainishaji wa picha, na alama za maoni). Kutumia vifaa vya kujitolea vya AI hupunguza wakati wa hesabu ya mfano kutoka siku hadi dakika, na imeonekana kuwa mabadiliko ya mchezo katika hali nyingi.
Vifaa vyenye nguvu vya AI vinapatikana mara moja kupitia mfano wa matumizi ya kila mtu.
Biashara za Superscale zinasasisha kila wakati seva zao ili kufanya rasilimali za kompyuta zipatikane kwenye wingu ili watumiaji wa mwisho waweze kutekeleza matumizi ya AI ya viwandani. Mnamo Novemba 2021, kwa mfano, AWS ilitangaza kutolewa rasmi kwa hali yake ya hivi karibuni ya GPU, Amazon EC2 G5, iliyoendeshwa na Nvidia A10G Tensor Core GPU, kwa matumizi anuwai ya ML, pamoja na maono ya kompyuta na injini za pendekezo. Kwa mfano, mtoaji wa mifumo ya kugundua nanotronics hutumia mifano ya Amazon EC2 ya suluhisho lake la kudhibiti ubora wa AI ili kuharakisha juhudi za usindikaji na kufikia viwango sahihi zaidi vya kugundua katika utengenezaji wa microchips na nanotubes.
Hitimisho na matarajio
AI inatoka kwenye kiwanda, na itakuwa ya kawaida katika matumizi mapya, kama vile PDM ya msingi wa AI, na kama nyongeza ya programu zilizopo na kesi za utumiaji. Biashara kubwa zinatoa kesi kadhaa za matumizi ya AI na kuripoti kuripoti, na miradi mingi ina faida kubwa juu ya uwekezaji. Yote kwa yote, kuongezeka kwa wingu, majukwaa ya IoT na chips zenye nguvu za AI hutoa jukwaa la kizazi kipya cha programu na utaftaji.
Wakati wa chapisho: Jan-12-2022