चार कारकहरूले औद्योगिक एआईओटीलाई नयाँ मनपर्ने बनाउँछन्

भर्खरै जारी गरिएको औद्योगिक एआई र एआई बजार प्रतिवेदन २०२१-२०२६ अनुसार, दुई वर्षको अवधिमा औद्योगिक सेटिङहरूमा एआईको ग्रहण दर १९ प्रतिशतबाट बढेर ३१ प्रतिशत पुगेको छ। 31 प्रतिशत उत्तरदाताहरू जसले आफ्नो सञ्चालनमा पूर्ण वा आंशिक रूपमा AI रोल आउट गरेका छन्, अन्य 39 प्रतिशतले हाल टेक्नोलोजीको परीक्षण वा प्रयोग गरिरहेका छन्।

AI विश्वव्यापी उत्पादकहरू र ऊर्जा कम्पनीहरूका लागि एक प्रमुख प्रविधिको रूपमा उदाइरहेको छ, र IoT विश्लेषणले भविष्यवाणी गरेको छ कि औद्योगिक AI समाधान बजारले 2026 सम्ममा $ 102.17 बिलियन पुग्न 35% को बलियो पोस्ट-प्यान्डेमिक कम्पाउन्ड वार्षिक वृद्धि दर (CAGR) देखाउनेछ।

डिजिटल युगले इन्टरनेट अफ थिंग्सलाई जन्म दिएको छ। यो देख्न सकिन्छ कि आर्टिफिसियल इन्टेलिजेन्सको उदयले चीजहरूको इन्टरनेटको विकासको गतिलाई तीव्र बनाएको छ।

औद्योगिक एआई र एआईओटीको उदयलाई ड्राइभ गर्ने केही कारकहरू हेरौं।

कारक 1: औद्योगिक AIoT को लागी अधिक र अधिक सफ्टवेयर उपकरण

2019 मा, जब Iot एनालिटिक्सले औद्योगिक AI लाई कभर गर्न थाल्यो, त्यहाँ अपरेशनल टेक्नोलोजी (OT) विक्रेताहरूबाट केही समर्पित AI सफ्टवेयर उत्पादनहरू थिए। त्यसबेलादेखि, धेरै ओटी विक्रेताहरूले फ्याक्ट्री फ्लोरको लागि एआई प्लेटफर्मको रूपमा AI सफ्टवेयर समाधानहरू विकास गरी प्रदान गरेर AI बजारमा प्रवेश गरेका छन्।

तथ्याङ्क अनुसार, लगभग 400 विक्रेताहरूले AIoT सफ्टवेयर प्रस्ताव गर्छन्। विगत दुई वर्षमा औद्योगिक एआई बजारमा सामेल हुने सफ्टवेयर विक्रेताहरूको संख्या नाटकीय रूपमा बढेको छ। अध्ययनको क्रममा, IoT एनालिटिक्सले निर्माता/औद्योगिक ग्राहकहरूलाई AI प्रविधिको 634 आपूर्तिकर्ताहरू पहिचान गर्यो। यी कम्पनीहरू मध्ये, 389 (61.4%) ले AI सफ्टवेयर प्रस्ताव गर्दछ।

नयाँ एआई सफ्टवेयर प्लेटफर्म औद्योगिक वातावरणमा केन्द्रित छ। Uptake, Braincube, वा C3 AI बाहेक, बढ्दो संख्यामा परिचालन प्रविधि (OT) विक्रेताहरूले समर्पित AI सफ्टवेयर प्लेटफर्महरू प्रस्ताव गरिरहेका छन्। उदाहरणहरूमा ABB को Genix Industrial Analytics र AI सुइट, Rockwell Automation को FactoryTalk Innovation suite, Schneider Electric को आफ्नै निर्माण परामर्श प्लेटफर्म, र हालसालै, विशिष्ट एड-अनहरू समावेश छन्। यी मध्ये केही प्लेटफर्महरूले प्रयोगका केसहरूको विस्तृत दायरालाई लक्षित गर्दछ। उदाहरणका लागि, ABB को Genix प्लेटफर्मले परिचालन कार्यसम्पादन व्यवस्थापन, सम्पत्ति अखण्डता, स्थिरता र आपूर्ति श्रृंखला दक्षताका लागि पूर्व-निर्मित अनुप्रयोगहरू र सेवाहरू सहित उन्नत विश्लेषणहरू प्रदान गर्दछ।

ठूला कम्पनीहरूले पसल फ्लोरमा आफ्नो एआई सफ्टवेयर उपकरणहरू राखिरहेका छन्।

एआई सफ्टवेयर उपकरणहरूको उपलब्धता AWS, माइक्रोसफ्ट र गुगल जस्ता ठूला कम्पनीहरूद्वारा विकसित नयाँ प्रयोग-केस विशिष्ट सफ्टवेयर उपकरणहरूद्वारा पनि संचालित हुन्छ। उदाहरणका लागि, डिसेम्बर २०२० मा, AWS ले Amazon SageMaker JumpStart जारी गर्‍यो, Amazon SageMaker को एक विशेषता जसले PdM, कम्प्युटर भिजन, र स्वायत्त ड्राइभिङ जस्ता सामान्य औद्योगिक प्रयोगका केसहरूका लागि पूर्व-निर्मित र अनुकूलन योग्य समाधानहरूको सेट प्रदान गर्दछ। केवल केहि क्लिकहरू।

प्रयोग-केस-विशिष्ट सफ्टवेयर समाधानहरूले उपयोगिता सुधारहरू चलाउँदैछन्।

प्रयोग-केस-विशिष्ट सफ्टवेयर सुइटहरू, जस्तै भविष्यवाणी मर्मतमा केन्द्रित, अधिक सामान्य हुँदै गइरहेको छ। IoT एनालिटिक्सले डेटा स्रोतहरूको विविधता र पूर्व-प्रशिक्षण मोडेलहरूको प्रयोगमा भएको वृद्धिका कारण २०२१ को सुरुमा AI-आधारित उत्पादन डेटा व्यवस्थापन (PdM) सफ्टवेयर समाधानहरू प्रयोग गर्ने प्रदायकहरूको संख्या बढेर ७३ पुगेको देखाएको छ। डाटा संवर्द्धन प्रविधिहरू अपनाउने।

कारक 2: AI समाधानहरूको विकास र मर्मतसम्भार सरलीकृत भइरहेको छ

अटोमेटेड मेसिन लर्निङ (AutoML) एक मानक उत्पादन बन्दै गएको छ।

मेसिन लर्निङ (ML) सँग सम्बन्धित कार्यहरूको जटिलताका कारण, मेसिन लर्निङ एप्लिकेसनहरूको द्रुत बृद्धिले अफ-द-शेल्फ मेसिन लर्निङ विधिहरूको आवश्यकता सिर्जना गरेको छ जुन विशेषज्ञता बिना प्रयोग गर्न सकिन्छ। अनुसन्धानको परिणाममुखी क्षेत्र, मेसिन लर्निङको लागि प्रगतिशील स्वचालन, AutoML भनिन्छ। विभिन्न कम्पनीहरूले ग्राहकहरूलाई एमएल मोडेलहरू विकास गर्न र औद्योगिक प्रयोगका केसहरू छिटो कार्यान्वयन गर्न मद्दत गर्न आफ्नो एआई प्रस्तावहरूको एक भागको रूपमा यस प्रविधिको लाभ उठाइरहेका छन्। नोभेम्बर 2020 मा, उदाहरणका लागि, SKF ले लागत घटाउन र ग्राहकहरूका लागि नयाँ व्यापार मोडेलहरू सक्षम पार्न कम्पन र तापक्रम डेटासँग मेसिन प्रक्रिया डेटा संयोजन गर्ने automL-आधारित उत्पादनको घोषणा गर्‍यो।

मेसिन लर्निङ अपरेसन (ML Ops) ले मोडेल व्यवस्थापन र मर्मतसम्भारलाई सरल बनाउँछ।

मेसिन लर्निङ अपरेसनहरूको नयाँ अनुशासनले निर्माण वातावरणमा AI मोडेलहरूको मर्मतसम्भारलाई सरल बनाउने लक्ष्य राखेको छ। एआई मोडेलको कार्यसम्पादन सामान्यतया समयसँगै घट्दै जान्छ किनभने यो प्लान्ट भित्र धेरै कारकहरू (उदाहरणका लागि, डाटा वितरण र गुणस्तर मापदण्डहरूमा परिवर्तनहरू) द्वारा प्रभावित हुन्छ। नतिजाको रूपमा, मोडेल मर्मतसम्भार र मेसिन लर्निङ सञ्चालनहरू औद्योगिक वातावरणको उच्च गुणस्तर आवश्यकताहरू पूरा गर्न आवश्यक भएको छ (उदाहरणका लागि, 99% भन्दा कम प्रदर्शन भएका मोडेलहरूले कामदारको सुरक्षालाई खतरामा पार्ने व्यवहार पहिचान गर्न असफल हुन सक्छन्)।

हालका वर्षहरूमा, धेरै स्टार्टअपहरू ML Ops स्पेसमा सामेल भएका छन्, जसमा DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, र Weights & Biases छन्। स्थापित कम्पनीहरूले आफ्नो अवस्थित AI सफ्टवेयर प्रस्तावहरूमा मेसिन लर्निङ अपरेसनहरू थपेका छन्, माइक्रोसफ्ट लगायत, जसले Azure ML स्टुडियोमा डाटा ड्रिफ्ट पत्ता लगाउन थाल्यो। यो नयाँ सुविधाले प्रयोगकर्ताहरूलाई इनपुट डेटाको वितरणमा परिवर्तनहरू पत्ता लगाउन सक्षम बनाउँछ जसले मोडेलको प्रदर्शनलाई घटाउँछ।

कारक 3: अवस्थित अनुप्रयोगहरू र प्रयोग केसहरूमा कृत्रिम बुद्धिमत्ता लागू हुन्छ

परम्परागत सफ्टवेयर प्रदायकहरूले एआई क्षमताहरू थपिरहेका छन्।

MS Azure ML, AWS SageMaker, र Google Cloud Vertex AI जस्ता विद्यमान ठूला तेर्सो AI सफ्टवेयर उपकरणहरूका अतिरिक्त, परम्परागत सफ्टवेयर सुइटहरू जस्तै कम्प्यूटराइज्ड मेन्टेनेन्स म्यानेजमेन्ट सिस्टम (CAMMS), निर्माण कार्यान्वयन प्रणाली (MES) वा इन्टरप्राइज रिसोर्स प्लानिङ (ERP)। अब एआई क्षमताहरू इंजेक्शन गरेर उल्लेखनीय रूपमा सुधार गर्न सकिन्छ। उदाहरणका लागि, ERP प्रदायक Epicor Software ले आफ्नो Epicor Virtual Assistant (EVA) मार्फत आफ्नो अवस्थित उत्पादनहरूमा AI क्षमताहरू थप्दैछ। Intelligent EVA एजेन्टहरू ERP प्रक्रियाहरू स्वचालित गर्न प्रयोग गरिन्छ, जस्तै निर्माण कार्यहरू पुन: तालिकाबद्ध गर्न वा साधारण प्रश्नहरू प्रदर्शन गर्न (उदाहरणका लागि, उत्पादन मूल्य निर्धारण वा उपलब्ध भागहरूको संख्याको बारेमा विवरणहरू प्राप्त गर्ने)।

AIoT को प्रयोग गरेर औद्योगिक उपयोग मामिलाहरू स्तरवृद्धि भइरहेका छन्।

विद्यमान हार्डवेयर/सफ्टवेयर पूर्वाधारमा AI क्षमताहरू थपेर धेरै औद्योगिक प्रयोगका केसहरू बढाइँदै छन्। एक ज्वलन्त उदाहरण गुणवत्ता नियन्त्रण अनुप्रयोगहरूमा मेसिन दृष्टि हो। परम्परागत मेशिन भिजन प्रणालीहरूले विशेष सफ्टवेयरले सुसज्जित एकीकृत वा असन्तुलित कम्प्युटरहरू मार्फत छविहरू प्रशोधन गर्दछ जसले पूर्वनिर्धारित प्यारामिटरहरू र थ्रेसहोल्डहरूको मूल्याङ्कन गर्दछ (जस्तै, उच्च कन्ट्रास्ट) वस्तुहरूले दोषहरू प्रदर्शन गर्दछ कि भनेर निर्धारण गर्न। धेरै अवस्थामा (उदाहरणका लागि, विभिन्न तार आकारका इलेक्ट्रोनिक कम्पोनेन्टहरू), गलत सकारात्मक संख्या धेरै उच्च छ।

यद्यपि, यी प्रणालीहरू कृत्रिम बुद्धिमत्ता मार्फत पुनर्जीवित भइरहेका छन्। उदाहरणका लागि, औद्योगिक मेसिन भिजन प्रदायक कोग्नेक्सले जुलाई २०२१ मा नयाँ डीप लर्निङ उपकरण (भिजन प्रो डीप लर्निङ २.०) जारी गर्‍यो। नयाँ उपकरणहरू परम्परागत दृष्टि प्रणालीहरूसँग एकीकृत हुन्छन्, जसले अन्त प्रयोगकर्ताहरूलाई एउटै अनुप्रयोगमा परम्परागत दृष्टि उपकरणहरूसँग गहिरो शिक्षा संयोजन गर्न सक्षम पार्छ। स्क्र्याच, प्रदूषण र अन्य दोषहरूको सही मापन आवश्यक पर्ने मेडिकल र इलेक्ट्रोनिक वातावरणहरू पूरा गर्नुहोस्।

कारक 4: औद्योगिक AIoT हार्डवेयर सुधार हुँदैछ

एआई चिप्स द्रुत रूपमा सुधार हुँदैछ।

एम्बेडेड हार्डवेयर एआई चिपहरू द्रुत रूपमा बढ्दै छन्, एआई मोडेलहरूको विकास र तैनातीलाई समर्थन गर्न उपलब्ध विभिन्न विकल्पहरूको साथ। उदाहरणहरूमा NVIDIA को नवीनतम ग्राफिक्स प्रशोधन एकाइहरू (Gpus), A30 र A10 समावेश छन्, जुन मार्च 2021 मा प्रस्तुत गरिएको थियो र सिफारिस प्रणालीहरू र कम्प्युटर भिजन प्रणालीहरू जस्ता AI प्रयोगका लागि उपयुक्त छन्। अर्को उदाहरण गुगलको चौथो पुस्ताको टेन्सर प्रोसेसिङ इकाइहरू (TPus) हो, जुन शक्तिशाली विशेष-उद्देश्य एकीकृत सर्किटहरू (ASics) हुन् जसले मोडेल विकास र विशिष्ट AI कार्यभारहरू (जस्तै, वस्तु पत्ता लगाउने) मा 1,000 गुणा बढी दक्षता र गति हासिल गर्न सक्छन्। , छवि वर्गीकरण, र सिफारिस बेन्चमार्कहरू)। समर्पित AI हार्डवेयरको प्रयोगले मोडेल गणनाको समयलाई दिनदेखि मिनेटमा घटाउँछ, र धेरै अवस्थामा गेम चेन्जर साबित भएको छ।

शक्तिशाली एआई हार्डवेयर भुक्तानी-प्रति-प्रयोग मोडेल मार्फत तुरुन्तै उपलब्ध छ।

सुपरस्केल उद्यमहरूले क्लाउडमा कम्प्युटिङ स्रोतहरू उपलब्ध गराउन आफ्ना सर्भरहरू निरन्तर अपग्रेड गर्दैछन् ताकि अन्त प्रयोगकर्ताहरूले औद्योगिक एआई अनुप्रयोगहरू लागू गर्न सकून्। नोभेम्बर २०२१ मा, उदाहरणका लागि, AWS ले कम्प्युटर भिजन र सिफारिस इन्जिनहरू सहित विभिन्न ML अनुप्रयोगहरूको लागि NVIDIA A10G Tensor Core GPU द्वारा सञ्चालित आफ्नो नवीनतम GPU-आधारित उदाहरणहरू, Amazon EC2 G5 को आधिकारिक रिलीजको घोषणा गर्‍यो। उदाहरणका लागि, पत्ता लगाउने प्रणाली प्रदायक नानोट्रोनिक्सले यसको AI-आधारित गुणस्तर नियन्त्रण समाधानको Amazon EC2 उदाहरणहरू प्रशोधन प्रयासहरूलाई गति दिन र माइक्रोचिप्स र नानोट्यूबहरूको निर्माणमा थप सटीक पत्ता लगाउने दरहरू प्राप्त गर्न प्रयोग गर्दछ।

निष्कर्ष र संभावना

AI कारखानाबाट बाहिर आउँदैछ, र यो नयाँ अनुप्रयोगहरूमा सर्वव्यापी हुनेछ, जस्तै AI-आधारित PdM, र अवस्थित सफ्टवेयर र प्रयोग केसहरूमा सुधारको रूपमा। ठूला उद्यमहरूले धेरै एआई प्रयोग केसहरू रोल आउट गर्दै छन् र रिपोर्टिङ सफलता, र धेरैजसो परियोजनाहरूमा लगानीमा उच्च प्रतिफल छ। समग्रमा, क्लाउडको उदय, आईओटी प्लेटफर्महरू र शक्तिशाली एआई चिप्सले सफ्टवेयर र अप्टिमाइजेसनको नयाँ पुस्ताको लागि प्लेटफर्म प्रदान गर्दछ।