हालै जारी गरिएको औद्योगिक एआई र एआई बजार प्रतिवेदन २०२१-२०२६ अनुसार, औद्योगिक सेटिङहरूमा एआईको अपनाउने दर दुई वर्षभन्दा बढी समयमा १९ प्रतिशतबाट बढेर ३१ प्रतिशत पुगेको छ। आफ्नो सञ्चालनमा एआईलाई पूर्ण वा आंशिक रूपमा प्रयोग गर्ने ३१ प्रतिशत उत्तरदाताहरूका अतिरिक्त, अन्य ३९ प्रतिशतले हाल प्रविधिको परीक्षण वा पाइलटिङ गरिरहेका छन्।
विश्वव्यापी रूपमा निर्माताहरू र ऊर्जा कम्पनीहरूका लागि एआई एक प्रमुख प्रविधिको रूपमा उदाइरहेको छ, र आईओटी विश्लेषणले औद्योगिक एआई समाधान बजारले २०२६ सम्ममा ३५% को बलियो पोस्ट-प्यान्डेमिक कम्पाउन्ड वार्षिक वृद्धि दर (CAGR) देखाएर १०२.१७ बिलियन डलर पुग्ने भविष्यवाणी गरेको छ।
डिजिटल युगले इन्टरनेट अफ थिंग्सलाई जन्म दिएको छ। कृत्रिम बुद्धिमत्ताको उदयले इन्टरनेट अफ थिंग्सको विकासको गतिलाई तीव्र बनाएको देख्न सकिन्छ।
औद्योगिक एआई र एआईओटीको उदयलाई प्रेरित गर्ने केही कारकहरू हेरौं।
कारक १: औद्योगिक AIoT को लागि बढ्दो सफ्टवेयर उपकरणहरू
२०१९ मा, जब Iot एनालिटिक्सले औद्योगिक AI लाई समेट्न थाल्यो, अपरेशनल टेक्नोलोजी (OT) विक्रेताहरूबाट समर्पित AI सफ्टवेयर उत्पादनहरू थोरै थिए। त्यसबेलादेखि, धेरै OT विक्रेताहरूले कारखाना फ्लोरको लागि AI प्लेटफर्मको रूपमा AI सफ्टवेयर समाधानहरू विकास र प्रदान गरेर AI बजारमा प्रवेश गरेका छन्।
तथ्याङ्क अनुसार, लगभग ४०० विक्रेताहरूले AIoT सफ्टवेयर प्रस्ताव गर्छन्। औद्योगिक AI बजारमा सामेल हुने सफ्टवेयर विक्रेताहरूको संख्या विगत दुई वर्षमा नाटकीय रूपमा बढेको छ। अध्ययनको क्रममा, IoT एनालिटिक्सले निर्माताहरू/औद्योगिक ग्राहकहरूलाई AI प्रविधिको ६३४ आपूर्तिकर्ताहरू पहिचान गर्यो। यी कम्पनीहरूमध्ये ३८९ (६१.४%) ले AI सफ्टवेयर प्रस्ताव गर्छन्।
नयाँ एआई सफ्टवेयर प्लेटफर्म औद्योगिक वातावरणमा केन्द्रित छ। अपटेक, ब्रेनक्यूब, वा C3 एआई भन्दा बाहिर, बढ्दो संख्यामा अपरेशनल टेक्नोलोजी (OT) विक्रेताहरूले समर्पित एआई सफ्टवेयर प्लेटफर्महरू प्रदान गरिरहेका छन्। उदाहरणहरूमा एबीबीको जेनिक्स इन्डस्ट्रियल एनालिटिक्स र एआई सुइट, रकवेल अटोमेसनको फ्याक्ट्रीटक इनोभेसन सुइट, स्नाइडर इलेक्ट्रिकको आफ्नै निर्माण परामर्श प्लेटफर्म, र हालसालै, विशिष्ट एड-अनहरू समावेश छन्। यी प्लेटफर्महरू मध्ये केहीले प्रयोगका केसहरूको विस्तृत दायरालाई लक्षित गर्छन्। उदाहरणका लागि, एबीबीको जेनिक्स प्लेटफर्मले परिचालन प्रदर्शन व्यवस्थापन, सम्पत्ति अखण्डता, दिगोपन र आपूर्ति श्रृंखला दक्षताको लागि पूर्व-निर्मित अनुप्रयोगहरू र सेवाहरू सहित उन्नत विश्लेषणहरू प्रदान गर्दछ।
ठूला कम्पनीहरूले आफ्ना एआई सफ्टवेयर उपकरणहरू पसलमा राखिरहेका छन्।
एआई सफ्टवेयर उपकरणहरूको उपलब्धता पनि AWS, माइक्रोसफ्ट र गुगल जस्ता ठूला कम्पनीहरू द्वारा विकसित नयाँ प्रयोग-केस विशिष्ट सफ्टवेयर उपकरणहरूद्वारा संचालित छ। उदाहरणका लागि, डिसेम्बर २०२० मा, AWS ले Amazon SageMaker JumpStart जारी गर्यो, Amazon SageMaker को एक सुविधा जसले PdM, कम्प्युटर भिजन, र स्वायत्त ड्राइभिङ जस्ता सबैभन्दा सामान्य औद्योगिक प्रयोगका केसहरूको लागि पूर्व-निर्मित र अनुकूलन योग्य समाधानहरूको सेट प्रदान गर्दछ, केही क्लिकहरूमा तैनाथ गर्नुहोस्।
प्रयोग-केस-विशिष्ट सफ्टवेयर समाधानहरूले उपयोगिता सुधारहरू ल्याइरहेका छन्।
भविष्यवाणी गर्ने मर्मतसम्भारमा केन्द्रित प्रयोग-केस-विशिष्ट सफ्टवेयर सुइटहरू सामान्य हुँदै गइरहेका छन्। IoT एनालिटिक्सले डेटा स्रोतहरूको विविधता र पूर्व-प्रशिक्षण मोडेलहरूको प्रयोगमा वृद्धि, साथै डेटा वृद्धि प्रविधिहरूको व्यापक अपनाइका कारण २०२१ को सुरुमा AI-आधारित उत्पादन डेटा व्यवस्थापन (PdM) सफ्टवेयर समाधानहरू प्रयोग गर्ने प्रदायकहरूको संख्या बढेर ७३ पुगेको अवलोकन गरेको छ।
कारक २: एआई समाधानहरूको विकास र मर्मतसम्भार सरलीकृत गरिँदैछ।
स्वचालित मेसिन लर्निङ (AutoML) एक मानक उत्पादन बन्दै गइरहेको छ।
मेसिन लर्निङ (ML) सँग सम्बन्धित कार्यहरूको जटिलताको कारण, मेसिन लर्निङ अनुप्रयोगहरूको द्रुत बृद्धिले विशेषज्ञता बिना प्रयोग गर्न सकिने अफ-द-शेल्फ मेसिन लर्निङ विधिहरूको आवश्यकता सिर्जना गरेको छ। अनुसन्धानको परिणामस्वरूप क्षेत्र, मेसिन लर्निङको लागि प्रगतिशील स्वचालन, लाई AutoML भनिन्छ। विभिन्न कम्पनीहरूले ग्राहकहरूलाई ML मोडेलहरू विकास गर्न र औद्योगिक प्रयोगका केसहरू छिटो कार्यान्वयन गर्न मद्दत गर्न आफ्नो AI प्रस्तावहरूको भागको रूपमा यो प्रविधिको लाभ उठाइरहेका छन्। उदाहरणका लागि, नोभेम्बर २०२० मा, SKF ले लागत घटाउन र ग्राहकहरूको लागि नयाँ व्यापार मोडेलहरू सक्षम पार्न कम्पन र तापक्रम डेटासँग मेसिन प्रक्रिया डेटा संयोजन गर्ने अटोमल-आधारित उत्पादनको घोषणा गर्यो।
मेसिन लर्निङ अपरेशन्स (ML Ops) ले मोडेल व्यवस्थापन र मर्मतसम्भारलाई सरल बनाउँछ।
मेसिन लर्निङ अपरेसनको नयाँ अनुशासनले उत्पादन वातावरणमा एआई मोडेलहरूको मर्मतसम्भारलाई सरल बनाउने लक्ष्य राखेको छ। एआई मोडेलको कार्यसम्पादन सामान्यतया समयसँगै घट्दै जान्छ किनकि यो प्लान्ट भित्र धेरै कारकहरूबाट प्रभावित हुन्छ (उदाहरणका लागि, डेटा वितरण र गुणस्तर मापदण्डहरूमा परिवर्तन)। फलस्वरूप, औद्योगिक वातावरणको उच्च गुणस्तर आवश्यकताहरू पूरा गर्न मोडेल मर्मतसम्भार र मेसिन लर्निङ अपरेसनहरू आवश्यक भएका छन् (उदाहरणका लागि, ९९% भन्दा कम प्रदर्शन भएका मोडेलहरूले कामदारको सुरक्षालाई खतरामा पार्ने व्यवहार पहिचान गर्न असफल हुन सक्छन्)।
हालैका वर्षहरूमा, धेरै स्टार्टअपहरू ML Ops स्पेसमा सामेल भएका छन्, जसमा DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, र Weights & Biases समावेश छन्। स्थापित कम्पनीहरूले आफ्नो अवस्थित AI सफ्टवेयर प्रस्तावहरूमा मेसिन लर्निङ अपरेशनहरू थपेका छन्, जसमा Microsoft पनि समावेश छ, जसले Azure ML Studio मा डेटा ड्रिफ्ट पत्ता लगाउने सुविधा प्रस्तुत गर्यो। यो नयाँ सुविधाले प्रयोगकर्ताहरूलाई मोडेलको कार्यसम्पादन घटाउने इनपुट डेटाको वितरणमा परिवर्तनहरू पत्ता लगाउन सक्षम बनाउँछ।
कारक ३: अवस्थित अनुप्रयोगहरू र प्रयोगका केसहरूमा लागू गरिएको कृत्रिम बुद्धिमत्ता
परम्परागत सफ्टवेयर प्रदायकहरूले एआई क्षमताहरू थपिरहेका छन्।
MS Azure ML, AWS SageMaker, र Google Cloud Vertex AI जस्ता अवस्थित ठूला तेर्सो AI सफ्टवेयर उपकरणहरूको अतिरिक्त, कम्प्युटराइज्ड मेन्टेनेन्स म्यानेजमेन्ट सिस्टम (CAMMS), म्यानुफ्याक्चरिङ एक्जिक्युसन सिस्टम (MES) वा इन्टरप्राइज रिसोर्स प्लानिङ (ERP) जस्ता परम्परागत सफ्टवेयर सुइटहरूलाई अब AI क्षमताहरू इन्जेक्ट गरेर उल्लेखनीय रूपमा सुधार गर्न सकिन्छ। उदाहरणका लागि, ERP प्रदायक Epicor सफ्टवेयरले आफ्नो Epicor भर्चुअल असिस्टेन्ट (EVA) मार्फत आफ्ना अवस्थित उत्पादनहरूमा AI क्षमताहरू थपिरहेको छ। बुद्धिमान EVA एजेन्टहरू ERP प्रक्रियाहरूलाई स्वचालित गर्न प्रयोग गरिन्छ, जस्तै उत्पादन सञ्चालनहरू पुन: तालिकाबद्ध गर्ने वा साधारण प्रश्नहरू प्रदर्शन गर्ने (उदाहरणका लागि, उत्पादन मूल्य निर्धारण वा उपलब्ध भागहरूको संख्याको बारेमा विवरणहरू प्राप्त गर्ने)।
AIoT प्रयोग गरेर औद्योगिक प्रयोगका केसहरू स्तरोन्नति गरिँदै छन्।
अवस्थित हार्डवेयर/सफ्टवेयर पूर्वाधारमा एआई क्षमताहरू थपेर धेरै औद्योगिक प्रयोगका केसहरू बढाइँदैछन्। गुणस्तर नियन्त्रण अनुप्रयोगहरूमा मेसिन भिजन एउटा ज्वलन्त उदाहरण हो। परम्परागत मेसिन भिजन प्रणालीहरूले विशेष सफ्टवेयरले सुसज्जित एकीकृत वा अलग कम्प्युटरहरू मार्फत छविहरू प्रशोधन गर्छन् जसले पूर्वनिर्धारित प्यारामिटरहरू र थ्रेसहोल्डहरू (जस्तै, उच्च कन्ट्रास्ट) मूल्याङ्कन गर्दछ कि वस्तुहरूले दोषहरू प्रदर्शन गर्छन् कि गर्दैनन् भनेर निर्धारण गर्न। धेरै अवस्थामा (उदाहरणका लागि, विभिन्न तार आकारहरू भएका इलेक्ट्रोनिक कम्पोनेन्टहरू), गलत सकारात्मकहरूको संख्या धेरै उच्च छ।
यद्यपि, यी प्रणालीहरूलाई कृत्रिम बुद्धिमत्ता मार्फत पुनर्जीवित गरिँदैछ। 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 गर्दा अन्तिम प्रयोगकर्ताहरूलाई स्क्र्याच, प्रदूषण र अन्य दोषहरूको सही मापन आवश्यक पर्ने माग गर्ने चिकित्सा र इलेक्ट्रोनिक वातावरणहरू पूरा गर्न एउटै अनुप्रयोगमा परम्परागत दृष्टि उपकरणहरूसँग डीप लर्निङ संयोजन गर्न सक्षम बनाउँछ।
कारक ४: औद्योगिक AIoT हार्डवेयर सुधार हुँदैछ
एआई चिप्स द्रुत गतिमा सुधार हुँदैछन्।
एम्बेडेड हार्डवेयर एआई चिपहरू द्रुत गतिमा बढिरहेका छन्, एआई मोडेलहरूको विकास र तैनातीलाई समर्थन गर्न विभिन्न विकल्पहरू उपलब्ध छन्। उदाहरणहरूमा NVIDIA को नवीनतम ग्राफिक्स प्रशोधन एकाइहरू (Gpus), A30 र A10 समावेश छन्, जुन मार्च २०२१ मा प्रस्तुत गरिएको थियो र सिफारिस प्रणाली र कम्प्युटर भिजन प्रणाली जस्ता एआई प्रयोगका केसहरूको लागि उपयुक्त छन्। अर्को उदाहरण गुगलको चौथो पुस्ताको टेन्सर प्रशोधन एकाइहरू (TPus) हो, जुन शक्तिशाली विशेष-उद्देश्य एकीकृत सर्किटहरू (ASics) हुन् जसले विशिष्ट एआई कार्यभारहरू (जस्तै, वस्तु पत्ता लगाउने, छवि वर्गीकरण, र सिफारिस बेन्चमार्कहरू) को लागि मोडेल विकास र तैनातीमा १,००० गुणा बढी दक्षता र गति प्राप्त गर्न सक्छ। समर्पित एआई हार्डवेयर प्रयोग गर्नाले मोडेल गणना समयलाई दिनबाट मिनेटमा घटाउँछ, र धेरै अवस्थामा खेल परिवर्तक साबित भएको छ।
शक्तिशाली एआई हार्डवेयर प्रति-प्रयोग-भुक्तानी मोडेल मार्फत तुरुन्तै उपलब्ध हुन्छ।
सुपरस्केल उद्यमहरूले क्लाउडमा कम्प्युटिङ स्रोतहरू उपलब्ध गराउन आफ्ना सर्भरहरूलाई निरन्तर अपग्रेड गरिरहेका छन् ताकि अन्तिम प्रयोगकर्ताहरूले औद्योगिक एआई अनुप्रयोगहरू लागू गर्न सकून्। उदाहरणका लागि, नोभेम्बर २०२१ मा, AWS ले कम्प्युटर भिजन र सिफारिस इन्जिनहरू सहित विभिन्न ML अनुप्रयोगहरूको लागि NVIDIA A10G टेन्सर कोर GPU द्वारा संचालित यसको पछिल्लो GPU-आधारित उदाहरणहरू, Amazon EC2 G5 को आधिकारिक रिलीजको घोषणा गर्यो। उदाहरणका लागि, पत्ता लगाउने प्रणाली प्रदायक नानोट्रोनिक्सले प्रशोधन प्रयासहरूलाई गति दिन र माइक्रोचिप र न्यानोट्यूबहरूको निर्माणमा थप सटीक पत्ता लगाउने दरहरू प्राप्त गर्न यसको AI-आधारित गुणस्तर नियन्त्रण समाधानको Amazon EC2 उदाहरणहरू प्रयोग गर्दछ।
निष्कर्ष र सम्भावना
एआई कारखानाबाट बाहिर आउँदैछ, र यो एआई-आधारित पीडीएम जस्ता नयाँ अनुप्रयोगहरूमा सर्वव्यापी हुनेछ, र अवस्थित सफ्टवेयर र प्रयोग केसहरूमा वृद्धिको रूपमा। ठूला उद्यमहरूले धेरै एआई प्रयोग केसहरू रोल आउट गरिरहेका छन् र सफलता रिपोर्ट गरिरहेका छन्, र धेरैजसो परियोजनाहरूमा लगानीमा उच्च प्रतिफल छ। समग्रमा, क्लाउड, आईओटी प्लेटफर्महरू र शक्तिशाली एआई चिप्सको उदयले सफ्टवेयर र अप्टिमाइजेसनको नयाँ पुस्ताको लागि प्लेटफर्म प्रदान गर्दछ।
पोस्ट समय: जनवरी-१२-२०२२