De acordo com o relatório de mercado industrial e IA industrial e recentemente divulgado 2021-2026, a taxa de adoção de IA em ambientes industriais aumentou de 19 % para 31 % em pouco mais de dois anos. Além de 31 % dos entrevistados que lançaram total ou parcialmente a IA em suas operações, outros 39 % estão testando ou pilotando a tecnologia.
A IA está emergindo como uma tecnologia essencial para os fabricantes e empresas de energia em todo o mundo, e a análise da IoT prevê que o mercado de soluções de IA industrial mostrará uma forte taxa de crescimento anual composta pós-pandêmica (CAGR) de 35% para atingir US $ 102,17 bilhões até 2026.
A era digital deu origem à Internet das Coisas. Pode -se observar que o surgimento da inteligência artificial acelerou o ritmo do desenvolvimento da Internet das Coisas.
Vamos dar uma olhada em alguns dos fatores que impulsionam a ascensão da IA e AIOT industrial.
Fator 1: Mais e mais ferramentas de software para AIOT industrial
Em 2019, quando a análise da IoT começou a cobrir a IA industrial, havia poucos produtos dedicados de software de IA dos fornecedores de tecnologia operacional (OT). Desde então, muitos fornecedores de OT entraram no mercado de IA desenvolvendo e fornecendo soluções de software de IA na forma de plataformas de IA para o piso da fábrica.
Segundo dados, quase 400 fornecedores oferecem software AIOT. O número de fornecedores de software que ingressam no mercado de IA industrial aumentou drasticamente nos últimos dois anos. Durante o estudo, a IoT Analytics identificou 634 fornecedores de tecnologia de IA para fabricantes/clientes industriais. Dessas empresas, 389 (61,4%) oferecem software de IA.
A nova plataforma de software de IA se concentra em ambientes industriais. Além da captação, o BrainCube ou o C3 AI, um número crescente de fornecedores de tecnologia operacional (OT) oferecem plataformas de software de IA dedicadas. Os exemplos incluem o Genix Industrial Analytics da ABB e a AI Suite, a suíte de inovação de FactoryTalk da Rockwell Automation, a plataforma de consultoria de fabricação da Schneider Electric e, mais recentemente, complementos específicos. Algumas dessas plataformas têm como alvo uma ampla gama de casos de uso. Por exemplo, a plataforma Genix da ABB fornece análises avançadas, incluindo aplicativos e serviços pré-criados para gerenciamento de desempenho operacional, integridade de ativos, sustentabilidade e eficiência da cadeia de suprimentos.
As grandes empresas estão colocando suas ferramentas de software de IA no chão da loja.
A disponibilidade de ferramentas de software de IA também é impulsionada por novas ferramentas de software específicas de uso de uso desenvolvidas pela AWS, grandes empresas como Microsoft e Google. Por exemplo, em dezembro de 2020, a AWS lançou o Amazon Sagemaker Jumpstart, uma característica do Amazon Sagemaker que fornece um conjunto de soluções pré-construídas e personalizáveis para os casos de uso industrial mais comuns, como PDM, visão computacional e direção autônoma, implantam com apenas alguns cliques.
As soluções de software específicas para uso de uso estão impulsionando as melhorias de usabilidade.
Suites de software específicos para uso de uso, como os focados na manutenção preditiva, estão se tornando mais comuns. A análise da IoT observou que o número de fornecedores que usam soluções de software baseados em dados de dados de produtos baseados em IA (PDM) aumentou para 73 no início de 2021 devido a um aumento na variedade de fontes de dados e ao uso de modelos de pré-treinamento, bem como à adoção generalizada de tecnologias de aprimoramento de dados.
Fator 2: O desenvolvimento e manutenção das soluções de IA estão sendo simplificadas
O Aprendizado de Máquina Automatizado (Automl) está se tornando um produto padrão.
Devido à complexidade das tarefas associadas ao aprendizado de máquina (ML), o rápido crescimento de aplicações de aprendizado de máquina criou a necessidade de métodos de aprendizado de máquina em prateleira que podem ser usados sem experiência. O campo de pesquisa resultante, Automação progressiva para aprendizado de máquina, é chamado Automl. Uma variedade de empresas está aproveitando essa tecnologia como parte de suas ofertas de IA para ajudar os clientes a desenvolver modelos de ML e implementar casos de uso industrial mais rapidamente. Em novembro de 2020, por exemplo, a SKF anunciou um produto baseado em automóveis que combina dados do processo da máquina com dados de vibração e temperatura para reduzir custos e ativar novos modelos de negócios para os clientes.
As operações de aprendizado de máquina (ML OPS) simplificam o gerenciamento e a manutenção de modelos.
A nova disciplina das operações de aprendizado de máquina visa simplificar a manutenção dos modelos de IA em ambientes de fabricação. O desempenho de um modelo de IA normalmente se degrada ao longo do tempo, pois é afetado por vários fatores dentro da planta (por exemplo, alterações na distribuição de dados e padrões de qualidade). Como resultado, as operações de manutenção do modelo e aprendizado de máquina tornaram -se necessárias para atender aos requisitos de alta qualidade dos ambientes industriais (por exemplo, modelos com desempenho abaixo de 99% podem deixar de identificar comportamentos que põem em risco a segurança dos trabalhadores).
Nos últimos anos, muitas startups ingressaram no espaço da ML Ops, incluindo Datarobot, Grid.Ai, Pinecone/Zilliz, Seldon e Weights & Biases. As empresas estabelecidas adicionaram operações de aprendizado de máquina às suas ofertas de software de IA existentes, incluindo a Microsoft, que introduziu a detecção de desvio de dados no Azure ML Studio. Esse novo recurso permite que os usuários detectem alterações na distribuição dos dados de entrada que degradam o desempenho do modelo.
Fator 3: Inteligência artificial aplicada a aplicações e casos de uso existentes
Os provedores de software tradicionais estão adicionando recursos de IA.
Além das grandes ferramentas horizontais de software horizontais existentes, como o MS Azure ML, o AWS Sagemaker e o Google Cloud Vertex AI, suítes de software tradicionais, como sistemas de gerenciamento de manutenção computadorizados (CAMMS), os sistemas de execução de fabricação (MES) ou planejamento de recursos empresariais (ERP) podem agora ser significativamente aprimorados pela injeção de capacidades AI. Por exemplo, o Software Epicor do provedor de ERP está adicionando recursos de IA aos seus produtos existentes por meio de seu Epicor Virtual Assistant (EVA). Os agentes inteligentes da EVA são usados para automatizar os processos de ERP, como remarcar operações de fabricação ou executar consultas simples (por exemplo, obter detalhes sobre o preço do produto ou o número de peças disponíveis).
Os casos de uso industrial estão sendo atualizados usando o AIOT.
Vários casos de uso industrial estão sendo aprimorados adicionando recursos de IA à infraestrutura de hardware/software existente. Um exemplo vívido é a visão de máquina em aplicações de controle de qualidade. Os sistemas tradicionais de visão de máquina processam imagens por meio de computadores integrados ou discretos equipados com software especializado que avalia parâmetros e limites predeterminados (por exemplo, alto contraste) para determinar se os objetos exibem defeitos. Em muitos casos (por exemplo, componentes eletrônicos com diferentes formas de fiação), o número de falsos positivos é muito alto.
No entanto, esses sistemas estão sendo revividos através da inteligência artificial. Por exemplo, o provedor de visão de máquina industrial CognEx lançou uma nova ferramenta de aprendizado profundo (Vision Pro Deep Learning 2.0) em julho de 2021. As novas ferramentas se integram aos sistemas de visão tradicionais, permitindo que os usuários finais combinem aprendizado profundo com ferramentas de visão tradicionais no mesmo aplicativo para atender aos exigentes ambientes médicos e eletrônicos que requerem medições precisas de arranhões, contaminação e outros defeitos.
Fator 4: hardware industrial aiot sendo melhorado
Os chips de IA estão melhorando rapidamente.
Os chips de hardware incorporado estão crescendo rapidamente, com uma variedade de opções disponíveis para apoiar o desenvolvimento e a implantação dos modelos de IA. Os exemplos incluem as mais recentes unidades de processamento gráfico (GPUs) da NVIDIA, o A30 e A10, que foram introduzidas em março de 2021 e são adequadas para casos de uso de IA, como sistemas de recomendação e sistemas de visão computacional. Outro exemplo são as unidades de processamento de tensores de quarta geração do Google (TPUs), que são poderosos circuitos integrados (ASICs) poderosos que podem atingir até 1.000 vezes mais eficiência e velocidade no desenvolvimento e implantação de modelos para cargas de IA específicas (por exemplo, detecção de objetos, classificação de imagem e referência de recomendação). O uso de hardware de AI dedicado reduz o tempo de computação do modelo de dias a minutos e provou ser um divisor de águas em muitos casos.
Hardware de IA poderoso está disponível imediatamente através de um modelo de pagamento por uso.
As empresas de super -escala estão constantemente atualizando seus servidores para disponibilizar recursos de computação na nuvem, para que os usuários finais possam implementar aplicativos industriais de IA. Em novembro de 2021, por exemplo, a AWS anunciou o lançamento oficial de suas mais recentes instâncias baseadas em GPU, o Amazon EC2 G5, alimentado pela GPU do NVIDIA A10G Tensor Core, para uma variedade de aplicações de ML, incluindo visão computacional e mecanismos de recomendação. Por exemplo, a Nanotronics, fornecedor de sistemas de detecção, usa exemplos da Amazon EC2 de sua solução de controle de qualidade baseada em IA para acelerar os esforços de processamento e obter taxas de detecção mais precisas na fabricação de microchips e nanotubos.
Conclusão e perspectiva
A IA está saindo da fábrica e será onipresente em novos aplicativos, como o PDM baseado em IA e como aprimoramentos em software e casos de uso existentes. As grandes empresas estão lançando vários casos de uso de IA e relatando sucesso, e a maioria dos projetos tem um alto retorno do investimento. Em suma, a ascensão da nuvem, as plataformas de IoT e os poderosos chips de IA fornece uma plataforma para uma nova geração de software e otimização.
Horário de postagem: JAN-12-2022