أربعة عوامل تجعل من الصناعي المفضل الجديد

وفقًا لتقرير سوق AI و AI الصناعي الذي تم إصداره مؤخرًا 2021-2026 ، ارتفع معدل اعتماد الذكاء الاصطناعي في البيئات الصناعية من 19 إلى 31 في المائة في ما يزيد قليلاً عن عامين. بالإضافة إلى 31 في المائة من المجيبين الذين قاموا بطرح الذكاء الاصطناعى بالكامل أو جزئيًا في عملياتهم ، يقوم 39 في المائة آخرون باختبار التكنولوجيا أو تجريبها.

تظهر الذكاء الاصطناعى كتقنية رئيسية للمصنعين وشركات الطاقة في جميع أنحاء العالم ، ويتوقع تحليل إنترنت الأشياء أن سوق حلول الذكاء الاصطناعى الصناعي سيظهر معدل نمو سنوي قوي بعد مركب (CAGR) يبلغ 35 ٪ ليصل إلى 102.17 مليار دولار بحلول عام 2026.

لقد أنجبت العصر الرقمي إنترنت الأشياء. يمكن ملاحظة أن ظهور الذكاء الاصطناعي قد أسرع وتيرة تطوير إنترنت الأشياء.

دعونا نلقي نظرة على بعض العوامل التي تدفع صعود الذكاء الاصطناعى الصناعي والعايوت.

العامل 1: المزيد والمزيد من أدوات البرمجيات للعقيدة الصناعية

في عام 2019 ، عندما بدأت IoT Analytics في تغطية الذكاء الاصطناعي الصناعي ، كان هناك عدد قليل من منتجات برامج الذكاء الاصطناعى المخصصة من بائعي التكنولوجيا التشغيلية (OT). منذ ذلك الحين ، دخل العديد من بائعي OT إلى سوق الذكاء الاصطناعي من خلال تطوير وتوفير حلول برامج الذكاء الاصطناعى في شكل منصات منظمة العفو الدولية لأرضية المصنع.

وفقًا للبيانات ، يقدم ما يقرب من 400 بائع برنامج AIOIOT. زاد عدد بائعي البرامج الذين ينضمون إلى سوق الذكاء الاصطناعى الصناعي بشكل كبير في العامين الماضيين. خلال الدراسة ، حددت IoT Analytics 634 موردي تقنية الذكاء الاصطناعى للمصنعين/العملاء الصناعيين. من هذه الشركات ، تقدم 389 (61.4 ٪) برنامج الذكاء الاصطناعي.

تركز منصة برمجيات الذكاء الاصطناعى الجديدة على البيئات الصناعية. إلى جانب الامتصاص أو Braincube أو C3 AI ، يقدم عدد متزايد من بائعي التكنولوجيا التشغيلية (OT) منصات برمجيات AI مخصصة. ومن الأمثلة على ذلك ABB's Genix Industrial Analytics و AI Suite ، جناح Rockwell Automation FactoryTalk Innovation Suite ، منصة استشارات التصنيع الخاصة بـ Schneider Electric ، ومؤخراً إضافات محددة. تستهدف بعض هذه المنصات مجموعة واسعة من حالات الاستخدام. على سبيل المثال ، توفر منصة Genix من ABB تحليلات متقدمة ، بما في ذلك التطبيقات والخدمات التي تم إنشاؤها مسبقًا لإدارة الأداء التشغيلي وسلامة الأصول والاستدامة وكفاءة سلسلة التوريد.

تضع الشركات الكبرى أدوات برمجيات الذكاء الاصطناعي على أرضية المتجر.

إن توفر أدوات برمجيات الذكاء الاصطناعى مدفوع أيضًا بأدوات برمجيات جديدة محددة للاستخدام التي طورتها AWS ، وشركات كبيرة مثل Microsoft و Google. على سبيل المثال ، في ديسمبر 2020 ، أصدرت AMS Amazon Sagemaker JumpStart ، وهي ميزة من Amazon Sagemaker التي توفر مجموعة من الحلول التي تم بناؤها مسبقًا وقابلة للتخصيص لحالات الاستخدام الصناعي الأكثر شيوعًا ، مثل PDM ، ورؤية الكمبيوتر ، والقيادة المستقلة ، وتنشر بنقرات قليلة فقط.

حلول البرمجيات الخاصة بحالة الاستخدام تقود تحسينات قابلية الاستخدام.

أصبحت أجنحة البرمجيات الخاصة بحالة الاستخدام ، مثل تلك التي تركز على الصيانة التنبؤية ، أكثر شيوعًا. لاحظت IoT Analytics أن عدد مقدمي الخدمات الذين يستخدمون حلول برامج بيانات المنتجات (PDM) المستندة إلى الذكاء الاصطناعي قد ارتفع إلى 73 في أوائل عام 2021 بسبب زيادة في مجموعة متنوعة من مصادر البيانات واستخدام نماذج ما قبل التدريب ، وكذلك التبني الواسع النطاق لتقنيات تعزيز البيانات.

العامل 2: يتم تبسيط تطوير وصيانة حلول الذكاء الاصطناعي

أصبح التعلم الآلي الآلي (Automl) منتجًا قياسيًا.

نظرًا لتعقيد المهام المرتبطة بالتعلم الآلي (ML) ، فإن النمو السريع لتطبيقات التعلم الآلي قد خلق حاجة إلى أساليب التعلم الآلي الجاهزة التي يمكن استخدامها دون خبرة. يسمى مجال البحث الناتج ، الأتمتة التدريجية للتعلم الآلي ، Automl. تقوم مجموعة متنوعة من الشركات بالاستفادة من هذه التكنولوجيا كجزء من عروض الذكاء الاصطناعي لمساعدة العملاء على تطوير نماذج ML وتنفيذ حالات الاستخدام الصناعي بشكل أسرع. في نوفمبر 2020 ، على سبيل المثال ، أعلنت SKF عن منتج قائم على السيارات يجمع بين بيانات عملية الماكينة وبيانات الاهتزاز ودرجة الحرارة لتقليل التكاليف وتمكين نماذج أعمال جديدة للعملاء.

عمليات التعلم الآلي (ML OPS) تبسيط إدارة النماذج والصيانة.

يهدف الانضباط الجديد لعمليات التعلم الآلي إلى تبسيط صيانة نماذج الذكاء الاصطناعي في بيئات التصنيع. عادةً ما يتدهور أداء نموذج الذكاء الاصطناعي بمرور الوقت لأنه يتأثر بعدة عوامل داخل المصنع (على سبيل المثال ، التغييرات في توزيع البيانات ومعايير الجودة). ونتيجة لذلك ، أصبحت عمليات الصيانة والتعلم الآلي من النماذج ضرورية لتلبية متطلبات الجودة العالية للبيئات الصناعية (على سبيل المثال ، قد تفشل النماذج ذات الأداء الذي يقل عن 99 ٪ في تحديد السلوك الذي يعرض سلامة العمال).

في السنوات الأخيرة ، انضمت العديد من الشركات الناشئة إلى مساحة ML Ops ، بما في ذلك Datarobot و Grid.ai و Pinecone/Zilliz و Seldon و Wesils & Biases. أضافت الشركات المنشأة عمليات التعلم الآلي إلى عروض برامج الذكاء الاصطناعى الحالية ، بما في ذلك Microsoft ، والتي قدمت اكتشاف انجراف البيانات في استوديو Azure ML. تتيح هذه الميزة الجديدة للمستخدمين اكتشاف التغييرات في توزيع بيانات الإدخال التي تحلل أداء النموذج.

العامل 3: الذكاء الاصطناعي المطبق على التطبيقات الحالية وحالات الاستخدام

يضيف مقدمو البرمجيات التقليدية قدرات الذكاء الاصطناعي.

بالإضافة إلى أدوات برامج الذكاء الاصطناعى الأفقي الكبير مثل MS Azure ML و AWS Sagemaker و Google Cloud Vertex AI ، يمكن الآن تحسين أجنحة البرمجيات التقليدية مثل أنظمة إدارة الصيانة المحوسبة (CAMMS) أو أنظمة تنفيذ التصنيع (MES) أو تخطيط موارد المؤسسة (ERP) بشكل كبير عن طريق حقن قدرة AI. على سبيل المثال ، تقوم EPICOR Software EPICOR ERP بإضافة إمكانات منظمة العفو الدولية إلى منتجاتها الحالية من خلال مساعدها الظاهري (EVA). يتم استخدام عوامل EVA الذكية لأتمتة عمليات تخطيط موارد المؤسسات ، مثل إعادة جدولة عمليات التصنيع أو إجراء استعلامات بسيطة (على سبيل المثال ، الحصول على تفاصيل حول تسعير المنتج أو عدد الأجزاء المتاحة).

يتم ترقية حالات الاستخدام الصناعي باستخدام AIOIOT.

يتم تعزيز العديد من حالات الاستخدام الصناعي عن طريق إضافة إمكانيات الذكاء الاصطناعي إلى البنية التحتية للأجهزة/البرامج الحالية. مثال حية هو رؤية الماكينة في تطبيقات مراقبة الجودة. تقوم أنظمة رؤية الماكينة التقليدية بمعالجة الصور من خلال أجهزة الكمبيوتر المتكاملة أو المنفصلة المجهزة ببرامج متخصصة تقوم بتقييم المعلمات والعروض المحددة مسبقًا (على سبيل المثال ، التباين العالي) لتحديد ما إذا كانت الكائنات تظهر عيوبًا أم لا. في كثير من الحالات (على سبيل المثال ، المكونات الإلكترونية ذات الأشكال المختلفة للأسلاك) ، يكون عدد الإيجابيات الخاطئة مرتفعًا جدًا.

ومع ذلك ، يتم إحياء هذه الأنظمة من خلال الذكاء الاصطناعي. على سبيل المثال ، أصدرت شركة Cognex لمزود رؤية الآلات الصناعية أداة جديدة للتعلم العميق (Vision Pro Deep Learning 2.0) في يوليو 2021. تتكامل الأدوات الجديدة مع أنظمة الرؤية التقليدية ، مما يتيح للمستخدمين النهائيين الجمع بين أدوات الرؤية التقليدية في نفس التطبيق لتلبية البيئات الطبية والإلكترونية التي تتطلب قياسًا دقيقًا للخدوش ، والإنتيام وغيرها من الأدوات.

العامل 4: يتم تحسين أجهزة AIOT الصناعية

رقائق الذكاء الاصطناعى تتحسن بسرعة.

تنمو رقائق AI للأجهزة المدمجة بسرعة ، مع مجموعة متنوعة من الخيارات المتاحة لدعم تطوير ونشر نماذج الذكاء الاصطناعي. ومن الأمثلة على ذلك أحدث وحدات معالجة الرسومات في NVIDIA (GPUS) ، A30 و A10 ، والتي تم تقديمها في مارس 2021 وهي مناسبة لحالات استخدام الذكاء الاصطناعي مثل أنظمة التوصية وأنظمة رؤية الكمبيوتر. مثال آخر هو وحدات معالجة الموترات من الجيل الرابع من Google (TPUS) ، وهي دوائر متكاملة للأغراض الخاصة (ASIC) التي يمكن أن تحقق ما يصل إلى 1000 مرة في تطوير النماذج ونشر النموذج لأحمال عمل محددة منظمة العفو الدولية (على سبيل المثال ، اكتشاف الكائنات وتصنيف الصور وترددات التوصية). يؤدي استخدام أجهزة AI المخصصة إلى تقليل وقت حساب النموذج من أيام إلى دقائق ، وقد أثبت أنه تغيير في اللعبة في كثير من الحالات.

تتوفر أجهزة AI القوية على الفور من خلال نموذج الدفع لكل استخدام.

تقوم شركة Superscale Enterprises باستمرار بترقية خوادمها لإتاحة موارد الحوسبة في السحابة بحيث يمكن للمستخدمين النهائيين تطبيق تطبيقات الذكاء الاصطناعى الصناعي. في نوفمبر 2021 ، على سبيل المثال ، أعلنت AWS عن الإصدار الرسمي لأحدث مثيلاتها المستندة إلى GPU ، Amazon EC2 G5 ، مدعومة من GPU NVIDIA A10G TENSOR CORE ، لمجموعة متنوعة من تطبيقات ML ، بما في ذلك رؤية الكمبيوتر والتوصيات. على سبيل المثال ، يستخدم مزود أنظمة الكشف Nanotronics أمثلة Amazon EC2 لحل مراقبة الجودة القائم على الذكاء الاصطناعي لتسريع جهود المعالجة وتحقيق معدلات اكتشاف أكثر دقة في تصنيع الرقائق الدقيقة والأنابيب النانوية.

الخلاصة والتوقع

منظمة العفو الدولية تخرج من المصنع ، وستكون في كل مكان في تطبيقات جديدة ، مثل PDM المستندة إلى الذكاء الاصطناعى ، وكحالات في الحالات الحالية والاستخدام. تقوم المؤسسات الكبيرة بطرح العديد من حالات استخدام الذكاء الاصطناعي والإبلاغ عن النجاح ، ومعظم المشاريع لها عائد كبير على الاستثمار. الكل في الكل ، يوفر صعود السحابة ومنصات إنترنت الأشياء وشرائح AI القوية منصة لجيل جديد من البرامج والتحسين.