Segons l’informe de mercat industrial i AI del recentment publicat 2021-2026, la taxa d’adopció de la IA en entorns industrials va augmentar del 19 per cent al 31 per cent en poc més de dos anys. A més del 31 per cent dels enquestats que han publicat IA completament o parcialment en les seves operacions, actualment un altre 39 per cent estan provant o pilotant la tecnologia.
L’AI està emergint com a tecnologia clau per als fabricants i empreses energètiques a tot el món, i l’anàlisi IoT preveu que el mercat industrial de solucions d’AI mostrarà una forta taxa de creixement anual de compostos post-pandèmics (CAGR) del 35% per arribar als 102.17 mil milions de dòlars el 2026.
L’era digital ha donat a llum a Internet de les coses. Es pot veure que l’aparició de la intel·ligència artificial ha accelerat el ritme del desenvolupament de l’Internet de les coses.
Fem una ullada a alguns dels factors que impulsen l’augment de la IA industrial i AIOT.
Factor 1: cada vegada més eines de programari per a AIOT industrial
El 2019, quan IoT Analytics va començar a cobrir la IA industrial, hi havia pocs productes de programari AI dedicats a proveïdors de tecnologia operativa (OT). Des d’aleshores, molts venedors d’OT han entrat al mercat de l’IA desenvolupant i proporcionant solucions de programari d’AI en forma de plataformes d’AI per al pis de la fàbrica.
Segons les dades, prop de 400 venedors ofereixen programari AIOT. El nombre de venedors de programari que s’uneixen al mercat de l’IA industrial ha augmentat notablement en els darrers dos anys. Durant l'estudi, IoT Analytics va identificar 634 proveïdors de tecnologia d'AI a fabricants/clients industrials. D’aquestes empreses, 389 (61,4%) ofereixen programari d’AI.
La nova plataforma de programari AI se centra en entorns industrials. Més enllà de la captació, BrainCube o C3 AI, un nombre creixent de venedors de tecnologia operativa (OT) ofereixen plataformes de programari AI dedicades. Entre els exemples s’inclouen ABB’S Genix Industrial Analytics i AI Suite, Rockwell Automation's FactoryTalk Innovation Suite, la pròpia plataforma de consultoria de fabricació de Schneider Electric i, més recentment, complements específics. Algunes d’aquestes plataformes tenen com a objectiu una àmplia gamma de casos d’ús. Per exemple, la plataforma Genix ABB proporciona analítiques avançades, incloses aplicacions i serveis pre-construïts per a la gestió del rendiment operatiu, la integritat d’actius, la sostenibilitat i l’eficiència de la cadena de subministrament.
Les grans empreses estan posant les seves eines de programari AI al pis de la botiga.
La disponibilitat d’eines de programari d’AI també es basa en noves eines de programari específiques d’ús desenvolupades per AWS, grans empreses com Microsoft i Google. Per exemple, el desembre del 2020, AWS va llançar Amazon Sagemaker Jumpstart, una característica de Amazon Sagemaker que proporciona un conjunt de solucions pre-construïdes i personalitzables per als casos d’ús industrial més comuns, com ara PDM, visió informàtica i conducció autònoma, es despleguen amb només uns clics.
Les solucions de programari específiques per a casos d’ús impulsen millores d’usabilitat.
Les suites de programari específiques per a casos d’ús, com les centrades en el manteniment predictiu, són cada cop més habituals. IoT Analytics va observar que el nombre de proveïdors que utilitzen solucions de programari de gestió de dades de productes basades en IA (PDM) van augmentar fins a 73 a principis del 2021 a causa d’un augment de la varietat de fonts de dades i l’ús de models de pre-entrenament, així com l’adopció generalitzada de les tecnologies de millora de dades.
Factor 2: es simplifica el desenvolupament i el manteniment de les solucions d'AI
L’aprenentatge automatitzat de màquines (Automl) s’està convertint en un producte estàndard.
A causa de la complexitat de les tasques associades a l'aprenentatge automàtic (ML), el ràpid creixement de les aplicacions d'aprenentatge automàtic ha creat la necessitat de mètodes d'aprenentatge de màquines fora de la plataforma que es poden utilitzar sense experiència. El camp d’investigació resultant, l’automatització progressiva per a l’aprenentatge automàtic, s’anomena Automl. Una varietat d’empreses estan aprofitant aquesta tecnologia com a part de les seves ofertes d’IA per ajudar els clients a desenvolupar models de ML i a implementar casos d’ús industrial més ràpidament. Al novembre de 2020, per exemple, SKF va anunciar un producte basat en automòbils que combina dades de processos de màquina amb vibracions i dades de temperatura per reduir costos i permetre nous models de negoci per als clients.
Les operacions d’aprenentatge automàtic (ML OPS) simplifiquen la gestió i el manteniment del model.
La nova disciplina de les operacions d’aprenentatge automàtic té com a objectiu simplificar el manteniment dels models d’AI en entorns de fabricació. El rendiment d’un model d’AI normalment es degrada amb el pas del temps, ja que es veu afectat per diversos factors de la planta (per exemple, canvis en la distribució de dades i els estàndards de qualitat). Com a resultat, les operacions de manteniment de models i aprenentatge automàtic han esdevingut necessaris per satisfer els requisits d’alta qualitat dels entorns industrials (per exemple, els models amb rendiment per sota del 99% poden no identificar el comportament que els endangers de la seguretat dels treballadors).
En els darrers anys, moltes startups s’han unit a l’espai ML Ops, inclosos Datarobot, Grid.ai, Pinecone/Zilliz, Seldon i Pesos i biaixos. Les empreses establertes han afegit operacions d’aprenentatge automàtic a les seves ofertes de programari AI existents, inclòs Microsoft, que va introduir la detecció de la deriva de dades a Azure ML Studio. Aquesta nova funció permet als usuaris detectar canvis en la distribució de dades d’entrada que degraden el rendiment del model.
Factor 3: Intel·ligència artificial aplicada a les aplicacions existents i als casos d’ús
Els proveïdors de programari tradicionals afegeixen capacitats de la IA.
A més de les grans eines de programari AI Horitzontal Existents com MS Azure ML, AWS Sagemaker i Google Cloud Vertex AI, suites tradicionals de programari com ara sistemes de gestió de manteniment informatitzats (CAMMS), sistemes d’execució de fabricació (MES) o planificació de recursos empresarials (ERP) poden millorar significativament les capacitats AI per injectar les capacitats AI. Per exemple, el programari Epicor del proveïdor ERP està afegint capacitats d’AI als seus productes existents a través del seu assistent virtual Epicor (EVA). Els agents intel·ligents EVA s’utilitzen per automatitzar els processos ERP, com ara reprogramar operacions de fabricació o realitzar consultes senzilles (per exemple, obtenir detalls sobre el preu del producte o el nombre de parts disponibles).
Els casos d'ús industrial s'estan actualitzant mitjançant AIOT.
S’estan millorant diversos casos d’ús industrial afegint capacitats de l’IA a la infraestructura existent de maquinari/programari. Un exemple viu és la visió de la màquina en aplicacions de control de qualitat. Els sistemes de visió de màquina tradicionals processen imatges a través d’ordinadors integrats o discrets equipats amb programari especialitzat que avalua paràmetres i llindars predeterminats (per exemple, contrast alt) per determinar si els objectes presenten defectes. En molts casos (per exemple, components electrònics amb diferents formes de cablejat), el nombre de falsos positius és molt elevat.
Tot i això, aquests sistemes s’estan revifant mitjançant la intel·ligència artificial. Per exemple, el proveïdor de visió de màquines industrials Cognex va llançar una nova eina d’aprenentatge profund (Vision Pro Deep Learning 2.0) el juliol de 2021. Les noves eines s’integren amb els sistemes de visió tradicionals, permetent als usuaris finals combinar l’aprenentatge profund amb les eines de visió tradicionals de la mateixa aplicació per satisfer els entorns mèdics i electrònics exigents que requereixen una mesura precisa de rascades, contaminació i altres defectes.
Factor 4: es millora el maquinari industrial AIOT
Els xips de l'AI milloren ràpidament.
Els xips IA de maquinari incrustats creixen ràpidament, amb una varietat d’opcions disponibles per donar suport al desenvolupament i el desplegament de models d’AI. Entre els exemples s’inclouen les darreres unitats de processament gràfiques de NVIDIA (GPU), l’A30 i l’A10, que es van introduir el març del 2021 i són adequades per a casos d’ús d’AI com ara sistemes de recomanació i sistemes de visió informàtica. Un altre exemple són les unitats de processament de tensors de quarta generació de Google (TPU), que són potents circuits integrats de propòsit especial (ASIC) que poden aconseguir fins a 1.000 vegades més eficiència i velocitat en el desenvolupament i el desplegament de models per a càrregues de treball de IA específiques (per exemple, detecció d’objectes, classificació d’imatges i requisits de recomanació). L'ús de maquinari AI dedicat redueix el temps de càlcul del model de dies a minuts i ha demostrat ser un canviador de jocs en molts casos.
El maquinari AI potent està immediatament disponible mitjançant un model de pagament per ús.
Les empreses de superscala estan actualitzant constantment els seus servidors per fer que els recursos informàtics estiguin disponibles al núvol de manera que els usuaris finals puguin implementar aplicacions industrials de la IA. Al novembre de 2021, per exemple, AWS va anunciar el llançament oficial de les seves darreres instàncies basades en GPU, Amazon EC2 G5, impulsada per la GPU de NVIDIA A10G Tensor Core, per a diverses aplicacions de ML, incloses els motors de visió informàtica i recomanació. Per exemple, el proveïdor de sistemes de detecció Nanotronics utilitza exemples d’Amazon EC2 de la seva solució de control de qualitat basada en IA per accelerar els esforços de processament i aconseguir taxes de detecció més precises en la fabricació de microxips i nanotubs.
Conclusió i perspectiva
L’AI surt de la fàbrica i serà omnipresent en noves aplicacions, com ara PDM basada en IA, i com a millores de programari i casos d’ús existents. Les grans empreses estan desenvolupant diversos casos d’ús de l’IA i reporta èxit i la majoria de projectes tenen un rendiment elevat de la inversió. Tot plegat, l’auge del núvol, les plataformes IoT i els potents xips d’AI proporcionen una plataforma per a una nova generació de programari i optimització.
Posada: 12 de gener de 2012