邊緣人工智能如何推動(dòng)工業(yè)4.0的成果

邊緣人工智能如何推動(dòng)工業(yè)4.0的成果

與過去以物理世界為中心的工業(yè)革命不同，第四次工業(yè)革命引入的數(shù)字元素正在為整個(gè)制造業(yè)帶來新的創(chuàng)新和智能解決方案。網(wǎng)絡(luò)連接的最新進(jìn)展正在推動(dòng)數(shù)字化：計(jì)算、物聯(lián)網(wǎng)和傳感器技術(shù)、自動(dòng)化和機(jī)器人技術(shù)，以及人工智能和機(jī)器學(xué)習(xí)(AI/ML)。

對(duì)于制造商而言，工業(yè)4.0創(chuàng)造了無限的可能性，從提高對(duì)供應(yīng)鏈運(yùn)營(yíng)的洞察力和可見性、減少危險(xiǎn)狀況和提高工人安全，到執(zhí)行預(yù)測(cè)性維護(hù)以減少設(shè)備停機(jī)時(shí)間。

為了實(shí)現(xiàn)這一愿景，制造商必須了解所有各種傳感器、執(zhí)行器和設(shè)備，并決定在哪里執(zhí)行分析，為操作人員使用的應(yīng)用、儀表板和警報(bào)解決方案提供信息。如今工業(yè)4.0的主要障礙與用例無關(guān)，而是集中在如何以最有效和最經(jīng)濟(jì)的方式確保所有物理和數(shù)字功能之間的互操作性。

當(dāng)前對(duì)實(shí)現(xiàn)互操作性的考慮

制造商掌握著從各種傳感器、系統(tǒng)和資產(chǎn)生成的大量數(shù)據(jù)。但在原始形式下，如果不能快速分析這些數(shù)據(jù)就無法提供價(jià)值。分析這種規(guī)模的數(shù)據(jù)需要與數(shù)據(jù)源緊密相連的人工智能和機(jī)器學(xué)習(xí)的力量。

Gartner的2019年十大戰(zhàn)略技術(shù)趨勢(shì)預(yù)測(cè)，到2028年，邊緣設(shè)備中傳感器、存儲(chǔ)、計(jì)算和高級(jí)人工智能功能的嵌入將穩(wěn)步增加。

這種增長(zhǎng)有可能創(chuàng)造一個(gè)擁有數(shù)千種“智能”邊緣設(shè)備類型的行業(yè)——有些大，有些小，有些比其他設(shè)備的功率要求更高。當(dāng)與數(shù)百甚至數(shù)千個(gè)需要在這些設(shè)備上運(yùn)行的AI/ML模型結(jié)合在一起時(shí)，會(huì)發(fā)現(xiàn)這很快就會(huì)變成一場(chǎng)管理噩夢(mèng)。

許多組織默認(rèn)購(gòu)買專有的垂直“解決方案”來解決特定邊緣應(yīng)用的離散問題，例如視覺質(zhì)量檢查或預(yù)測(cè)性維護(hù)監(jiān)控。盡管這種方法可能解決短期需求，但會(huì)增加日益嚴(yán)峻的挑戰(zhàn)。專有系統(tǒng)或單點(diǎn)解決方案并不總是能很好地集成到現(xiàn)有工作流程或技術(shù)堆棧中，最終可能會(huì)導(dǎo)致用戶社區(qū)的采用障礙和摩擦。

最重要的是，當(dāng)今許多面向分析的解決方案還需要將來自傳感器或其他來源的數(shù)據(jù)發(fā)送到中央數(shù)據(jù)中心或云計(jì)算環(huán)境，以進(jìn)行分析和機(jī)器學(xué)習(xí)。由于數(shù)據(jù)傳輸量和決策延遲增加，這種設(shè)計(jì)模式變得極其昂貴，并且還可能引入新的安全漏洞。

總而言之，現(xiàn)今，許多制造商依賴于低效且不可擴(kuò)展的解決方案和方法來集成跨工廠的AI/ML功能，這只會(huì)導(dǎo)致機(jī)器、工具和系統(tǒng)混亂，互操作性差，有時(shí)甚至是相互競(jìng)爭(zhēng)的技術(shù)。

構(gòu)建可互操作的AI/ML支持的系統(tǒng)

那么，構(gòu)建互操作性和實(shí)現(xiàn)工業(yè)4.0的關(guān)鍵是什么？第一步是通過使用可能已經(jīng)存在的資產(chǎn)來簡(jiǎn)化流程，并確定最有效，橫向和可擴(kuò)展的方法來實(shí)現(xiàn)希望實(shí)現(xiàn)的結(jié)果。

目前，有數(shù)十億已安裝的資產(chǎn)具有某種形式的嵌入式計(jì)算，收集豐富的洞察數(shù)據(jù)。理想情況下，數(shù)據(jù)應(yīng)該在設(shè)備上或設(shè)備附近進(jìn)行實(shí)時(shí)分析，最大限度地減少數(shù)據(jù)傳輸，以避免網(wǎng)絡(luò)和安全問題及成本，并與現(xiàn)有的操作系統(tǒng)集成，以最大限度地減少中斷并增加價(jià)值。

下一個(gè)問題是，如何有效地將AI/ML集成到所有這些資產(chǎn)中，以實(shí)現(xiàn)互操作性？Gartner預(yù)測(cè)，上述許多已安裝的設(shè)備將使用人工智能代碼進(jìn)行改造；此外，數(shù)以百萬計(jì)的資產(chǎn)將采用嵌入式技術(shù)制造，為支持人工智能的軟件創(chuàng)造計(jì)算環(huán)境。

根據(jù)Gartner的預(yù)測(cè)，更有效的方法是讓AI/ML模型盡可能接近需要加速分析和處理的用戶或設(shè)備，然后將這些AI/ML生成的預(yù)測(cè)集成到自定義或COTS應(yīng)用和儀表板系統(tǒng)中。使用管理和監(jiān)控部署到邊緣設(shè)備的AI/ML模型的商業(yè)解決方案可以為潛在的混亂帶來秩序。

與選擇垂直專有系統(tǒng)的方法相比，通過中央平臺(tái)將AI/ML功能部署到所有設(shè)備、傳感器和邊緣資產(chǎn)不僅會(huì)加速構(gòu)建AI/ML驅(qū)動(dòng)的解決方案的開發(fā)過程。還將彌合當(dāng)前架構(gòu)差距，以建立系統(tǒng)之間的互操作性。這種互操作性形成了物理和數(shù)字洞察之間的連接點(diǎn)，從而實(shí)現(xiàn)了工業(yè)4.0。

總結(jié)

為了縮小當(dāng)今使用的技術(shù)與工業(yè)4.0技術(shù)之間的差距，制造商必須考慮新的互操作性方法，以實(shí)現(xiàn)大規(guī)模的AI/ML洞察力。與其將每種資產(chǎn)類型視為需要解決的新謎題，不如將每種資產(chǎn)類型視為可以一次性解決的謎題的一部分。

通過采用集成優(yōu)先的方法，集中所有與AI/ML相關(guān)的資產(chǎn)，制造商可以從現(xiàn)有資產(chǎn)中提取AI/ML生成的洞察力，同時(shí)保持未來發(fā)展的靈活性。更重要的是，這種跨制造設(shè)施提供AI/ML驅(qū)動(dòng)的洞察力的方法，創(chuàng)造了實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)解決方案所需的互操作性，從而推動(dòng)工業(yè)4.0的成果。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。