2022年8月31日 星期三

· 工業人工智慧和 AIoT 的崛起:推動技術採用的 4 個趨勢

 
引領 AIoT 未來的嵌入式創新



IOT ANALYTICS


工業ai和ait的崛起


簡而言之

  • 關於工業人工智慧(AI)和物聯網人工智慧(AIoT)主題的兩份新的物聯網分析研究報告估計,到 2026 年,AIoT 市場將達到 1022 億美元。報告1,報告2)
  • 四種趨勢正在推動這項技術:(1)新軟體工具的可用性,(2)簡化人工智慧解決方案的開發,(3)將人工智慧注入遺留應用程式,以及(4)人工智慧硬體的進步。

為什麼這很重要

  • 製造軟體和硬體提供商,有機會將基於人工智慧的功能注入現有產品中。
  • 明智地採用這些解決方案的製造商,正在目睹效率的提高、產品品質的提高,和更順暢的流程。



AIoT 在製造業的採用正在增加。

根據最近釋出的 252 頁《2021-2026 年工業人工智慧和物聯網市場報告》的資料,工業環境中的人工智慧採用率在兩年多一點的時間裡,從 19% 上升到 31%。 除了 31% 的受訪者在營運中,全部或部分推出人工智慧技術外,還有 39% 的人目前正在測試或試用該技術。人工智慧採用率的增加可以全面見證,但在能源垂直和加工行業,如石油和天然氣或化學品行業尤其強大。高價值資產、大量營運資料和依賴數百個引數的流程的組合,有助於這些行業的強有力採用。常見的工業人工智慧應用,包括維護(例如預測性維護[PdM])、預測性品質控制、使用機器視覺進行故障檢測、人工智慧最佳化庫存管理,以及基於人工智慧的生產規劃和最佳化。



人工智慧正在成為全球製造商和能源公司的關鍵技術,物聯網分析預測,工業人工智慧解決方案市場,將顯示出 35% 的強勁疫情後複合年成長率(CAGR),到 2026 年市場將達到 1021.7 億美元。


什麼是工業人工智慧和工業 AIoT?

工業人工智慧 = 與工業企業的實體操作和系統相關的人工智慧。人工智慧驅動的系統,可以自動化和重塑基本的工業流程,包括產品開發/製造和供應鏈/現場營運


工業 AIoT = 工業人工智慧的一個子集,指的是工業企業在物聯網型別資料來源上執行的人工智慧。


越來越明顯的是,在未來幾年,真正的人工智慧(不僅僅是簡單的統計資料)將在許多製造業務和相關應用中變得普遍存在。


根據我們的研究,四個關鍵組成部分正在推動人工智慧在工業環境中的廣泛採用。


驅動程式1:工業 AIoT 越來越多的軟體工具。


供應商數量-工業AI-2019-到2021


近 400 家供應商提供 AIoT 軟體。 在過去兩年裡,加入工業人工智慧市場的軟體供應商數量大幅增加。在研究期間,物聯網分析確定了 634 家為製造商/工業客戶提供人工智慧技術的供應商。在這些公司中,389 家(或 61.4%)提供人工智慧軟體。


新的人工智慧軟體平台專注於工業設定。除了 UptakeBraincube 或 C3 AI 等軟體擴充套件外,越來越多的營運技術(OT)供應商,正在提供專用的 AI 軟體平台。2019 年,當物聯網分析開始覆蓋工業人工智慧領域時,這些公司的專用人工智慧軟體產品很少。從那時起,許多 OT 供應商透過為工廠生產線開發,和提供人工智慧平台形式的人工智慧軟體解決方案,進入人工智慧市場。例子包括 ABB 的 Genix 工業分析和 AI 套件Rockwell Automation 的 FactoryTalk 創新套件施耐德電氣的自主生產顧問平以及 TangentWorks 的 InstantML 到西門子的 MindSphere 平等最近的特定附加元件。其中幾個平台針對廣泛的用例。例如,ABB 的 Genix 平提供先進的分析,包括預建的應用程式和服務,用於營運績效管理、資產完整性、永續性和供應鏈效率。


新發布的 172 頁的《2021 年工業人工智慧軟體平台供應商景觀報告》深入研究了其中 12 家供應商。


Hyperscalers 正在將他們的產品擴充套件到工廠生產線。包括 AWS微軟谷歌在內的超大規模人員,開發新的特定於案例的軟體工具,也推動了人工智慧軟體工具的可用性的提高。例如,2020 年 12 月,AWS 釋出了Amazon SageMaker JumpStart,這是 Amazon SageMaker 的一項功能,為最常見的工業用例(例如 PdM、電腦視覺和自動駕駛)提供一套預建和可客製化的解決方案,只需點選幾下即可佈署。


特定於用例的軟體解決方案正在推動可用性的提高。特定於案例的軟體套件,如專注於預測性維護的軟體套件,正變得越來越普遍。物聯網分析觀察到,由於資料來源的多樣性,和預先培訓模型的使用,以及資料增強技術的廣泛採用,使用基於人工智慧的 PdM 軟體解決方案的供應商數量,在 2021 年初增加到 73 家(詳情請參閱《2021-2026年預測維護市場報告》)。


驅動因素2:人工智慧解決方案的開發和維護正在簡化。


自動機器學習(AutoML)正在成為一種標準產品。 由於機器學習(ML)相關任務很複雜,ML應用程式的快速成長,產生了對現成的 ML 方法的需求,這些方法可以在沒有專業知識的情況下使用。由此產生的研究領域,目的在實現 ML 的漸進自動化,稱為 AutoML。各種公司正在利用這項技術,做為其人工智慧產品的一部分,幫助客戶開發 ML 模型,並更快地實現工業案例。 例如,2020 年 11 月,SKF 宣佈了一項基於 AutoML 的產品,該產品將機器工藝資料,與振動和溫度資料相結合,以降低成本併為客戶啟用新的商業模式。 同樣,今年年初,C3 AI 宣佈在 C3 AI Ex Machina 中提供 AutoML。


「手動建構 ML 模型,需要廣泛的領域專業知識,和大量時間用於試錯。即使對專家資料科學家來說,選擇培訓功能、[a]模型型別以及最佳化準確性的模型的特定配置,也是困難問題。自動化 ML 消除了這種繁瑣的實驗過程,為商業專家和資料科學家節省了時間和麻煩。」


– Matt Connor,專注於 C3 AI Ex Machina 的高階產品經理


機器學習操作(ML Ops)簡化了模型管理和维护。ML Ops 的新學科目的,在簡化製造環境中的人工智慧模型維護。人工智慧模型的效能經常隨著時間的推移而下降,因為它受到工廠內幾個因素(例如資料分發和品質標準的變化)的影響。因此,模型維護和 ML 操作,對於滿足工業環境的高品質要求是必要的(例如,精度低於 99% 的模型可能無法辨識危及工人安全的行為)。 近年來,許多新創公司加入了 ML Ops 領域,包括 DataRobotGrid.AIPinecone/ZillizSeldon 和 Weights & Biases。 老牌公司在其現有的人工智慧軟體產品中添加了 ML Ops 功能,包括微軟,該微軟在 Azure ML Studio 中引入了資料漂移檢測。此新功能,讓使用者能夠檢測導致模型效能下降的輸入資料分佈變化。


驅動程式 3:人工智慧正在注入現有應用程式和案例中。


傳統軟體提供商正在新增人工智慧功能。除了現有的大型橫向人工智慧軟體工具(如 MS Azure ML、AWS SageMaker 和 Google Cloud Vertex AI),電腦化維護管理系統(CMMS)、製造執行系統(MES)或企業資源規劃(ERP)等遺留軟體套件,現在可以透過注入人工智慧功能,獲得顯著提升。例如,ERP 提供商 Epicor Software 正在透過其 Epicor 虛擬助理(EVA)在其現有產品中新增人工智慧功能。智慧 EVA 代理用於自動化 ERP 流程,例如重新安排製造作業或執行簡單查詢(例如,獲得產品定價或可用部件數量的詳細資訊)。


工業用例正在透過使用 AIoT 進行升級。透過向現有硬體/軟體基礎設施新增人工智慧功能,幾個工業用例正在得到加強。品質控制應用中的機器視覺就是一個生動的例子。遺留機器視覺系統,透過配備專業軟體的整合或離散電腦處理影象,該軟體評估預定引數和閾值(例如高對比度),以確定物體是否表現出缺陷。在許多情況下(例如,具有不同佈線形狀的電子元件),假陽性的數量非常高。然而,這些系統正在用人工智慧復興。例如,工業機器視覺提供商 Cognex 於 2021 年 7 月釋出了一種新的深度學習工具(Vision Pro Deep Learning 2.0)。 新工具與遺留的視覺系統整合,使終端使用者能夠將深度學習與傳統視覺工具,結合在同一應用程式中,用於要求苛刻的醫療和電子環境,這些環境需要精確測量劃痕、汙染和其他缺陷。


「隨著深度學習在工廠站穩腳跟,我們看到許多應用程式需要的,不僅僅是傳統的願景或深度學習 —— 它們都需要最好的解決方案。」


–Joerg Kuechen,Cognex視覺產品高階副總裁


驅動程式 4:工業 AIoT 的硬體正在改進。

自 2019 年我們上一份工業人工智慧報告以來,人工智慧硬體不斷髮展,還有更多專用產品來支援工業AIoT用例。


人工智慧晶片正在迅速改進。 嵌入式硬體人工智慧晶片已經快速發展,有多種選項,可以支援人工智慧模型的開發和佈署。例子包括 NVIDIA 最新的圖形處理單元(GPU)、A30 和 A10,它們於 2021 年 3 月推出,適用於人工智慧用例,如推薦系統和電腦視覺系統。另一個例子是谷歌的第四代張量處理單元(TPU),它是強大的特定於應用程式的積體電路(ASIC),在特定人工智慧工作負載(例如物件檢測、影象分類和推薦基準)的模型開發和佈署中,效率和速度可以達到 1000 倍。


使用專用人工智慧硬體,將模型計算時間從幾天減少到分鐘,並被證明在許多情況下改變了遊戲規則。


強大的人工智慧硬體,可以透過按使用付費模式立即獲得。超大規模者不斷升級其伺服器,以便在雲端提供運算資源,以便終端使用者能夠實現工業人工智慧應用程式。例如,2021 年 11 月AWS 宣佈了其最新的,基於 GPU 的例項 Amazon EC2 G5 的一般可用性,該例項由 NVIDIA A10G 張量核心 GPU 提供支援,用於廣泛的 ML 應用程式,包括電腦視覺和推薦引擎。例如,檢測系統提供商 Nanotronics 利用亞馬遜 EC2 例項進行基於人工智慧的品質控制解決方案,以加快加工工作,並在微晶片和奈米管製造中,實現更準確的檢測率。


結論和展望

人工智慧即將上市,它將普遍存在於新的應用程式中,如基於人工智慧的PdM,並作為現有軟體和用例的增強。大型企業正在推出幾個人工智慧用例並報告成功案例,大多數專案的投資報酬率都很強。總的來說,雲、物聯網平台,和強大的人工智慧晶片的崛起,為新一代軟體和最佳化提供了一個平台。


你現在應該怎麼做?

對於製造軟體和硬體提供商來說,是時候全面評估人工智慧和 ML 的使用,以增加你現有的產品組合(例如,透過引入智慧助理、模擬工具或預測分析)。這種人工智慧增強可能是變革性的(正如基於人工智慧的機器視覺的引入一直在品質檢查中)。


對於製造商來說,是時候用明確的工業人工智慧願景,完善你現有的工業 4.0 或工業物聯網策略,並決定如何獲得人工智慧技術(例如,來自雲提供商的硬體與內部專用人工智慧硬體,或與人工智慧軟體新創企業的合作,與建立內部人工智慧團隊)。製造商還需要找到關鍵問題的答案:我們願意與誰共享資料以改善營運?我們如何在車間實現人工智慧的接受?我們如何使員工在日常任務中,使用基於人工智慧的應用程式?


讓我們的研究指導你。我們最近編寫的 2 份市場報告,目的在為工業人工智慧技術的供應商,和使用者提供市場、關鍵案例、技術、採用者觀點等的即時概述 —— 所有這些都有許多示例和案例研究。


更多資訊和進一步閱讀

你有興趣瞭解更多關於工業人工智慧,和 AIoT 的資訊嗎?


物聯網分析釋出了兩份關於該主題的出版物,作為我們對物聯網平台和軟體(物聯網軟體工作流程)的持續報導的一部分。


1. 工業人工智慧和 AIoT 市場報告

2021-2026 年工業人工智慧和 AIoT 市場報告》是一份 252 頁的綜合報告,評估了工業人工智慧和 AIoT 市場。 它還包括對兩項工業人工智慧終端使用者調查結果的全面總結、技術概述、約 630 家公司的供應商格局、對工業人工智慧商業模式的深入分析、詳細的案例分析和 6 個案例研究,以及對 11 個當前趨勢和 2 個挑戰的討論。它是物聯網分析對物聯網軟體/平台(物聯網軟體工作流程)持續報導的一部分。


2021-2026年工業人工智慧和AIoT市場報告


本報告提供了以下問題(除其他外)的答案:

還有更多...


樣本:

報告樣本為你提供了可用分析(大綱、關鍵幻燈片)的整體概述。樣本還提供了有關該主題的額外上下文,並描述了分析方法。你可以在此處下載樣本:



2. 2021 年工業人工智慧軟體平台供應商景觀報告

2021 年工業人工智慧軟體平台供應商景觀報告包括對 12 家選定的 OT 軟體供應商的深入分析,這些供應商提供工業人工智慧解決方案,包括終端使用者的使用資訊,以及工業人工智慧市場中,12 家供應商和其他幾個供應商的滿意度反饋。本報告中提供的資訊基於廣泛的二次研究,以及 2021 年 4 月至 11 月期間對供應商和終端使用者的訪談和調查。

2021年工業人工智慧軟體平臺供應商景觀報告


本報告提供了以下問題(除其他外)的答案:

  • 12 個選定的工業人工智慧軟體平台供應商的工業人工智慧策略是什麼?
  • 這些軟體供應商的工業人工智慧解決方案的元件是什麼?
  • 工業人工智慧市場上這些軟體供應商的技術合作夥伴是什麼?
  • 這些軟體供應商在人工智慧平台,和解決方案的使用和滿意度方面,如何相互比較?
  • 這些人工智慧平台供應商,如何銷售他們的人工智慧產品?


還有更多...


樣本:

報告樣本為你提供了可用分析(大綱、關鍵幻燈片)的整體概述。 樣本還提供了有關該主題的額外上下文,並描述了分析方法。 你可以在此處下載樣本:


沒有留言:

張貼留言