■ Galbūt todėl organizacijoms taip svarbu išgyventi didžiulę skaitmeninę transformaciją, kurią sukėlė Pramonė 4.0 be kritinės IIoT pagalbos. Šių dviejų technologijų – dirbtinio intelekto (DI) ir IIoT – derinys gali efektyviai valdyti ir visiškai panaudoti didžiulius skaitmeninės gamybos metu sugeneruotus duomenų kiekius, pakeliant pramonės procesų valdymą į visiškai naują lygį.
4 Turi-turėti IIoT duomenų valdymo galimybes
Pramonėje prasiskverbus skaitmenizacijos bangai, dideli duomenys tapo įėjimu į pramonės skaitmeninimą. IDC duomenimis, pasaulinis duomenų kiekis 2019 m. pasiekė 42 ZB, o 2022 m. turėtų pasiekti 163 ZB, o bendras metinis augimo tempas sieks 57%. Taip pat daugėja pramonės duomenų taikymo pramonės srityje scenarijų, o „Saidi Intelligence“ statistika rodo, kad Kinijos pramoninių didžiųjų duomenų rinka 2019 m. bus apie 14,69 milijardo juanių, o ateityje tikimasi išlaikyti aukštą, daugiau nei 30% augimo tempą. Tačiau organizacijoms pradėjus diegti IIoT savo pramoninėse sistemose, vienas iš pirmųjų iššūkių, su kuriais jos susiduria, yra gauti duomenis iš IIoT sistemos ir padaryti juos prieinamus{11}}analizei realiuoju laiku ir priimant sprendimus gamybos procese. Norėdami užtikrinti, kad duomenų valdymo sprendimai būtų parengti naudoti IIoT{14}}, čia yra 4 funkcijos, į kurias reikia sutelkti dėmesį:
Universalus ryšys, leidžiantis tvarkyti įvairius duomenis. Yra įvairių standartų, skirtų daiktų interneto sistemoms, kurios gamina duomenis, kurie turi atitikti įvairius protokolus, pvz., MQTT, OPC, AMQP ir kt. Be to, dauguma daiktų interneto duomenų yra pusiau-struktūrizuotu arba nestruktūrizuotu formatu. Todėl duomenų valdymo sistema turi turėti galimybę prisijungti prie visų sistemų ir laikytis įvairių protokolų, kad galėtų priimti duomenis iš šių sistemų. Tuo pačiu metu sprendimas turi palaikyti ir struktūrizuotus, ir nestruktūruotus duomenis.
Turtingos krašto apdorojimo galimybės. Geras duomenų valdymo sprendimas turėtų turėti galimybę filtruoti sistemų klaidų žurnalus, taip pat praturtinti duomenis metaduomenimis, pvz., laiko žymomis ar statiniu tekstu, kad būtų galima geriau analizuoti duomenis.
Didelių duomenų apdorojimo ir mašininio mokymosi galimybės. Kadangi daiktų interneto duomenų kiekis yra labai didelis, svarbu, kad sistema išlaikytų itin mažą{1}}delsą, kai atlieka duomenų analizę realiuoju laiku, kad duomenis būtų galima apdoroti realiuoju laiku.
Stebėjimo{0}}realiuoju laiku galimybės. Daiktų interneto duomenų įsigijimas ir apdorojimas yra nuolatinis procesas, todėl duomenų valdymo sprendimai turėtų užtikrinti stebėjimą realiuoju laiku-per vizualizaciją, kad būtų parodyta proceso būsena našumo ir pralaidumo požiūriu bet kuriuo metu.
Kaip dirbtinis intelektas veikia pramoninį daiktų internetą?
Prieš aptardami šią temą, pažvelkime, ką ekspertų tyrimų organizacijos turi pasakyti apie abiejų technologijų, AI ir IoT, ateitį: Markets&Markets duomenimis, iki 2025 m. dirbtinis intelektas kainuos 190 milijardų dolerių. Kita vertus, IDC mano, kad 40 % skaitmeninės transformacijos iniciatyvų 2019 m. „Business Insider“ prognozuoja, kad iki 2025 m. bus daugiau nei 64 milijardai daiktų interneto įrenginių, o 2018 m. jų bus maždaug 10 milijardų. Todėl McKinsey pateikia tokią prognozę, kad iki 2025 m. daiktų internetas gali sukurti nuo 4 trilijonų iki 11 trilijonų dolerių ekonominės vertės.
Iš pirmiau pateiktų skaičių aišku, kad dirbtinis intelektas ir daiktų internetas, dvi technologinės koncepcijos, gyvuojančios dešimtmečius, vėl atsiranda tinkamu laiku ir vietoje, jos pažeidžia tradicines pramonės normas ir yra pasirengusios sukelti skaitmeninę revoliuciją, kuri perkels tradicinę XVIII amžiaus pramonės revoliuciją į XXI amžių su Pramonės 4.0 rinkiniu. patobulintas.
Dirbtinis intelektas tampa pramoninio intelekto smegenimis
Pakankamai išplėtojus pagrindinius elementus, tokius kaip duomenys, algoritmai ir aritmetinė galia, dirbtinis intelektas turi realizavimo pagrindą. Tuo pačiu dirbtinio intelekto plėtra taip pat suteikia gerų galimybių gamybos pramonei vystytis ir visapusiškai gerina pramoninės gamybos lygį iš kelių dimensijų. Šiuo metu dirbtinis intelektas buvo naudojamas daugelyje pramonės srities taikymo scenarijų, pavyzdžiui, pramoninės vizualinės apžiūros metu išmaniosios gamybos scenarijuose ir nuspėjamosios priežiūros įrangos valdymo srityje. Atliekant nuspėjamąją priežiūrą, naudojant esamus duomenis, AI algoritmai gali nustatyti, kada įgyvendinti prevencines priemones, kol mašinai reikia remonto. Kompiuterinė vizualinė apžiūra taip pat yra pagrindinė technologija, galinti sumažinti išlaidas ir padidinti efektyvumą; Kai pateikiami tinkami mokymo duomenys ir aparatinė įranga, mašininio mokymosi (ML) algoritmai gali būti tikslesni ir efektyvesni už žmonių vizualinę apžiūrą, ir jau naudojami, pavyzdžiui, BMW, kad užtikrintų savo automobilių dalių kokybės kontrolę. Pasaulyje gamybinės įmonės vis daugiau dėmesio skiria mašinų ir sistemų efektyvumo didinimui bei gamybos kaštų mažinimui. Tobulėjant puslaidininkių technologijoms ir įperkamiems jutikliams bei procesoriams tampant vis plačiau prieinami, IIoT naudojimas ir toliau augs. Remiantis „Grand View Research“ analize, pasaulinė IIoT rinka 2020 m. sieks maždaug 216,13 mlrd. USD. Dabar, kai pramonės sektorius spartėja link pažangių ir autonominių pramonės procesų, duomenų rinkimas iš daiktų interneto įrenginių pasiekia precedento neturintį mastą. Kai susilieja dideli duomenys, AI ir daiktų internetas, tai sukuria daugybę galimybių pažangiems daiktų interneto duomenų analizės sprendimams. Šiame procese dirbtinis intelektas, ypač giluminio/mašininio mokymosi technologijos, yra galinga pagalba valdant ir analizuojant didžiulius jutimo duomenų kiekius.
Tyrimų įmonės „MobiDev“ ataskaitoje prognozuojama, kad iki 2025 m. dirbtinis intelektas ir daiktų internetas bus verti daugiau nei 26 mlrd. Jie taip pat parodė, kad dirbtinis intelektas pagerina daiktų interneto duomenų efektyvumą 25%, o pramonės analitiką - 42% ir kad jis atlieka svarbų vaidmenį tiek IoT centre, tiek krašto tinkle. Pavyzdžiui, gamykloje esančioje surinkimo linijoje kokybės kontrolė gali būti atliekama naudojant AI vizualinius patikrinimus, kurie gali efektyviai sumažinti gamybos defektų skaičių gamybos proceso metu.
AI + IIoT sprendimai
Dėl daugelio palankių veiksnių, tokių kaip puslaidininkių ir elektroninių įrenginių technologijų pažanga, padidėjęs debesų kompiuterijos platformų naudojimas, IPv6 standartizavimas ir vyriausybės parama su IIoT susijusiai MTTP veiklai, IIoT sprendimai ir rinka, apimanti AI, sparčiai auga, o pagal naują Markets&Markets rinkos tyrimo ataskaitą, pasaulinė IIoT rinka išauga nuo 7 mlrd. USD iki 7 mlrd. 2021 m iki 106,1 mlrd. USD 2026 m., o iki 2026 m. AI pajamos šiame segmente turėtų siekti 16,7 mlrd.
Pagal šią megatrendę pagrindiniai technologijų pardavėjai taip pat jau dabar daug dirbs siekdami reklamuoti AI + IIoT sprendimus su naujoviškomis technologijomis ir produktais.
Išvada
Dirbtinis intelektas turi galimybę savarankiškai ir protingai valdyti save ir savo programas. Tarp technologinių proveržių per pastarąjį dešimtmetį beveik niekas nepasiekė tokio poveikio, kokį pramonės sektoriui padarė AI kartu su pramoniniu daiktų internetu (IoT). Remiantis Deloitte statistiniais tyrimais ir prognozėmis, dirbtinio intelekto taikymas Kinijos gamybos sektoriuje yra daug žadantis, o 2020 m. jų bus apie 25,22 mlrd. juanių, o iki 2025 m. – 205,76 mlrd. juanių, o augimo tempas sieks daugiau nei 40%. Integruojant dirbtinio intelekto algoritmus į pramonines daiktų interneto infrastruktūras, visos mašinos ir įranga gali būti apmokyti ir automatizuoti išmaniajam gamyklos valdymui ir veikimui. Galbūt dar nematome plačiai paplitusių AI+IIoT taikomųjų programų, bet tikiu, kad po kelerių metų AI ir IoT ims vis labiau plisti pramonės sektoriuje.