සාධක හතරක් කාර්මික AIoT නව ප්‍රියතම එකක් බවට පත් කරයි

මෑතකදී නිකුත් කරන ලද කාර්මික AI සහ AI වෙළඳපල වාර්තාව 2021-2026 අනුව, කාර්මික සැකසුම් තුළ AI භාවිතා කිරීමේ අනුපාතය වසර දෙකක් තුළ සියයට 19 සිට සියයට 31 දක්වා වැඩි විය. ප්‍රතිචාර දැක්වූවන්ගෙන් සියයට 31කට අමතරව, AI සම්පූර්ණයෙන්ම හෝ අර්ධ වශයෙන් තම මෙහෙයුම්වල යෙදී ඇති අතර, තවත් සියයට 39ක් දැනට තාක්‍ෂණය පරීක්‍ෂා කරමින් හෝ නියමුකරණය කරමින් සිටිති.

AI ලොව පුරා නිෂ්පාදකයින් සහ බලශක්ති සමාගම් සඳහා ප්‍රධාන තාක්‍ෂණයක් ලෙස මතුවෙමින් පවතින අතර, IoT විශ්ලේෂණය අනාවැකි පළ කරන්නේ කාර්මික AI විසඳුම් වෙළඳපොල 2026 වන විට ඩොලර් බිලියන 102.17 දක්වා ළඟා වීමට 35% ක ශක්තිමත් පශ්චාත් වසංගත සංයෝග වාර්ෂික වර්ධන වේගයක් (CAGR) පෙන්වනු ඇති බවයි.

ඩිජිටල් යුගය අන්තර්ජාලයේ දේවල් බිහි කර ඇත. කෘත්‍රිම බුද්ධියේ මතුවීම අන්තර්ජාලයේ දේවල් වල වර්ධනයේ වේගය වේගවත් කර ඇති බව දැකිය හැකිය.

කාර්මික AI සහ AIoT නැගීම සඳහා බලපාන සාධක කිහිපයක් දෙස බලමු.

සාධකය 1: කාර්මික AIoT සඳහා වැඩි වැඩියෙන් මෘදුකාංග මෙවලම්

2019 දී, Iot විශ්ලේෂණ කාර්මික AI ආවරණය කිරීමට පටන් ගත් විට, මෙහෙයුම් තාක්‍ෂණ (OT) වෙළෙන්දන්ගෙන් කැපවූ AI මෘදුකාංග නිෂ්පාදන කිහිපයක් තිබුණි. එතැන් සිට, බොහෝ OT වෙළෙන්දන් කර්මාන්තශාලා බිම සඳහා AI වේදිකා ආකාරයෙන් AI මෘදුකාංග විසඳුම් සංවර්ධනය කර ලබා දීමෙන් AI වෙළඳපොළට ඇතුළු වී ඇත.

දත්ත වලට අනුව, විකුණුම්කරුවන් 400 කට ආසන්න ප්‍රමාණයක් AIoT මෘදුකාංගය ලබා දෙයි. කාර්මික AI වෙළඳපොළට සම්බන්ධ වන මෘදුකාංග වෙළෙන්දන්ගේ සංඛ්‍යාව පසුගිය වසර දෙක තුළ නාටකාකාර ලෙස ඉහළ ගොස් ඇත. අධ්‍යයනය අතරතුර, IoT Analytics විසින් නිෂ්පාදකයින්/කාර්මික පාරිභෝගිකයන් වෙත AI තාක්ෂණය සපයන්නන් 634ක් හඳුනා ගන්නා ලදී. මෙම සමාගම් වලින් 389 (61.4%) AI මෘදුකාංග ලබා දෙයි.

නව AI මෘදුකාංග වේදිකාව කාර්මික පරිසරයන් කෙරෙහි අවධානය යොමු කරයි. Uptake, Braincube, හෝ C3 AI වලින් ඔබ්බට, වැඩෙන මෙහෙයුම් තාක්‍ෂණ (OT) විකුණුම්කරුවන් සංඛ්‍යාවක් කැපවූ AI මෘදුකාංග වේදිකා පිරිනමයි. උදාහරණ ලෙස ABB හි Genix Industrial analytics සහ AI කට්ටලය, Rockwell Automation හි FactoryTalk නවෝත්පාදන කට්ටලය, Schneider Electric හිම නිෂ්පාදන උපදේශන වේදිකාව සහ වඩාත් මෑතක දී විශේෂිත ඇඩෝන ඇතුළත් වේ. මෙම වේදිකා සමහරක් පුළුල් පරාසයක භාවිත අවස්ථා ඉලක්ක කරයි. උදාහරණයක් ලෙස, ABB හි Genix වේදිකාව, මෙහෙයුම් කාර්ය සාධන කළමනාකරණය, වත්කම් අඛණ්ඩතාව, තිරසාරභාවය සහ සැපයුම් දාම කාර්යක්ෂමතාව සඳහා පෙර-සාදන ලද යෙදුම් සහ සේවාවන් ඇතුළුව උසස් විශ්ලේෂණ සපයයි.

විශාල සමාගම් ඔවුන්ගේ AI මෘදුකාංග මෙවලම් සාප්පු බිමට දමයි.

මයික්‍රොසොෆ්ට් සහ ගූගල් වැනි විශාල සමාගම් වන AWS විසින් සංවර්ධනය කරන ලද නව භාවිත අවස්ථා විශේෂිත මෘදුකාංග මෙවලම් මගින් AI මෘදුකාංග මෙවලම් ලබා ගැනීමේ හැකියාව ද මෙහෙයවනු ලැබේ. උදාහරණයක් ලෙස, 2020 දෙසැම්බරයේදී, AWS විසින් Amazon SageMaker JumpStart නිකුත් කරන ලදී, එය Amazon SageMaker හි විශේෂාංගයක් වන අතර එය PdM, පරිගණක දර්ශනය සහ ස්වයංක්‍රීය රිය පැදවීම වැනි වඩාත් පොදු කාර්මික භාවිත අවස්ථා සඳහා පෙර-සාදන ලද සහ අභිරුචිකරණය කළ හැකි විසඳුම් සමූහයක් සපයයි. ක්ලික් කිරීම් කිහිපයක් පමණි.

භාවිත අවස්ථා-විශේෂිත මෘදුකාංග විසඳුම් උපයෝගීතා වැඩිදියුණු කිරීම් සිදු කරයි.

පුරෝකථන නඩත්තු කිරීම කෙරෙහි අවධානය යොමු කරන ලද වැනි භාවිතයට විශේෂිත මෘදුකාංග කට්ටල වඩාත් සුලභ වෙමින් පවතී. IoT Analytics නිරීක්ෂණය කළේ විවිධ දත්ත මූලාශ්‍රවල වැඩි වීමක් සහ පූර්ව පුහුණු ආකෘති භාවිතය මෙන්ම පුලුල්ව පැතිරීම හේතුවෙන් AI මත පදනම් වූ නිෂ්පාදන දත්ත කළමනාකරණය (PdM) මෘදුකාංග විසඳුම් භාවිතා කරන සැපයුම්කරුවන්ගේ සංඛ්‍යාව 2021 මුල් භාගයේදී 73 දක්වා ඉහළ ගොස් ඇති බවයි. දත්ත වැඩිදියුණු කිරීමේ තාක්ෂණයන් භාවිතා කිරීම.

සාධකය 2: AI විසඳුම් සංවර්ධනය කිරීම සහ නඩත්තු කිරීම සරල වෙමින් පවතී

ස්වයංක්‍රීය යන්ත්‍ර ඉගෙනීම (AutoML) සම්මත නිෂ්පාදනයක් බවට පත්වෙමින් තිබේ.

යන්ත්‍ර ඉගෙනීම (ML) හා සම්බන්ධ කාර්යයන්හි සංකීර්ණත්වය හේතුවෙන්, යන්ත්‍ර ඉගෙනුම් යෙදුම්වල ශීඝ්‍ර වර්ධනය නිසා විශේෂඥ දැනුමකින් තොරව භාවිතා කළ හැකි පිටත යන්ත්‍ර ඉගෙනීමේ ක්‍රම සඳහා අවශ්‍යතාවයක් නිර්මාණය වී ඇත. යන්ත්‍ර ඉගෙනීම සඳහා ප්‍රගතිශීලී ස්වයංක්‍රීයකරණය වන පර්යේෂණ ක්ෂේත්‍රය AutoML ලෙස හැඳින්වේ. පාරිභෝගිකයින්ට ML මාදිලි සංවර්ධනය කිරීමට සහ කාර්මික භාවිත අවස්ථා වේගයෙන් ක්‍රියාත්මක කිරීමට උපකාර කිරීම සඳහා විවිධ සමාගම් ඔවුන්ගේ AI පිරිනැමීම්වල කොටසක් ලෙස මෙම තාක්ෂණය භාවිතා කරයි. උදාහරණයක් ලෙස, 2020 නොවැම්බරයේදී, SKF විසින් යන්ත්‍ර ක්‍රියාවලි දත්ත කම්පන සහ උෂ්ණත්ව දත්ත සමඟ ඒකාබද්ධ කරන ස්වයංක්‍රීය නිෂ්පාදනයක් ප්‍රකාශයට පත් කරන ලදී පිරිවැය අඩු කිරීමට සහ පාරිභෝගිකයින් සඳහා නව ව්‍යාපාර ආකෘති සක්‍රීය කිරීමට.

යන්ත්‍ර ඉගෙනුම් මෙහෙයුම් (ML Ops) ආකෘති කළමනාකරණය සහ නඩත්තුව සරල කරයි.

යන්ත්‍ර ඉගෙනීමේ මෙහෙයුම්වල නව විනය නිෂ්පාදන පරිසරයන්හි AI ආකෘති නඩත්තු කිරීම සරල කිරීම අරමුණු කරයි. AI ආකෘතියක කාර්ය සාධනය සාමාන්‍යයෙන් කාලයත් සමඟ පිරිහෙන්නේ එය බලාගාරය තුළ ඇති සාධක කිහිපයකින් (උදාහරණයක් ලෙස, දත්ත බෙදා හැරීමේ සහ තත්ත්ව ප්‍රමිතීන්ගේ වෙනස්වීම්) බලපාන බැවිනි. එහි ප්‍රතිඵලයක් වශයෙන්, කාර්මික පරිසරයන්හි උසස් තත්ත්වයේ අවශ්‍යතා සපුරාලීම සඳහා ආකෘති නඩත්තුව සහ යන්ත්‍ර ඉගෙනීමේ මෙහෙයුම් අවශ්‍ය වී ඇත (උදාහරණයක් ලෙස, 99% ට අඩු කාර්ය සාධනයක් සහිත ආකෘති සේවක ආරක්ෂාවට තර්ජනයක් වන හැසිරීම් හඳුනා ගැනීමට අපොහොසත් විය හැක).

මෑත වසරවලදී, DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, සහ Weights & Biases ඇතුළු බොහෝ ආරම්භකයින් ML Ops අවකාශයට සම්බන්ධ වී ඇත. ස්ථාපිත සමාගම් Azure ML Studio හි දත්ත ප්ලාවිත හඳුනාගැනීම හඳුන්වා දුන් Microsoft ඇතුළුව, ඔවුන්ගේ පවතින AI මෘදුකාංග පිරිනැමීම්වලට යන්ත්‍ර ඉගෙනීමේ මෙහෙයුම් එකතු කර ඇත. මෙම නව විශේෂාංගය මඟින් ආකෘති කාර්ය සාධනය පිරිහෙන ආදාන දත්ත බෙදා හැරීමේ වෙනස්කම් හඳුනා ගැනීමට පරිශීලකයින්ට හැකියාව ලැබේ.

සාධකය 3: කෘතිම බුද්ධිය දැනට පවතින යෙදුම් සහ භාවිත අවස්ථා සඳහා යෙදේ

සාම්ප්‍රදායික මෘදුකාංග සපයන්නන් AI හැකියාවන් එක් කරයි.

MS Azure ML, AWS SageMaker, සහ Google Cloud Vertex AI වැනි දැනට පවතින විශාල තිරස් AI මෘදුකාංග මෙවලම් වලට අමතරව, පරිගණකගත නඩත්තු කළමනාකරණ පද්ධති (CAMMS), නිෂ්පාදන ක්‍රියාත්මක කිරීමේ පද්ධති (MES) හෝ ව්‍යවසාය සම්පත් සැලසුම් (ERP) වැනි සම්ප්‍රදායික මෘදුකාංග කට්ටල. AI හැකියාවන් එන්නත් කිරීමෙන් දැන් සැලකිය යුතු ලෙස වැඩිදියුණු කළ හැක. උදාහරණයක් ලෙස, ERP සපයන්නා වන Epicor මෘදුකාංගය එහි Epicor Virtual Assistant (EVA) හරහා එහි පවතින නිෂ්පාදන සඳහා AI හැකියාවන් එක් කරයි. ERP ක්‍රියාවලීන් ස්වයංක්‍රීය කිරීම සඳහා බුද්ධිමත් EVA නියෝජිතයන් භාවිතා කරනු ලැබේ, එනම් නිෂ්පාදන මෙහෙයුම් නැවත සැලසුම් කිරීම හෝ සරල විමසුම් සිදු කිරීම (උදාහරණයක් ලෙස, නිෂ්පාදන මිලකරණය හෝ පවතින කොටස් ගණන පිළිබඳ විස්තර ලබා ගැනීම).

AIoT භාවිතයෙන් කාර්මික භාවිත අවස්ථා උත්ශ්‍රේණි කෙරේ.

පවතින දෘඪාංග/මෘදුකාංග යටිතල ව්‍යුහයට AI හැකියාවන් එක් කිරීමෙන් කාර්මික භාවිත අවස්ථා කිහිපයක් වැඩි දියුණු කෙරේ. පැහැදිලි උදාහරණයක් නම් තත්ත්ව පාලන යෙදුම්වල යන්ත්‍ර දර්ශනයයි. සම්ප්‍රදායික යන්ත්‍ර දෘෂ්ඨි පද්ධති, වස්තූන් දෝෂ ප්‍රදර්ශනය කරන්නේද යන්න තීරණය කිරීම සඳහා කලින් තීරණය කළ පරාමිති සහ සීමාවන් (උදා: ඉහළ ප්‍රතිවිරෝධතා) ඇගයීමට ලක් කරන විශේෂිත මෘදුකාංග වලින් සමන්විත ඒකාබද්ධ හෝ විවික්ත පරිගණක හරහා රූප සකසයි. බොහෝ අවස්ථාවලදී (උදාහරණයක් ලෙස, විවිධ රැහැන් හැඩැති ඉලෙක්ට්රොනික උපාංග), ව්යාජ ධනාත්මක සංඛ්යාව ඉතා ඉහළ ය.

කෙසේ වෙතත්, කෘතිම බුද්ධිය හරහා මෙම පද්ධති නැවත පණ ගන්වයි. උදාහරණයක් ලෙස, කාර්මික යන්ත්‍ර විෂන් සැපයුම්කරු Cognex විසින් 2021 ජූලි මාසයේදී නව ගැඹුරු ඉගෙනුම් මෙවලමක් (Vision Pro Deep Learning 2.0) නිකුත් කරන ලදී. නව මෙවලම් සම්ප්‍රදායික දර්ශන පද්ධති සමඟ ඒකාබද්ධ වන අතර, අවසාන පරිශීලකයින්ට ගැඹුරු ඉගෙනීම සාම්ප්‍රදායික දර්ශන මෙවලම් සමඟ එකම යෙදුම තුළ ඒකාබද්ධ කිරීමට හැකි වේ. සීරීම්, දූෂණය සහ අනෙකුත් අඩුපාඩු නිවැරදිව මැන බැලීම අවශ්ය වන වෛද්ය සහ ඉලෙක්ට්රොනික පරිසරයන් සපුරාලීම.

සාධකය 4: කාර්මික AIoT දෘඩාංග වැඩි දියුණු වෙමින් පවතී

AI චිප්ස් වේගයෙන් දියුණු වෙමින් පවතී.

කාවැද්දූ දෘඪාංග AI චිප්ස් වේගයෙන් වර්ධනය වෙමින් පවතින අතර, AI ආකෘති සංවර්ධනයට සහ යෙදවීමට සහාය වීමට විවිධ විකල්ප තිබේ. උදාහරණ ලෙස NVIDIA හි නවතම ග්‍රැෆික් සැකසුම් ඒකක (Gpus), A30 සහ A10 ඇතුළත් වේ, ඒවා 2021 මාර්තු මාසයේදී හඳුන්වා දුන් අතර නිර්දේශ පද්ධති සහ පරිගණක දර්ශන පද්ධති වැනි AI භාවිත අවස්ථා සඳහා සුදුසු වේ. තවත් උදාහරණයක් නම්, Google හි සිව්වන පරම්පරාවේ Tensors Processing Units (TPus), විශේෂිත AI කාර්ය භාරයන් (උදා, වස්තු හඳුනාගැනීම) සඳහා ආකෘති සංවර්ධනය සහ යෙදවීමේදී 1,000 ගුණයක් දක්වා වැඩි කාර්යක්ෂමතාවයක් සහ වේගයක් ලබා ගත හැකි බලවත් විශේෂ කාර්ය ඒකාබද්ධ පරිපථ (ASics) වේ. , රූප වර්ගීකරණය සහ නිර්දේශ මිණුම් සලකුණු). කැපවූ AI දෘඪාංග භාවිතා කිරීම ආකෘති ගණනය කිරීමේ කාලය දින සිට මිනිත්තු දක්වා අඩු කරයි, සහ බොහෝ අවස්ථාවලදී ක්රීඩාව වෙනස් කරන්නෙකු ලෙස ඔප්පු වී ඇත.

ප්‍රබල AI දෘඪාංග වහාම භාවිතා කිරීමට ගෙවීම් ආකෘතියක් හරහා ලබා ගත හැක.

අවසාන පරිශීලකයින්ට කාර්මික AI යෙදුම් ක්‍රියාත්මක කිරීමට හැකි වන පරිදි ක්ලවුඩ් තුළ පරිගණක සම්පත් ලබා ගැනීමට සුපිරි පරිමාණ ව්‍යවසායන් ඔවුන්ගේ සේවාදායකයන් නිරන්තරයෙන් යාවත්කාලීන කරයි. උදාහරණයක් ලෙස, 2021 නොවැම්බරයේදී, AWS සිය නවතම GPU මත පදනම් වූ අවස්ථා වන Amazon EC2 G5, NVIDIA A10G Tensor Core GPU මගින් බල ගැන්වෙන, පරිගණක දැක්ම සහ නිර්දේශ එන්ජින් ඇතුළු විවිධ ML යෙදුම් සඳහා නිල නිකුතුව නිවේදනය කළේය. උදාහරණයක් ලෙස, හඳුනාගැනීමේ පද්ධති සපයන්නෙකු වන Nanotronics එහි AI මත පදනම් වූ තත්ත්ව පාලන විසඳුම සඳහා Amazon EC2 උදාහරණ භාවිතා කරයි, සැකසීමේ උත්සාහයන් වේගවත් කිරීමට සහ මයික්‍රොචිප් සහ නැනෝ ටියුබ් නිෂ්පාදනයේදී වඩාත් නිවැරදි හඳුනාගැනීමේ අනුපාත ලබා ගනී.

නිගමනය සහ අපේක්ෂාව

AI කර්මාන්තශාලාවෙන් පිටතට පැමිණෙමින් පවතින අතර, එය AI මත පදනම් වූ PdM වැනි නව යෙදුම්වල සහ පවතින මෘදුකාංග සහ භාවිත අවස්ථා සඳහා වැඩි දියුණු කිරීම් ලෙස සෑම තැනකම පවතිනු ඇත. විශාල ව්‍යවසායන් AI භාවිත අවස්ථා කිහිපයක් සහ සාර්ථකත්වය වාර්තා කරමින් සිටින අතර බොහෝ ව්‍යාපෘති සඳහා ආයෝජන මත ඉහළ ප්‍රතිලාභයක් ඇත. සමස්තයක් වශයෙන්, වලාකුළු, iot වේදිකා සහ බලවත් AI චිප් වල නැගීම නව පරම්පරාවේ මෘදුකාංග සහ ප්‍රශස්තකරණය සඳහා වේදිකාවක් සපයයි.