Саяхан нийтлэгдсэн Аж Үйлдвэрийн Хиймэл Оюун Ухаан болон Хиймэл Оюун Ухааны Зах Зээлийн 2021-2026 оны тайланд дурдсанаар, аж үйлдвэрийн орчинд хиймэл оюун ухааныг нэвтрүүлэх түвшин хоёр жил гаруйн хугацаанд 19 хувиас 31 хувь болж өссөн байна. Судалгаанд оролцогчдын 31 хувь нь үйл ажиллагаандаа хиймэл оюун ухааныг бүрэн буюу хэсэгчлэн нэвтрүүлснээс гадна өөр 39 хувь нь одоогоор уг технологийг туршиж эсвэл туршиж байна.
Хиймэл оюун ухаан дэлхий даяар үйлдвэрлэгчид болон эрчим хүчний компаниудын гол технологи болж хөгжиж байгаа бөгөөд IoT шинжилгээгээр аж үйлдвэрийн хиймэл оюун ухааны шийдлүүдийн зах зээл цар тахлын дараах жилийн өсөлтийн хурд (CAGR) 35%-иар өсч, 2026 он гэхэд 102.17 тэрбум долларт хүрнэ гэж таамаглаж байна.
Дижитал эрин үе нь Эд зүйлсийн интернетийг бий болгосон. Хиймэл оюун ухааны гарч ирснээр Эд зүйлсийн интернетийн хөгжлийн хурдыг хурдасгасан нь харагдаж байна.
Аж үйлдвэрийн хиймэл оюун ухаан болон хиймэл оюун ухааны интернетийн өсөлтөд нөлөөлж буй зарим хүчин зүйлийг авч үзье.
1-р хүчин зүйл: Аж үйлдвэрийн хиймэл оюун ухааны интернетэд зориулсан програм хангамжийн хэрэгслүүд улам бүр нэмэгдэж байна
2019 онд Iot аналитик нь үйлдвэрлэлийн хиймэл оюун ухааныг хамарч эхлэхэд үйл ажиллагааны технологи (OT) үйлдвэрлэгчдээс тусгай зориулалтын хиймэл оюун ухааны програм хангамжийн бүтээгдэхүүн цөөхөн байсан. Түүнээс хойш олон OT үйлдвэрлэгчид үйлдвэрийн талбайд зориулсан хиймэл оюун ухааны платформ хэлбэрээр хиймэл оюун ухааны програм хангамжийн шийдлүүдийг боловсруулж, нийлүүлснээр хиймэл оюун ухааны зах зээлд нэвтэрсэн.
Мэдээллийн дагуу бараг 400 үйлдвэрлэгч хиймэл оюун ухааны програм хангамж санал болгодог. Сүүлийн хоёр жилд аж үйлдвэрийн хиймэл оюун ухааны зах зээлд нэгдэж буй програм хангамж үйлдвэрлэгчдийн тоо эрс нэмэгдсэн. Судалгааны явцад IoT Analytics нь үйлдвэрлэгчид/аж үйлдвэрийн хэрэглэгчдэд хиймэл оюун ухааны технологийн 634 нийлүүлэгчийг тодорхойлсон. Эдгээр компаниудын 389 (61.4%) нь хиймэл оюун ухааны програм хангамж санал болгодог.
Шинэ хиймэл оюун ухааны програм хангамжийн платформ нь үйлдвэрлэлийн орчинд төвлөрдөг. Uptake, Braincube эсвэл C3 хиймэл оюун ухаанаас гадна үйл ажиллагааны технологийн (OT) үйлдвэрлэгчдийн тоо улам бүр нэмэгдэж байгаа нь зориулалтын хиймэл оюун ухааны програм хангамжийн платформуудыг санал болгож байна. Жишээ нь ABB-ийн Genix Industrial analytics and AI suite, Rockwell Automation-ийн FactoryTalk Innovation suite, Schneider Electric-ийн өөрийн үйлдвэрлэлийн зөвлөх платформ болон саяхан гарсан тусгай нэмэлтүүд орно. Эдгээр платформуудын зарим нь өргөн хүрээний хэрэглээний тохиолдлуудад чиглэгддэг. Жишээлбэл, ABB-ийн Genix платформ нь үйл ажиллагааны гүйцэтгэлийн менежмент, хөрөнгийн бүрэн бүтэн байдал, тогтвортой байдал, хангамжийн сүлжээний үр ашгийн урьдчилан бэлтгэсэн програмууд болон үйлчилгээ зэрэг дэвшилтэт аналитикийг санал болгодог.
Том компаниуд хиймэл оюун ухааны програм хангамжийн хэрэгслүүдээ цех дээрээ байрлуулж байна.
Хиймэл оюун ухааны програм хангамжийн хэрэгслүүдийн хүртээмж нь AWS, Microsoft, Google зэрэг томоохон компаниудын боловсруулсан шинэ хэрэглээний тохиолдлуудад зориулагдсан програм хангамжийн хэрэгслүүдээс үүдэлтэй юм. Жишээлбэл, 2020 оны 12-р сард AWS нь Amazon SageMaker JumpStart-ийг гаргасан бөгөөд энэ нь PdM, компьютерийн хараа, бие даасан жолоодлого зэрэг хамгийн түгээмэл үйлдвэрлэлийн хэрэглээний тохиолдлуудад зориулж урьдчилан бэлтгэсэн, өөрчлөх боломжтой шийдлүүдийн багцыг санал болгодог Amazon SageMaker-ийн онцлог шинж чанар бөгөөд хэдхэн товшилтоор байршуулж болно.
Хэрэглээний тохиолдлуудад зориулсан програм хангамжийн шийдлүүд нь хэрэглээний сайжруулалтыг бий болгож байна.
Урьдчилан таамаглах засвар үйлчилгээнд чиглэсэн гэх мэт хэрэглээний тохиолдлуудад зориулсан програм хангамжийн багцууд улам бүр түгээмэл болж байна. IoT Analytics нь өгөгдлийн эх үүсвэрийн төрөл зүйл нэмэгдэж, сургалтын өмнөх загварууд ашиглагдаж байгаа, мөн өгөгдөл сайжруулах технологи өргөн тархсантай холбоотойгоор хиймэл оюун ухаанд суурилсан бүтээгдэхүүний өгөгдлийн менежмент (PdM) програм хангамжийн шийдлүүдийг ашигладаг үйлчилгээ үзүүлэгчдийн тоо 2021 оны эхээр 73 болж өссөн болохыг ажигласан.
2-р хүчин зүйл: Хиймэл оюун ухааны шийдлүүдийг хөгжүүлэх, засвар үйлчилгээ хийх ажлыг хялбарчилж байна
Автоматжуулсан машин сургалт (AutoML) нь стандарт бүтээгдэхүүн болж байна.
Машин сургалт (ML)-тэй холбоотой ажлуудын нарийн төвөгтэй байдлаас шалтгаалан машин сургалтын хэрэглээний хурдацтай өсөлт нь мэргэжлийн ур чадваргүйгээр ашиглаж болох бэлэн машин сургалтын аргуудын хэрэгцээг бий болгосон. Үүний үр дүнд бий болсон судалгааны чиглэл болох машин сургалтын дэвшилтэт автоматжуулалтыг AutoML гэж нэрлэдэг. Олон компаниуд энэхүү технологийг хиймэл оюун ухааны саналуудынхаа нэг хэсэг болгон ашиглаж байгаа бөгөөд ингэснээр үйлчлүүлэгчдэд машин сургалтын загваруудыг боловсруулж, үйлдвэрлэлийн хэрэглээний тохиолдлуудыг илүү хурдан хэрэгжүүлэхэд нь тусалдаг. Жишээлбэл, 2020 оны 11-р сард SKF нь машины процессын өгөгдлийг чичиргээ болон температурын өгөгдөлтэй хослуулан зардлыг бууруулж, үйлчлүүлэгчдэд шинэ бизнесийн загваруудыг бий болгодог автомат сургалтад суурилсан бүтээгдэхүүнийг зарласан.
Машин сургалтын үйлдлүүд (ML Ops) нь загварын менежмент болон засвар үйлчилгээг хялбаршуулдаг.
Машин сургалтын үйл ажиллагааны шинэ салбар нь үйлдвэрлэлийн орчинд хиймэл оюун ухааны загваруудын засвар үйлчилгээг хялбарчлах зорилготой юм. Хиймэл оюун ухааны загварын гүйцэтгэл нь үйлдвэрийн доторх хэд хэдэн хүчин зүйлээс (жишээлбэл, өгөгдөл түгээлт болон чанарын стандартын өөрчлөлт) шалтгаалан цаг хугацааны явцад мууддаг. Үүний үр дүнд загвар засвар үйлчилгээ болон машин сургалтын үйл ажиллагаа нь үйлдвэрлэлийн орчны өндөр чанарын шаардлагыг хангахад зайлшгүй шаардлагатай болсон (жишээлбэл, 99%-иас доош гүйцэтгэлтэй загварууд ажилчдын аюулгүй байдалд аюул учруулж болзошгүй зан үйлийг тодорхойлж чадахгүй байж магадгүй).
Сүүлийн жилүүдэд DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, Weights & Biases зэрэг олон стартап компаниуд ML Ops салбарт нэгдсэн. Тогтмол компаниуд өөрсдийн одоо байгаа хиймэл оюун ухааны програм хангамжийн саналууддаа машин сургалтын үйлдлүүдийг нэмсэн бөгөөд үүнд Azure ML Studio дээр өгөгдлийн зөрүү илрүүлэхийг нэвтрүүлсэн Microsoft багтаж байна. Энэхүү шинэ боломж нь хэрэглэгчдэд загварын гүйцэтгэлийг бууруулдаг оролтын өгөгдлийн тархалтын өөрчлөлтийг илрүүлэх боломжийг олгодог.
3-р хүчин зүйл: Хиймэл оюун ухааныг одоо байгаа програмууд болон хэрэглээний тохиолдлуудад хэрэглэсэн
Уламжлалт програм хангамжийн үйлчилгээ үзүүлэгчид хиймэл оюун ухааны чадавхийг нэмж байна.
MS Azure ML, AWS SageMaker, Google Cloud Vertex AI зэрэг одоо байгаа том хэвтээ хиймэл оюун ухааны програм хангамжийн хэрэгслүүдээс гадна Компьютержсэн Засвар үйлчилгээний менежментийн систем (CAMMS), Үйлдвэрлэлийн гүйцэтгэлийн систем (MES) эсвэл байгууллагын нөөцийн төлөвлөлт (ERP) зэрэг уламжлалт програм хангамжийн багцуудыг хиймэл оюун ухааны чадавхийг нэвтрүүлснээр мэдэгдэхүйц сайжруулах боломжтой болсон. Жишээлбэл, ERP үйлчилгээ үзүүлэгч Epicor Software нь Epicor Virtual Assistant (EVA)-аар дамжуулан одоо байгаа бүтээгдэхүүндээ хиймэл оюун ухааны чадавхийг нэмж байна. Ухаалаг EVA агентуудыг үйлдвэрлэлийн үйл ажиллагааг дахин хуваарьлах эсвэл энгийн асуулга хийх (жишээлбэл, бүтээгдэхүүний үнийн талаарх дэлгэрэнгүй мэдээлэл эсвэл боломжтой эд ангийн тоог авах) зэрэг ERP процессыг автоматжуулахад ашигладаг.
Аж үйлдвэрийн хэрэглээний тохиолдлуудыг AIoT ашиглан сайжруулж байна.
Одоо байгаа техник хангамж/програм хангамжийн дэд бүтцэд хиймэл оюун ухааны чадавхийг нэмснээр хэд хэдэн үйлдвэрлэлийн хэрэглээний тохиолдлуудыг сайжруулж байна. Үүний тод жишээ бол чанарын хяналтын програмууд дахь машины хараа юм. Уламжлалт машины харааны системүүд нь объектууд согогтой эсэхийг тодорхойлохын тулд урьдчилан тодорхойлсон параметрүүд болон босго утгуудыг (жишээлбэл, өндөр тодосгогч) үнэлдэг тусгай програм хангамжаар тоноглогдсон нэгдсэн эсвэл салангид компьютерээр дамжуулан зургийг боловсруулдаг. Олон тохиолдолд (жишээлбэл, өөр өөр утас хэлбэртэй электрон эд ангиуд) хуурамч эерэг үр дүнгийн тоо маш өндөр байдаг.
Гэсэн хэдий ч эдгээр системийг хиймэл оюун ухааны тусламжтайгаар сэргээж байна. Жишээлбэл, үйлдвэрлэлийн машин харааны үйлчилгээ үзүүлэгч Cognex компани 2021 оны 7-р сард шинэ Deep Learning хэрэгсэл (Vision Pro Deep Learning 2.0)-ийг гаргасан. Шинэ хэрэгслүүд нь уламжлалт харааны системүүдтэй нэгдэж, эцсийн хэрэглэгчдэд зураас, бохирдол болон бусад согогийг нарийн хэмжих шаардлагатай эмнэлгийн болон электрон орчныг хангахын тулд гүнзгий сургалтыг уламжлалт харааны хэрэгслүүдтэй нэг хэрэглээнд хослуулах боломжийг олгож байна.
4-р хүчин зүйл: Аж үйлдвэрийн AIoT техник хангамжийг сайжруулж байна
Хиймэл оюун ухааны чипүүд хурдацтай сайжирч байна.
Суулгагдсан техник хангамжийн хиймэл оюун ухааны чипүүд хурдацтай хөгжиж байгаа бөгөөд хиймэл оюун ухааны загваруудыг хөгжүүлэх, байршуулахыг дэмжих олон төрлийн сонголтууд бий. Жишээ нь, 2021 оны 3-р сард танилцуулагдсан NVIDIA-ийн хамгийн сүүлийн үеийн график боловсруулах нэгжүүд (Gpus) болох A30 болон A10 нь зөвлөмжийн систем болон компьютерийн харааны систем зэрэг хиймэл оюун ухааны хэрэглээний тохиолдлуудад тохиромжтой. Өөр нэг жишээ бол Google-ийн дөрөв дэх үеийн Tensors Processing Units (TPus) бөгөөд эдгээр нь тодорхой хиймэл оюун ухааны ажлын ачаалалд (жишээлбэл, объект илрүүлэх, дүрсний ангилал, зөвлөмжийн жишиг) зориулж загвар боловсруулах, байршуулахад 1000 дахин илүү үр ашиг, хурдыг бий болгож чаддаг хүчирхэг тусгай зориулалтын нэгдсэн хэлхээнүүд (ASICS) юм. Зориулагдсан хиймэл оюун ухааны техник хангамжийг ашиглах нь загварын тооцооллын хугацааг өдрөөс минут болгон бууруулдаг бөгөөд олон тохиолдолд тоглоомыг өөрчилдөг болох нь батлагдсан.
Хүчирхэг хиймэл оюун ухааны техник хангамжийг төлбөртэй хэрэглээний загвараар шууд авах боломжтой.
Супер хэмжээний аж ахуйн нэгжүүд эцсийн хэрэглэгчид үйлдвэрлэлийн хиймэл оюун ухааны програмуудыг хэрэгжүүлэх боломжтой болгохын тулд үүлэн технологид тооцооллын нөөцийг ашиглах боломжтой болгохын тулд серверүүдээ байнга шинэчилж байдаг. Жишээлбэл, 2021 оны 11-р сард AWS нь компьютерийн хараа болон зөвлөмжийн хөдөлгүүр зэрэг төрөл бүрийн машины технологийн програмуудад зориулсан NVIDIA A10G Tensor Core GPU-ээр ажилладаг хамгийн сүүлийн үеийн GPU дээр суурилсан Amazon EC2 G5 загвараа албан ёсоор гаргаснаа зарласан. Жишээлбэл, илрүүлэх системийн үйлчилгээ үзүүлэгч Nanotronics нь боловсруулалтын хүчин чармайлтыг хурдасгах, микрочип болон нано хоолой үйлдвэрлэхэд илүү нарийвчлалтай илрүүлэх түвшинд хүрэхийн тулд хиймэл оюун ухаанд суурилсан чанарын хяналтын шийдлийн Amazon EC2 жишээг ашигладаг.
Дүгнэлт ба хэтийн төлөв
Хиймэл оюун ухаан үйлдвэрээс гарч ирж байгаа бөгөөд энэ нь хиймэл оюун ухаанд суурилсан PdM зэрэг шинэ програмуудад, мөн одоо байгаа програм хангамж болон хэрэглээний тохиолдлуудад сайжруулалт болгон өргөн хэрэглэгдэх болно. Томоохон аж ахуйн нэгжүүд хэд хэдэн хиймэл оюун ухааны хэрэглээний тохиолдлуудыг нэвтрүүлж, амжилттай ажиллаж байгаагаа мэдээлж байгаа бөгөөд ихэнх төслүүд хөрөнгө оруулалтын өндөр өгөөжтэй байна. Ерөнхийдөө үүлэн технологи, IOT платформууд болон хүчирхэг хиймэл оюун ухааны чипүүдийн өсөлт нь шинэ үеийн програм хангамж болон оновчлолын платформ болж байна.
Нийтэлсэн цаг: 2022 оны 1-р сарын 12