चार कारक औद्योगिक AIOT को नया पसंदीदा बनाते हैं

हाल ही में जारी किए गए औद्योगिक एआई और एआई मार्केट रिपोर्ट 2021-2026 के अनुसार, औद्योगिक सेटिंग्स में एआई की गोद लेने की दर केवल दो वर्षों में 19 प्रतिशत से बढ़कर 31 प्रतिशत हो गई। 31 प्रतिशत उत्तरदाताओं के अलावा, जिन्होंने अपने संचालन में पूरी तरह से या आंशिक रूप से एआई को रोल आउट किया है, एक और 39 प्रतिशत वर्तमान में प्रौद्योगिकी का परीक्षण या पायलट कर रहे हैं।

AI दुनिया भर में निर्माताओं और ऊर्जा कंपनियों के लिए एक प्रमुख तकनीक के रूप में उभर रहा है, और IoT विश्लेषण ने भविष्यवाणी की है कि औद्योगिक AI समाधान बाजार 2026 तक $ 102.17 बिलियन तक पहुंचने के लिए 35% की एक मजबूत पोस्ट-पांडमिक मिशन वार्षिक विकास दर (CAGR) दिखाएगा।

डिजिटल युग ने इंटरनेट ऑफ थिंग्स को जन्म दिया है। यह देखा जा सकता है कि कृत्रिम बुद्धिमत्ता के उद्भव ने इंटरनेट ऑफ थिंग्स के विकास की गति को तेज कर दिया है।

आइए औद्योगिक एआई और ऐओट के उदय को चलाने वाले कुछ कारकों पर एक नज़र डालें।

कारक 1: औद्योगिक AIOT के लिए अधिक से अधिक सॉफ्टवेयर टूल

2019 में, जब IoT एनालिटिक्स ने औद्योगिक AI को कवर करना शुरू किया, तो परिचालन प्रौद्योगिकी (OT) विक्रेताओं से कुछ समर्पित AI सॉफ्टवेयर उत्पाद थे। तब से, कई ओटी विक्रेताओं ने कारखाने के फर्श के लिए एआई प्लेटफार्मों के रूप में एआई सॉफ्टवेयर समाधान विकसित और प्रदान करके एआई बाजार में प्रवेश किया है।

आंकड़ों के अनुसार, लगभग 400 विक्रेता AIOT सॉफ्टवेयर प्रदान करते हैं। औद्योगिक एआई बाजार में शामिल होने वाले सॉफ्टवेयर विक्रेताओं की संख्या पिछले दो वर्षों में नाटकीय रूप से बढ़ी है। अध्ययन के दौरान, IoT एनालिटिक्स ने निर्माताओं/औद्योगिक ग्राहकों को AI प्रौद्योगिकी के 634 आपूर्तिकर्ताओं की पहचान की। इन कंपनियों में से, 389 (61.4%) एआई सॉफ्टवेयर प्रदान करते हैं।

नया एआई सॉफ्टवेयर प्लेटफ़ॉर्म औद्योगिक वातावरण पर केंद्रित है। अपटेक, ब्रेनक्यूब, या सी 3 एआई से परे, परिचालन प्रौद्योगिकी (ओटी) विक्रेताओं की बढ़ती संख्या समर्पित एआई सॉफ्टवेयर प्लेटफार्मों की पेशकश कर रहे हैं। उदाहरणों में एबीबी के जीनिक्स इंडस्ट्रियल एनालिटिक्स और एआई सुइट, रॉकवेल ऑटोमेशन के फैक्ट्रीटॉक इनोवेशन सूट, श्नाइडर इलेक्ट्रिक के खुद के विनिर्माण परामर्श मंच, और हाल ही में, विशिष्ट ऐड-ऑन शामिल हैं। इनमें से कुछ प्लेटफ़ॉर्म उपयोग के मामलों की एक विस्तृत श्रृंखला को लक्षित करते हैं। उदाहरण के लिए, एबीबी का जीनिक्स प्लेटफ़ॉर्म उन्नत एनालिटिक्स प्रदान करता है, जिसमें परिचालन प्रदर्शन प्रबंधन, परिसंपत्ति अखंडता, स्थिरता और आपूर्ति श्रृंखला दक्षता के लिए पूर्व-निर्मित अनुप्रयोग और सेवाएं शामिल हैं।

बड़ी कंपनियां अपने एआई सॉफ्टवेयर टूल्स को दुकान के फर्श पर रख रही हैं।

AI सॉफ्टवेयर टूल्स की उपलब्धता AWS, Microsoft और Google जैसी बड़ी कंपनियों द्वारा विकसित नए उपयोग-केस विशिष्ट सॉफ़्टवेयर टूल द्वारा भी संचालित है। उदाहरण के लिए, दिसंबर 2020 में, AWS ने अमेज़ॅन Sagemaker जंपस्टार्ट को जारी किया, जो अमेज़ॅन Sagemaker की एक विशेषता है, जो पीडीएम, कंप्यूटर विजन और स्वायत्त ड्राइविंग जैसे सबसे आम औद्योगिक उपयोग के मामलों के लिए पूर्व-निर्मित और अनुकूलन योग्य समाधानों का एक सेट प्रदान करता है, बस कुछ ही क्लिकों के साथ तैनात करता है।

उपयोग-केस-विशिष्ट सॉफ्टवेयर समाधान प्रयोज्य सुधार कर रहे हैं।

उपयोग-केस-विशिष्ट सॉफ़्टवेयर सूट, जैसे कि भविष्य कहनेवाला रखरखाव पर केंद्रित, अधिक सामान्य हो रहे हैं। IoT एनालिटिक्स ने देखा कि AI- आधारित उत्पाद डेटा प्रबंधन (PDM) सॉफ़्टवेयर समाधान का उपयोग करने वाले प्रदाताओं की संख्या 2021 की शुरुआत में डेटा स्रोतों की विविधता में वृद्धि और पूर्व-प्रशिक्षण मॉडल के उपयोग के साथ-साथ डेटा वृद्धि प्रौद्योगिकियों के व्यापक रूप से अपनाने के कारण 73 हो गई।

कारक 2: एआई समाधानों के विकास और रखरखाव को सरल बनाया जा रहा है

स्वचालित मशीन लर्निंग (ऑटोमल) एक मानक उत्पाद बन रहा है।

मशीन लर्निंग (एमएल) से जुड़े कार्यों की जटिलता के कारण, मशीन लर्निंग अनुप्रयोगों की तेजी से विकास ने ऑफ-द-शेल्फ मशीन लर्निंग विधियों की आवश्यकता पैदा कर दी है, जिनका उपयोग विशेषज्ञता के बिना किया जा सकता है। अनुसंधान के परिणामस्वरूप क्षेत्र, मशीन लर्निंग के लिए प्रगतिशील स्वचालन, को ऑटोमल कहा जाता है। विभिन्न कंपनियां ग्राहकों को एमएल मॉडल विकसित करने और औद्योगिक उपयोग के मामलों को तेजी से लागू करने में मदद करने के लिए अपने एआई प्रसाद के हिस्से के रूप में इस तकनीक का लाभ उठा रही हैं। उदाहरण के लिए, नवंबर 2020 में, SKF ने एक ऑटोमल-आधारित उत्पाद की घोषणा की जो लागत को कम करने और ग्राहकों के लिए नए व्यवसाय मॉडल को सक्षम करने के लिए कंपन और तापमान डेटा के साथ मशीन प्रक्रिया डेटा को जोड़ती है।

मशीन लर्निंग ऑपरेशंस (एमएल ओपीएस) मॉडल प्रबंधन और रखरखाव को सरल बनाता है।

मशीन लर्निंग संचालन के नए अनुशासन का उद्देश्य विनिर्माण वातावरण में एआई मॉडल के रखरखाव को सरल बनाना है। एआई मॉडल का प्रदर्शन आम तौर पर समय के साथ कम हो जाता है क्योंकि यह संयंत्र के भीतर कई कारकों से प्रभावित होता है (उदाहरण के लिए, डेटा वितरण और गुणवत्ता मानकों में परिवर्तन)। नतीजतन, मॉडल रखरखाव और मशीन लर्निंग ऑपरेशंस औद्योगिक वातावरण की उच्च गुणवत्ता की आवश्यकताओं को पूरा करने के लिए आवश्यक हो गए हैं (उदाहरण के लिए, 99% से कम प्रदर्शन वाले मॉडल कार्यकर्ता सुरक्षा को खतरे में डालने वाले व्यवहार की पहचान करने में विफल हो सकते हैं)।

हाल के वर्षों में, कई स्टार्टअप्स एमएल ऑप्स स्पेस में शामिल हो गए हैं, जिसमें डेटारोबोट, ग्रिड.एआई, पिनकॉन/ज़िलिज़, सेल्डन और वेट एंड बायसेस शामिल हैं। स्थापित कंपनियों ने Microsoft सहित अपने मौजूदा AI सॉफ़्टवेयर प्रसाद में मशीन लर्निंग संचालन को जोड़ा है, जिसने Azure ML स्टूडियो में डेटा बहाव का पता लगाया है। यह नई सुविधा उपयोगकर्ताओं को इनपुट डेटा के वितरण में परिवर्तन का पता लगाने में सक्षम बनाती है जो मॉडल प्रदर्शन को नीचा दिखाती है।

कारक 3: मौजूदा अनुप्रयोगों और उपयोग के मामलों पर लागू कृत्रिम बुद्धिमत्ता

पारंपरिक सॉफ्टवेयर प्रदाता AI क्षमताओं को जोड़ रहे हैं।

मौजूदा बड़े क्षैतिज एआई सॉफ्टवेयर टूल्स जैसे कि एमएस एज़्योर एमएल, एडब्ल्यूएस सगमेकर, और Google क्लाउड वर्टेक्स एआई, पारंपरिक सॉफ्टवेयर सूट जैसे कि कम्प्यूटरीकृत रखरखाव प्रबंधन प्रणाली (सीएएमएमएस), विनिर्माण निष्पादन प्रणाली (एमईएस) या एंटरप्राइज रिसोर्स प्लानिंग (ईआरपी) को अब एआई क्षमताओं को इंजेक्ट करके काफी सुधार किया जा सकता है। उदाहरण के लिए, ईआरपी प्रदाता एपिकोर सॉफ्टवेयर अपने एपिकोर वर्चुअल असिस्टेंट (ईवीए) के माध्यम से अपने मौजूदा उत्पादों में एआई क्षमताओं को जोड़ रहा है। इंटेलिजेंट ईवा एजेंटों का उपयोग ईआरपी प्रक्रियाओं को स्वचालित करने के लिए किया जाता है, जैसे कि पुनर्निर्धारण विनिर्माण संचालन या सरल प्रश्नों का प्रदर्शन (उदाहरण के लिए, उत्पाद मूल्य निर्धारण या उपलब्ध भागों की संख्या के बारे में विवरण प्राप्त करना)।

AIOT का उपयोग करके औद्योगिक उपयोग के मामलों को अपग्रेड किया जा रहा है।

मौजूदा हार्डवेयर/सॉफ्टवेयर इन्फ्रास्ट्रक्चर में एआई क्षमताओं को जोड़कर कई औद्योगिक उपयोग के मामलों को बढ़ाया जा रहा है। एक ज्वलंत उदाहरण गुणवत्ता नियंत्रण अनुप्रयोगों में मशीन दृष्टि है। पारंपरिक मशीन विजन सिस्टम एकीकृत या असतत कंप्यूटरों के माध्यम से छवियों को प्रक्रिया करते हैं जो विशेष सॉफ़्टवेयर से लैस हैं जो पूर्व निर्धारित मापदंडों और थ्रेसहोल्ड (जैसे, उच्च विपरीत) का मूल्यांकन करते हैं, यह निर्धारित करने के लिए कि क्या ऑब्जेक्ट दोष प्रदर्शित करते हैं। कई मामलों में (उदाहरण के लिए, विभिन्न वायरिंग आकृतियों के साथ इलेक्ट्रॉनिक घटक), झूठी सकारात्मक की संख्या बहुत अधिक है।

हालांकि, इन प्रणालियों को कृत्रिम बुद्धिमत्ता के माध्यम से पुनर्जीवित किया जा रहा है। उदाहरण के लिए, इंडस्ट्रियल मशीन विज़न प्रदाता कॉग्नक्स ने जुलाई 2021 में एक नया डीप लर्निंग टूल (विजन प्रो डीप लर्निंग 2.0) जारी किया। नए उपकरण पारंपरिक दृष्टि प्रणालियों के साथ एकीकृत होते हैं, जिससे अंत उपयोगकर्ताओं को चिकित्सा और इलेक्ट्रॉनिक वातावरण की मांग करने के लिए एक ही एप्लिकेशन में पारंपरिक दृष्टि उपकरणों के साथ गहन सीखने को संयोजित करने में सक्षम होता है, जिन्हें खरोंच, संदूषण और अन्य दोषों के सटीक माप की आवश्यकता होती है।

कारक 4: औद्योगिक ऐओट हार्डवेयर में सुधार किया जा रहा है

AI चिप्स में तेजी से सुधार हो रहा है।

एंबेडेड हार्डवेयर एआई चिप्स तेजी से बढ़ रहे हैं, एआई मॉडल के विकास और तैनाती का समर्थन करने के लिए विभिन्न प्रकार के विकल्प उपलब्ध हैं। उदाहरणों में NVIDIA की नवीनतम ग्राफिक्स प्रोसेसिंग यूनिट्स (GPU), A30 और A10 शामिल हैं, जिन्हें मार्च 2021 में पेश किया गया था और AI उपयोग के मामलों जैसे सिफारिश सिस्टम और कंप्यूटर विजन सिस्टम के लिए उपयुक्त हैं। एक अन्य उदाहरण Google की चौथी पीढ़ी के टेन्सर्स प्रोसेसिंग यूनिट्स (TPU) हैं, जो शक्तिशाली विशेष-उद्देश्य एकीकृत सर्किट (ASICs) हैं जो विशिष्ट AI वर्कलोड (जैसे, ऑब्जेक्ट डिटेक्शन, इमेज क्लासिफिकेशन और सिफारिश बेंचमार्क) के लिए मॉडल विकास और तैनाती में 1,000 गुना अधिक दक्षता और गति प्राप्त कर सकते हैं। समर्पित एआई हार्डवेयर का उपयोग करने से मॉडल गणना समय को दिनों से मिनटों तक कम कर देता है, और कई मामलों में गेम चेंजर साबित हुआ है।

शक्तिशाली एआई हार्डवेयर तुरंत एक पे-प्रति-उपयोग मॉडल के माध्यम से उपलब्ध है।

सुपरस्केल एंटरप्राइजेज क्लाउड में कंप्यूटिंग संसाधनों को उपलब्ध कराने के लिए अपने सर्वर को लगातार अपग्रेड कर रहे हैं ताकि अंतिम उपयोगकर्ता औद्योगिक एआई अनुप्रयोगों को लागू कर सकें। उदाहरण के लिए, नवंबर 2021 में, AWS ने अपने नवीनतम GPU- आधारित उदाहरणों, अमेज़ॅन EC2 G5 की आधिकारिक रिलीज की घोषणा की, जो NVIDIA A10G टेंसर कोर GPU द्वारा संचालित, विभिन्न प्रकार के ML अनुप्रयोगों के लिए, जिसमें कंप्यूटर विजन और सिफारिश इंजन शामिल हैं। उदाहरण के लिए, डिटेक्शन सिस्टम प्रदाता नैनोट्रोनिक्स प्रसंस्करण प्रयासों को गति देने और माइक्रोचिप्स और नैनोट्यूब के निर्माण में अधिक सटीक पता लगाने की दरों को प्राप्त करने के लिए अपने एआई-आधारित गुणवत्ता नियंत्रण समाधान के अमेज़ॅन ईसी 2 उदाहरणों का उपयोग करता है।

निष्कर्ष और संभावना

एआई कारखाने से बाहर आ रहा है, और यह नए अनुप्रयोगों, जैसे एआई-आधारित पीडीएम, और मौजूदा सॉफ्टवेयर और मामलों का उपयोग करने के लिए संवर्द्धन के रूप में सर्वव्यापी होगा। बड़े उद्यम कई एआई उपयोग के मामलों और रिपोर्टिंग सफलता को रोल आउट कर रहे हैं, और अधिकांश परियोजनाओं में निवेश पर उच्च रिटर्न है। सभी में, क्लाउड, IoT प्लेटफॉर्म और शक्तिशाली AI चिप्स का उदय सॉफ्टवेयर और अनुकूलन की एक नई पीढ़ी के लिए एक मंच प्रदान करता है।