चार कारक औद्योगिक एआईओटी को नया पसंदीदा बनाते हैं

हाल ही में जारी औद्योगिक एआई और एआई बाजार रिपोर्ट 2021-2026 के अनुसार, औद्योगिक परिवेश में एआई को अपनाने की दर महज दो वर्षों में 19 प्रतिशत से बढ़कर 31 प्रतिशत हो गई है। रिपोर्ट में शामिल 31 प्रतिशत उत्तरदाताओं ने अपने संचालन में एआई को पूरी तरह या आंशिक रूप से लागू कर दिया है, जबकि अन्य 39 प्रतिशत वर्तमान में इस तकनीक का परीक्षण या प्रायोगिक तौर पर उपयोग कर रहे हैं।

विश्व स्तर पर निर्माताओं और ऊर्जा कंपनियों के लिए एआई एक प्रमुख प्रौद्योगिकी के रूप में उभर रहा है, और आईओटी विश्लेषण भविष्यवाणी करता है कि औद्योगिक एआई समाधान बाजार महामारी के बाद 35% की मजबूत चक्रवृद्धि वार्षिक वृद्धि दर (सीएजीआर) दिखाएगा और 2026 तक 102.17 बिलियन डॉलर तक पहुंच जाएगा।

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

आइए औद्योगिक एआई और एआईओटी के उदय को बढ़ावा देने वाले कुछ कारकों पर एक नजर डालते हैं।

कारक 1: औद्योगिक AIoT के लिए सॉफ्टवेयर उपकरणों की बढ़ती संख्या

2019 में, जब IoT एनालिटिक्स ने औद्योगिक AI को कवर करना शुरू किया, तब ऑपरेशनल टेक्नोलॉजी (OT) विक्रेताओं के पास कुछ ही समर्पित AI सॉफ्टवेयर उत्पाद थे। तब से, कई OT विक्रेताओं ने कारखाने के लिए AI प्लेटफॉर्म के रूप में AI सॉफ्टवेयर समाधान विकसित और प्रदान करके AI बाजार में प्रवेश किया है।

आंकड़ों के अनुसार, लगभग 400 विक्रेता AIoT सॉफ्टवेयर उपलब्ध कराते हैं। पिछले दो वर्षों में औद्योगिक AI बाजार में शामिल होने वाले सॉफ्टवेयर विक्रेताओं की संख्या में नाटकीय रूप से वृद्धि हुई है। अध्ययन के दौरान, IoT एनालिटिक्स ने निर्माताओं/औद्योगिक ग्राहकों को AI तकनीक प्रदान करने वाले 634 आपूर्तिकर्ताओं की पहचान की। इनमें से 389 (61.4%) कंपनियां AI सॉफ्टवेयर उपलब्ध कराती हैं।

नया एआई सॉफ्टवेयर प्लेटफॉर्म औद्योगिक परिवेश पर केंद्रित है। अपटेक, ब्रेनक्यूब या सी3 एआई के अलावा, कई ऑपरेशनल टेक्नोलॉजी (ओटी) विक्रेता समर्पित एआई सॉफ्टवेयर प्लेटफॉर्म पेश कर रहे हैं। उदाहरणों में एबीबी का जेनिक्स इंडस्ट्रियल एनालिटिक्स और एआई सूट, रॉकवेल ऑटोमेशन का फैक्ट्रीटॉक इनोवेशन सूट, श्नाइडर इलेक्ट्रिक का अपना मैन्युफैक्चरिंग कंसल्टिंग प्लेटफॉर्म और हाल ही में, विशिष्ट ऐड-ऑन शामिल हैं। इनमें से कुछ प्लेटफॉर्म विभिन्न प्रकार के उपयोगों को लक्षित करते हैं। उदाहरण के लिए, एबीबी का जेनिक्स प्लेटफॉर्म उन्नत एनालिटिक्स प्रदान करता है, जिसमें ऑपरेशनल परफॉर्मेंस मैनेजमेंट, एसेट इंटीग्रिटी, सस्टेनेबिलिटी और सप्लाई चेन एफिशिएंसी के लिए पहले से निर्मित एप्लिकेशन और सेवाएं शामिल हैं।

बड़ी कंपनियां अपने एआई सॉफ्टवेयर टूल्स को कार्यस्थल पर तैनात कर रही हैं।

एआई सॉफ्टवेयर टूल्स की उपलब्धता, AWS और Microsoft तथा ​​Google जैसी बड़ी कंपनियों द्वारा विकसित किए गए नए विशिष्ट उपयोग-क्षेत्रों वाले सॉफ्टवेयर टूल्स से भी प्रेरित है। उदाहरण के लिए, दिसंबर 2020 में, AWS ने Amazon SageMaker JumpStart जारी किया, जो Amazon SageMaker का एक फीचर है और PdM, कंप्यूटर विज़न और ऑटोनॉमस ड्राइविंग जैसे सबसे आम औद्योगिक उपयोग-क्षेत्रों के लिए पूर्वनिर्मित और अनुकूलन योग्य समाधानों का एक सेट प्रदान करता है, जिन्हें कुछ ही क्लिक में तैनात किया जा सकता है।

उपयोग-विशिष्ट सॉफ्टवेयर समाधान उपयोगिता में सुधार ला रहे हैं।

विशिष्ट उपयोग के लिए तैयार किए गए सॉफ़्टवेयर सूट, जैसे कि भविष्यसूचक रखरखाव पर केंद्रित, अधिक आम होते जा रहे हैं। IoT एनालिटिक्स ने पाया कि डेटा स्रोतों की विविधता में वृद्धि और पूर्व-प्रशिक्षण मॉडल के उपयोग के साथ-साथ डेटा संवर्धन प्रौद्योगिकियों को व्यापक रूप से अपनाने के कारण, AI-आधारित उत्पाद डेटा प्रबंधन (PdM) सॉफ़्टवेयर समाधानों का उपयोग करने वाले प्रदाताओं की संख्या 2021 की शुरुआत में बढ़कर 73 हो गई।

कारक 2: एआई समाधानों का विकास और रखरखाव सरल हो रहा है।

ऑटोमेटेड मशीन लर्निंग (ऑटोएमएल) एक मानक उत्पाद बनता जा रहा है।

मशीन लर्निंग (एमएल) से जुड़े कार्यों की जटिलता के कारण, मशीन लर्निंग अनुप्रयोगों की तीव्र वृद्धि ने ऐसे रेडीमेड मशीन लर्निंग विधियों की आवश्यकता उत्पन्न कर दी है जिनका उपयोग बिना विशेषज्ञता के किया जा सके। परिणामस्वरूप, मशीन लर्निंग के लिए प्रगतिशील स्वचालन नामक अनुसंधान क्षेत्र को ऑटोएमएल कहा जाता है। कई कंपनियां ग्राहकों को एमएल मॉडल विकसित करने और औद्योगिक उपयोग के मामलों को तेजी से लागू करने में मदद करने के लिए अपनी एआई पेशकशों के हिस्से के रूप में इस तकनीक का लाभ उठा रही हैं। उदाहरण के लिए, नवंबर 2020 में, एसकेएफ ने एक ऑटोएमएल-आधारित उत्पाद की घोषणा की जो लागत कम करने और ग्राहकों के लिए नए व्यावसायिक मॉडल को सक्षम करने के लिए मशीन प्रक्रिया डेटा को कंपन और तापमान डेटा के साथ जोड़ता है।

मशीन लर्निंग ऑपरेशंस (एमएल ऑप्स) मॉडल प्रबंधन और रखरखाव को सरल बनाते हैं।

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

हाल के वर्षों में, कई स्टार्टअप्स ने ML Ops क्षेत्र में कदम रखा है, जिनमें DataRobot, Grid.AI, Pinecone/Zilliz, Seldon और Weights & Biases शामिल हैं। स्थापित कंपनियों ने अपने मौजूदा AI सॉफ्टवेयर में मशीन लर्निंग ऑपरेशंस को जोड़ा है, जिनमें Microsoft भी शामिल है, जिसने Azure ML Studio में डेटा ड्रिफ्ट डिटेक्शन की शुरुआत की है। यह नई सुविधा उपयोगकर्ताओं को इनपुट डेटा के वितरण में होने वाले उन परिवर्तनों का पता लगाने में सक्षम बनाती है जो मॉडल के प्रदर्शन को प्रभावित करते हैं।

कारक 3: मौजूदा अनुप्रयोगों और उपयोग के मामलों में कृत्रिम बुद्धिमत्ता का अनुप्रयोग

पारंपरिक सॉफ्टवेयर प्रदाता एआई क्षमताओं को जोड़ रहे हैं।

एमएस एज़्योर एमएल, एडब्ल्यूएस सेजमेकर और गूगल क्लाउड वर्टेक्स एआई जैसे मौजूदा बड़े हॉरिजॉन्टल एआई सॉफ्टवेयर टूल्स के अलावा, कंप्यूटराइज्ड मेंटेनेंस मैनेजमेंट सिस्टम (सीएएमएमएस), मैन्युफैक्चरिंग एग्जीक्यूशन सिस्टम (एमईएस) या एंटरप्राइज रिसोर्स प्लानिंग (ईआरपी) जैसे पारंपरिक सॉफ्टवेयर सूट में एआई क्षमताओं को शामिल करके उन्हें काफी बेहतर बनाया जा सकता है। उदाहरण के लिए, ईआरपी प्रदाता एपिकोर सॉफ्टवेयर अपने मौजूदा उत्पादों में एपिकोर वर्चुअल असिस्टेंट (ईवीए) के माध्यम से एआई क्षमताएं जोड़ रहा है। इंटेलिजेंट ईवीए एजेंटों का उपयोग ईआरपी प्रक्रियाओं को स्वचालित करने के लिए किया जाता है, जैसे विनिर्माण कार्यों को पुनर्निर्धारित करना या सरल क्वेरी करना (उदाहरण के लिए, उत्पाद मूल्य निर्धारण या उपलब्ध पुर्जों की संख्या के बारे में जानकारी प्राप्त करना)।

एआईओआईटी का उपयोग करके औद्योगिक उपयोग के मामलों को उन्नत बनाया जा रहा है।

मौजूदा हार्डवेयर/सॉफ्टवेयर ढांचे में कृत्रिम बुद्धिमत्ता (AI) क्षमताओं को जोड़कर कई औद्योगिक उपयोगों को बेहतर बनाया जा रहा है। इसका एक ज्वलंत उदाहरण गुणवत्ता नियंत्रण अनुप्रयोगों में मशीन विज़न है। पारंपरिक मशीन विज़न सिस्टम एकीकृत या असतत कंप्यूटरों के माध्यम से छवियों को संसाधित करते हैं, जिनमें विशेष सॉफ्टवेयर लगे होते हैं जो पूर्वनिर्धारित मापदंडों और सीमाओं (जैसे, उच्च कंट्रास्ट) का मूल्यांकन करके यह निर्धारित करते हैं कि वस्तुओं में कोई दोष है या नहीं। कई मामलों में (उदाहरण के लिए, अलग-अलग वायरिंग आकार वाले इलेक्ट्रॉनिक घटक), गलत परिणामों की संख्या बहुत अधिक होती है।

हालांकि, कृत्रिम बुद्धिमत्ता के माध्यम से इन प्रणालियों को पुनर्जीवित किया जा रहा है। उदाहरण के लिए, औद्योगिक मशीन विज़न प्रदाता कॉग्नेक्स ने जुलाई 2021 में एक नया डीप लर्निंग टूल (विज़न प्रो डीप लर्निंग 2.0) जारी किया। ये नए टूल पारंपरिक विज़न सिस्टम के साथ एकीकृत होते हैं, जिससे अंतिम उपयोगकर्ता एक ही एप्लिकेशन में डीप लर्निंग को पारंपरिक विज़न टूल के साथ संयोजित कर सकते हैं। इससे उन चुनौतीपूर्ण चिकित्सा और इलेक्ट्रॉनिक वातावरणों की आवश्यकताओं को पूरा किया जा सकता है जिनमें खरोंच, संदूषण और अन्य दोषों का सटीक मापन आवश्यक होता है।

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

एआई चिप्स में तेजी से सुधार हो रहा है।

एम्बेडेड हार्डवेयर एआई चिप्स का विकास तेजी से हो रहा है, और एआई मॉडल के विकास और तैनाती में सहायता के लिए कई विकल्प उपलब्ध हैं। उदाहरण के लिए, एनवीडिया के नवीनतम ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू), ए30 और ए10, जिन्हें मार्च 2021 में लॉन्च किया गया था और जो सिफारिश प्रणाली और कंप्यूटर विज़न सिस्टम जैसे एआई उपयोग के मामलों के लिए उपयुक्त हैं। एक अन्य उदाहरण गूगल की चौथी पीढ़ी के टेंसर प्रोसेसिंग यूनिट (टीपीयू) हैं, जो शक्तिशाली विशेष-उद्देश्य एकीकृत सर्किट (एएसआईसी) हैं और विशिष्ट एआई कार्यभार (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 का समय दिनों से घटकर मिनटों में आ जाता है, और कई मामलों में यह क्रांतिकारी साबित हुआ है।

शक्तिशाली एआई हार्डवेयर पे-पर-यूज़ मॉडल के माध्यम से तुरंत उपलब्ध है।

बड़ी कंपनियां लगातार अपने सर्वरों को अपग्रेड कर रही हैं ताकि क्लाउड में कंप्यूटिंग संसाधन उपलब्ध हो सकें और अंतिम उपयोगकर्ता औद्योगिक AI अनुप्रयोगों को लागू कर सकें। उदाहरण के लिए, नवंबर 2021 में, AWS ने अपने नवीनतम GPU-आधारित इंस्टेंस, Amazon EC2 G5 की आधिकारिक रिलीज़ की घोषणा की, जो NVIDIA A10G टेन्सर कोर GPU द्वारा संचालित है और कंप्यूटर विज़न और अनुशंसा इंजन सहित विभिन्न ML अनुप्रयोगों के लिए उपयुक्त है। उदाहरण के लिए, डिटेक्शन सिस्टम प्रदाता नैनोट्रॉनिक्स, माइक्रोचिप्स और नैनोट्यूब के निर्माण में प्रोसेसिंग को गति देने और अधिक सटीक डिटेक्शन दर प्राप्त करने के लिए अपने AI-आधारित गुणवत्ता नियंत्रण समाधान के Amazon EC2 इंस्टेंस का उपयोग करता है।

निष्कर्ष और भविष्य की संभावनाएं

कृत्रिम बुद्धिमत्ता (AI) अब विकास के शिखर पर है और AI-आधारित PdM जैसे नए अनुप्रयोगों में सर्वव्यापी होगी, साथ ही मौजूदा सॉफ़्टवेयर और उपयोग के मामलों में भी इसका व्यापक उपयोग होगा। बड़ी-बड़ी कंपनियाँ कई AI उपयोग के मामलों को लागू कर रही हैं और सफलता की रिपोर्ट दे रही हैं, और अधिकांश परियोजनाओं में निवेश पर उच्च प्रतिफल प्राप्त हो रहा है। कुल मिलाकर, क्लाउड, IoT प्लेटफॉर्म और शक्तिशाली AI चिप्स का उदय सॉफ़्टवेयर और अनुकूलन की एक नई पीढ़ी के लिए एक मंच प्रदान करता है।