चार कारक औद्योगिक AIoT को नया पसंदीदा बनाते हैं

हाल ही में जारी औद्योगिक एआई और एआई बाज़ार रिपोर्ट 2021-2026 के अनुसार, औद्योगिक परिवेश में एआई अपनाने की दर केवल दो वर्षों में 19 प्रतिशत से बढ़कर 31 प्रतिशत हो गई है। 31 प्रतिशत उत्तरदाताओं ने अपने परिचालन में एआई को पूरी तरह या आंशिक रूप से लागू किया है, इसके अलावा 39 प्रतिशत वर्तमान में इस तकनीक का परीक्षण या परीक्षण कर रहे हैं।

एआई दुनिया भर में निर्माताओं और ऊर्जा कंपनियों के लिए एक प्रमुख तकनीक के रूप में उभर रहा है, और IoT विश्लेषण भविष्यवाणी करता है कि औद्योगिक एआई समाधान बाजार 2026 तक 102.17 बिलियन डॉलर तक पहुंचने के लिए 35% की मजबूत पोस्ट-महामारी चक्रवृद्धि वार्षिक वृद्धि 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 तेज़ कर दिया है।

आइए औद्योगिक AI और AIoT के उदय को प्रेरित करने वाले कुछ कारकों पर नज़र डालें।

ए 1

कारक 1: औद्योगिक AIoT के लिए अधिक से अधिक सॉफ्टवेयर उपकरण

2019 में, जब IoT एनालिटिक्स ने औद्योगिक AI को कवर करना शुरू किया, तब ऑपरेशनल टेक्नोलॉजी (OT) विक्रेताओं के पास समर्पित AI सॉफ़्टवेयर उत्पाद बहुत कम थे। तब से, कई OT विक्रेताओं ने फ़ैक्टरी फ़्लोर के लिए AI प्लेटफ़ॉर्म के रूप में AI सॉफ़्टवेयर समाधान विकसित और प्रदान करके AI बाज़ार में प्रवेश किया है।

आंकड़ों के अनुसार, लगभग 400 विक्रेता AIoT सॉफ़्टवेयर प्रदान करते हैं। पिछले दो वर्षों में औद्योगिक AI बाज़ार में शामिल होने वाले सॉफ़्टवेयर विक्रेताओं की संख्या में नाटकीय रूप से वृद्धि हुई है। अध्ययन के दौरान, IoT Analytics ने निर्माताओं/औद्योगिक ग्राहकों को AI तकनीक प्रदान करने वाले 634 आपूर्तिकर्ताओं की पहचान की। इनमें से 389 (61.4%) कंपनियाँ AI सॉफ़्टवेयर प्रदान करती हैं।

ए2

नया एआई सॉफ्टवेयर प्लेटफॉर्म औद्योगिक परिवेशों पर केंद्रित है। अपटेक, ब्रेनक्यूब या सी3 एआई के अलावा, परिचालन प्रौद्योगिकी (ओटी) विक्रेताओं की बढ़ती संख्या समर्पित एआई सॉफ्टवेयर प्लेटफॉर्म प्रदान कर रही है। 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 उपयोग के कई मामलों को लक्षित करते हैं। उदाहरण के लिए, एबीबी का जेनिक्स प्लेटफॉर्म उन्नत एनालिटिक्स प्रदान करता है, जिसमें परिचालन प्रदर्शन प्रबंधन, परिसंपत्ति अखंडता, स्थिरता और आपूर्ति श्रृंखला दक्षता के लिए पूर्व-निर्मित एप्लिकेशन और सेवाएं शामिल हैं।

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

एआई सॉफ्टवेयर टूल्स की उपलब्धता AWS, माइक्रोसॉफ्ट और गूगल जैसी बड़ी कंपनियों द्वारा विकसित नए उपयोग-मामले-विशिष्ट 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 जो PdM, कंप्यूटर विज़न और ऑटोनॉमस ड्राइविंग जैसे सबसे आम औद्योगिक उपयोग के मामलों के लिए पूर्व-निर्मित और अनुकूलन योग्य समाधानों का एक सेट प्रदान करता है, जिसे बस कुछ ही क्लिक में तैनात किया जा सकता है।

उपयोग-मामला-विशिष्ट सॉफ्टवेयर समाधान प्रयोज्यता में सुधार ला रहे हैं।

उपयोग-मामले-विशिष्ट सॉफ़्टवेयर सूट, जैसे कि पूर्वानुमानित रखरखाव पर केंद्रित, अधिक प्रचलित होते जा रहे हैं। IoT Analytics ने पाया कि डेटा स्रोतों की विविधता और पूर्व-प्रशिक्षण मॉडल के उपयोग में वृद्धि के साथ-साथ डेटा संवर्द्धन तकनीकों को व्यापक रूप से अपनाने के कारण, 2021 की शुरुआत में AI-आधारित उत्पाद डेटा प्रबंधन (PdM) सॉफ़्टवेयर समाधानों का उपयोग करने वाले प्रदाताओं की संख्या बढ़कर 73 हो गई।

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

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

मशीन लर्निंग (एमएल) से जुड़े कार्यों की जटिलता के कारण, मशीन लर्निंग अनुप्रयोगों के तेज़ी से विकास ने ऐसे तैयार मशीन लर्निंग तरीकों की आवश्यकता पैदा कर दी है जिनका उपयोग बिना विशेषज्ञता के भी किया जा सके। परिणामस्वरूप अनुसंधान का क्षेत्र, मशीन लर्निंग के लिए प्रगतिशील स्वचालन, ऑटोएमएल कहलाता है। कई कंपनियाँ अपने एआई उत्पादों के हिस्से के रूप में इस तकनीक का उपयोग कर रही हैं ताकि ग्राहकों को एमएल मॉडल विकसित करने और औद्योगिक उपयोग के मामलों को तेज़ी से लागू करने में मदद मिल सके। उदाहरण के लिए, नवंबर 2020 में, एसकेएफ ने एक ऑटोएमएल-आधारित उत्पाद की घोषणा की, जो मशीन प्रक्रिया डेटा को कंपन और तापमान डेटा के साथ जोड़कर लागत कम करता है और ग्राहकों के लिए नए व्यावसायिक मॉडल सक्षम करता है।

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

मशीन लर्निंग संचालन के नए अनुशासन 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 (उदाहरण के लिए, डेटा वितरण और गुणवत्ता मानकों में परिवर्तन) से प्रभावित होता है। परिणामस्वरूप, औद्योगिक परिवेशों की उच्च गुणवत्ता आवश्यकताओं को पूरा करने के लिए मॉडल रखरखाव और मशीन लर्निंग संचालन आवश्यक हो गए हैं (उदाहरण के लिए, 99% से कम प्रदर्शन वाले मॉडल ऐसे व्यवहार की पहचान करने में विफल हो सकते हैं जो श्रमिक सुरक्षा को खतरे में डालते हैं)।

हाल के वर्षों में, डेटारोबोट, ग्रिड.एआई, पाइनकोन/ज़िलिज़, सेल्डन और वेट्स एंड बायसेस सहित कई स्टार्टअप्स एमएल ऑप्स क्षेत्र में शामिल हुए हैं। स्थापित कंपनियों ने अपने मौजूदा एआई सॉफ़्टवेयर में मशीन लर्निंग ऑपरेशन्स को जोड़ा है, जिसमें माइक्रोसॉफ्ट भी शामिल है, जिसने एज़्योर एमएल स्टूडियो में डेटा ड्रिफ्ट डिटेक्शन की शुरुआत की है। यह नई सुविधा उपयोगकर्ताओं को इनपुट डेटा के वितरण में उन परिवर्तनों का पता लगाने में सक्षम बनाती है जो मॉडल के प्रदर्शन को कम करते हैं।

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

पारंपरिक सॉफ्टवेयर प्रदाता एआई क्षमताओं को जोड़ रहे हैं।

MS Azure ML, AWS SageMaker, और Google Cloud Vertex AI जैसे मौजूदा बड़े क्षैतिज AI सॉफ़्टवेयर टूल्स के अलावा, कम्प्यूटरीकृत रखरखाव प्रबंधन प्रणाली (CAMMS), विनिर्माण निष्पादन प्रणाली (MES) या एंटरप्राइज़ संसाधन नियोजन (ERP) जैसे पारंपरिक सॉफ़्टवेयर सूट अब AI क्षमताओं को शामिल करके काफ़ी बेहतर बनाए जा सकते हैं। उदाहरण के लिए, ERP प्रदाता Epicor Software अपने Epicor वर्चुअल असिस्टेंट (EVA) के माध्यम से अपने मौजूदा उत्पादों में AI क्षमताएँ जोड़ रहा है। बुद्धिमान EVA एजेंटों का उपयोग ERP प्रक्रियाओं को स्वचालित करने के लिए किया जाता है, जैसे कि विनिर्माण कार्यों का पुनर्निर्धारण या सरल क्वेरीज़ (उदाहरण के लिए, उत्पाद मूल्य निर्धारण या उपलब्ध पुर्जों की संख्या के बारे में विवरण प्राप्त करना)।

एआईओटी का उपयोग करके औद्योगिक उपयोग के मामलों को उन्नत किया जा रहा है।

मौजूदा हार्डवेयर/सॉफ़्टवेयर संरचना में कृत्रिम बुद्धिमत्ता (एआई) क्षमताओं को जोड़कर कई औद्योगिक उपयोगों को बेहतर बनाया जा रहा है। गुणवत्ता नियंत्रण अनुप्रयोगों में मशीन विज़न इसका एक ज्वलंत उदाहरण है। पारंपरिक मशीन विज़न प्रणालियाँ विशेष सॉफ़्टवेयर से लैस एकीकृत या असतत कंप्यूटरों के माध्यम से छवियों को संसाधित करती हैं जो पूर्व निर्धारित 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, विभिन्न तारों के आकार वाले इलेक्ट्रॉनिक घटक), गलत सकारात्मक परिणामों की संख्या बहुत अधिक होती है।

हालाँकि, इन प्रणालियों को कृत्रिम बुद्धिमत्ता के माध्यम से 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 टूल्स के साथ जोड़कर चिकित्सा और इलेक्ट्रॉनिक वातावरण की ज़रूरतों को पूरा कर सकते हैं, जहाँ खरोंच, संदूषण और अन्य दोषों के सटीक माप की आवश्यकता होती 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 तेज़ी से विकसित हो रहे हैं, और एआई मॉडल के विकास और परिनियोजन में सहायता के लिए कई विकल्प उपलब्ध हैं। उदाहरणों में NVIDIA के नवीनतम ग्राफ़िक्स प्रोसेसिंग यूनिट (GPU), A30 और A10 शामिल हैं, जिन्हें मार्च 2021 में पेश किया गया था और ये सिफ़ारिश सिस्टम और कंप्यूटर विज़न सिस्टम जैसे AI उपयोग के मामलों के लिए उपयुक्त हैं। एक अन्य उदाहरण Google की चौथी पीढ़ी के टेंसर प्रोसेसिंग यूनिट (TPus) हैं, जो शक्तिशाली विशेष-उद्देश्य एकीकृत सर्किट (ASics) हैं जो विशिष्ट AI कार्यभार (जैसे, ऑब्जेक्ट डिटेक्शन, इमेज क्लासिफिकेशन और सिफ़ारिश बेंचमार्क) के लिए मॉडल विकास और परिनियोजन में 1,000 गुना अधिक दक्षता और गति प्राप्त कर सकते हैं। समर्पित AI हार्डवेयर का उपयोग मॉडल गणना समय को दिनों से मिनटों में कम कर देता है, और कई मामलों में यह गेम चेंजर साबित हुआ है।

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

सुपरस्केल उद्यम क्लाउड में कंप्यूटिंग संसाधन उपलब्ध कराने के लिए अपने सर्वरों 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 इंस्टेंस, Amazon EC2 G5, जो NVIDIA A10G Tensor Core GPU द्वारा संचालित है, के आधिकारिक रिलीज़ की घोषणा की, जो कंप्यूटर विज़न और अनुशंसा इंजन सहित विभिन्न ML अनुप्रयोगों के लिए है। उदाहरण के लिए, डिटेक्शन सिस्टम प्रदाता नैनोट्रॉनिक्स, माइक्रोचिप्स और नैनोट्यूब के निर्माण में प्रसंस्करण प्रयासों को तेज़ करने और अधिक सटीक पहचान दर प्राप्त करने के लिए अपने AI-आधारित गुणवत्ता नियंत्रण समाधान के Amazon EC2 उदाहरणों का उपयोग करता है।

निष्कर्ष और संभावना

एआई अब पूरी तरह से विकसित हो रहा है, और यह एआई-आधारित पीडीएम जैसे नए अनुप्रयोगों में, और मौजूदा सॉफ़्टवेयर और उपयोग के मामलों में सुधार के रूप में, सर्वव्यापी होगा। बड़े उद्यम कई एआई उपयोग के मामले शुरू कर रहे हैं और सफलता की रिपोर्ट कर रहे हैं, और अधिकांश परियोजनाओं में निवेश पर उच्च प्रतिफल मिल रहा है। कुल मिलाकर, क्लाउड, आईओटी प्लेटफ़ॉर्म और शक्तिशाली एआई चिप्स का उदय नई पीढ़ी के सॉफ़्टवेयर और अनुकूलन के लिए एक मंच प्रदान करता है।


पोस्ट करने का समय: जनवरी-12-2022
WhatsApp ऑनलाइन चैट!