최근 발표된 산업용 AI 및 AI 시장 보고서 2021~2026에 따르면 산업 환경에서 AI 채택률은 불과 2년 만에 19%에서 31%로 증가했습니다. 운영에 AI를 완전히 또는 부분적으로 도입한 응답자 중 31% 외에 또 다른 39%가 현재 이 기술을 테스트하거나 시범 운영하고 있습니다.
AI는 전 세계 제조업체와 에너지 기업의 핵심 기술로 떠오르고 있으며, IoT 분석에 따르면 산업용 AI 솔루션 시장은 팬데믹 이후 CAGR(복합 연간 성장률)이 35%로 2026년까지 1,021억 7천만 달러에 이를 것으로 예측됩니다.
디지털 시대는 사물 인터넷을 탄생시켰습니다. 인공지능의 등장으로 사물인터넷의 발전 속도가 빨라졌다고 볼 수 있다.
산업용 AI와 AIoT의 부상을 이끄는 몇 가지 요인을 살펴보겠습니다.
요인 1: 산업용 AIoT를 위한 소프트웨어 도구가 점점 더 많아지고 있습니다.
2019년 IoT 분석이 산업용 AI를 다루기 시작했을 때 운영 기술(OT) 공급업체의 전용 AI 소프트웨어 제품은 거의 없었습니다. 이후 많은 OT 벤더들이 AI 소프트웨어 솔루션을 공장 현장용 AI 플랫폼 형태로 개발, 제공하며 AI 시장에 진출했다.
데이터에 따르면 거의 400개 공급업체가 AIoT 소프트웨어를 제공합니다. 산업용 AI 시장에 합류하는 소프트웨어 공급업체의 수가 지난 2년 동안 급격히 증가했습니다. 연구 기간 동안 IoT Analytics는 제조업체/산업 고객에게 AI 기술을 제공하는 634개 공급업체를 식별했습니다. 이들 회사 중 389개(61.4%)가 AI 소프트웨어를 제공합니다.
새로운 AI 소프트웨어 플랫폼은 산업 환경에 중점을 두고 있습니다. Uptake, Braincube 또는 C3 AI 외에도 점점 더 많은 운영 기술(OT) 공급업체가 전용 AI 소프트웨어 플랫폼을 제공하고 있습니다. 그 예로는 ABB의 Genix Industrial 분석 및 AI 제품군, Rockwell Automation의 FactoryTalk Innovation 제품군, Schneider Electric의 자체 제조 컨설팅 플랫폼, 그리고 최근에는 특정 추가 기능이 있습니다. 이러한 플랫폼 중 일부는 광범위한 사용 사례를 대상으로 합니다. 예를 들어, ABB의 Genix 플랫폼은 운영 성과 관리, 자산 무결성, 지속 가능성 및 공급망 효율성을 위해 사전 구축된 애플리케이션 및 서비스를 포함한 고급 분석을 제공합니다.
대기업은 AI 소프트웨어 도구를 작업 현장에 배치하고 있습니다.
AI 소프트웨어 도구의 가용성은 AWS, Microsoft 및 Google과 같은 대기업에서 개발한 새로운 사용 사례별 소프트웨어 도구에 의해 주도됩니다. 예를 들어, 2020년 12월 AWS는 PdM, 컴퓨터 비전 및 자율 주행과 같은 가장 일반적인 산업 사용 사례에 대해 사전 구축되고 사용자 정의 가능한 솔루션 세트를 제공하는 Amazon SageMaker의 기능인 Amazon SageMaker JumpStart를 출시했습니다. 몇 번의 클릭만으로.
사용 사례별 소프트웨어 솔루션은 유용성 향상을 주도하고 있습니다.
예측 유지 관리에 초점을 맞춘 것과 같은 사용 사례별 소프트웨어 제품군이 점점 일반화되고 있습니다. IoT Analytics에 따르면 AI 기반 제품 데이터 관리(PdM) 소프트웨어 솔루션을 사용하는 공급업체의 수는 데이터 소스의 다양성 증가와 사전 훈련 모델 사용의 증가, 데이터 향상 기술을 채택합니다.
요인 2: AI 솔루션의 개발 및 유지 관리가 단순화되고 있습니다.
자동화된 기계 학습(AutoML)이 표준 제품으로 자리잡고 있습니다.
기계 학습(ML)과 관련된 작업의 복잡성으로 인해 기계 학습 애플리케이션의 급속한 성장으로 인해 전문 지식 없이도 사용할 수 있는 기성 기계 학습 방법이 필요하게 되었습니다. 그 결과 연구 분야인 기계 학습을 위한 진보적 자동화를 AutoML이라고 합니다. 다양한 회사에서 고객이 ML 모델을 개발하고 산업 사용 사례를 더 빠르게 구현할 수 있도록 AI 제품의 일부로 이 기술을 활용하고 있습니다. 예를 들어, 2020년 11월 SKF는 기계 프로세스 데이터와 진동 및 온도 데이터를 결합하여 비용을 절감하고 고객을 위한 새로운 비즈니스 모델을 지원하는 automL 기반 제품을 발표했습니다.
기계 학습 작업(ML Ops)은 모델 관리 및 유지 관리를 단순화합니다.
기계 학습 운영의 새로운 분야는 제조 환경에서 AI 모델의 유지 관리를 단순화하는 것을 목표로 합니다. AI 모델의 성능은 일반적으로 공장 내 여러 요인(예: 데이터 분포 및 품질 표준의 변경)의 영향을 받기 때문에 시간이 지남에 따라 저하됩니다. 결과적으로 산업 환경의 높은 품질 요구 사항을 충족하려면 모델 유지 관리 및 기계 학습 작업이 필요해졌습니다(예: 성능이 99% 미만인 모델은 작업자 안전을 위협하는 동작을 식별하지 못할 수 있음).
최근 몇 년 동안 DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, Weights & Biases를 비롯한 많은 스타트업이 ML Ops 공간에 합류했습니다. Azure ML Studio에 데이터 드리프트 감지를 도입한 Microsoft를 포함하여 기존 기업에서는 기존 AI 소프트웨어 제품에 기계 학습 작업을 추가했습니다. 이 새로운 기능을 통해 사용자는 모델 성능을 저하시키는 입력 데이터 분포의 변화를 감지할 수 있습니다.
요소 3: 기존 애플리케이션 및 사용 사례에 인공 지능 적용
기존 소프트웨어 제공업체는 AI 기능을 추가하고 있습니다.
MS Azure ML, AWS SageMaker, Google Cloud Vertex AI 등 기존의 대규모 수평형 AI 소프트웨어 도구 외에도 CAMMS(Computerized Maintenance Management Systems), MES(Manufacturing Execution System) 또는 ERP(Enterprise Resource Planning)와 같은 기존 소프트웨어 제품군 이제 AI 기능을 주입하여 크게 개선할 수 있습니다. 예를 들어, ERP 제공업체인 Epicor Software는 EVA(Epicor Virtual Assistant)를 통해 기존 제품에 AI 기능을 추가하고 있습니다. 지능형 EVA 에이전트는 제조 작업 일정 변경 또는 간단한 쿼리 수행(예: 제품 가격 또는 사용 가능한 부품 수에 대한 세부 정보 얻기)과 같은 ERP 프로세스를 자동화하는 데 사용됩니다.
AIoT를 사용하여 산업 사용 사례가 업그레이드되고 있습니다.
기존 하드웨어/소프트웨어 인프라에 AI 기능을 추가하여 여러 산업 사용 사례가 향상되고 있습니다. 생생한 예는 품질 관리 애플리케이션의 머신 비전입니다. 전통적인 머신 비전 시스템은 물체에 결함이 있는지 여부를 결정하기 위해 미리 결정된 매개변수와 임계값(예: 고대비)을 평가하는 특수 소프트웨어가 장착된 통합 또는 개별 컴퓨터를 통해 이미지를 처리합니다. 많은 경우(예: 배선 형태가 다른 전자 부품) 오탐지율이 매우 높습니다.
그러나 이러한 시스템이 인공지능을 통해 부활하고 있다. 예를 들어, 산업용 기계 비전 제공업체인 Cognex는 2021년 7월에 새로운 딥 러닝 도구(Vision Pro Deep Learning 2.0)를 출시했습니다. 새로운 도구는 기존 비전 시스템과 통합되어 최종 사용자가 동일한 애플리케이션에서 딥 러닝을 기존 비전 도구와 결합하여 다음을 수행할 수 있습니다. 긁힘, 오염 및 기타 결함을 정확하게 측정해야 하는 까다로운 의료 및 전자 환경을 충족합니다.
요인 4: 산업용 AIoT 하드웨어 개선 중
AI 칩은 빠르게 발전하고 있다.
임베디드 하드웨어 AI 칩은 AI 모델의 개발 및 배포를 지원하는 데 사용할 수 있는 다양한 옵션을 통해 빠르게 성장하고 있습니다. 그 예로는 2021년 3월에 출시되었으며 추천 시스템, 컴퓨터 비전 시스템 등 AI 사용 사례에 적합한 NVIDIA의 최신 그래픽 처리 장치(Gpus)인 A30 및 A10이 있습니다. 또 다른 예는 Google의 4세대 TPus(텐서 처리 장치)입니다. 이는 특정 AI 워크로드(예: 객체 감지)에 대한 모델 개발 및 배포에서 최대 1,000배 더 높은 효율성과 속도를 달성할 수 있는 강력한 특수 목적 집적 회로(ASics)입니다. , 이미지 분류 및 추천 벤치마크). 전용 AI 하드웨어를 사용하면 모델 계산 시간이 며칠에서 몇 분으로 단축되며 많은 경우에 획기적인 변화를 가져온 것으로 입증되었습니다.
강력한 AI 하드웨어는 종량제 모델을 통해 즉시 사용할 수 있습니다.
초대형 기업은 최종 사용자가 산업용 AI 애플리케이션을 구현할 수 있도록 컴퓨팅 리소스를 클라우드에서 사용할 수 있도록 지속적으로 서버를 업그레이드하고 있습니다. 예를 들어, 2021년 11월 AWS는 컴퓨터 비전 및 추천 엔진을 포함한 다양한 ML 애플리케이션을 위해 NVIDIA A10G Tensor Core GPU로 구동되는 최신 GPU 기반 인스턴스인 Amazon EC2 G5의 공식 출시를 발표했습니다. 예를 들어 감지 시스템 제공업체인 Nanotronics는 AI 기반 품질 관리 솔루션의 Amazon EC2 예제를 사용하여 마이크로칩 및 나노튜브 제조 시 처리 속도를 높이고 보다 정확한 감지 속도를 달성합니다.
결론 및 전망
AI는 공장에서 나오고 AI 기반 PdM과 같은 새로운 애플리케이션과 기존 소프트웨어 및 사용 사례의 향상으로 어디에나 포함될 것입니다. 대기업은 여러 AI 사용 사례를 출시하고 성공을 보고하고 있으며 대부분의 프로젝트는 높은 투자 수익률을 보이고 있습니다. 전체적으로 클라우드, IoT 플랫폼 및 강력한 AI 칩의 등장은 차세대 소프트웨어 및 최적화를 위한 플랫폼을 제공합니다.
게시 시간: 2022년 1월 12일