최근에 발표 된 산업 AI 및 AI 시장 보고서 2021-2026에 따르면, 산업 환경에서 AI의 채택률은 2 년 동안 19 %에서 31 %로 증가했습니다. 운영에서 AI를 완전히 또는 부분적으로 출시 한 응답자의 31 % 외에도 다른 39 %가 현재 기술을 테스트하거나 조종하고 있습니다.
AI는 전 세계 제조업체 및 에너지 회사의 핵심 기술로 부상하고 있으며 IoT 분석에 따르면 산업 AI 솔루션 시장은 2026 년까지 1,17 억 달러에 달하는 35%의 급여 후 연간 성장률 (CAGR)이 강력한 35%에 도달 할 것으로 예측합니다.
디지털 시대는 사물 인터넷을 낳았습니다. 인공 지능의 출현은 사물 인터넷의 발전 속도를 가속화했다는 것을 알 수 있습니다.
산업 AI와 AIOT의 상승을 유도하는 몇 가지 요소를 살펴 보겠습니다.
요인 1 : 산업 AIOT를위한 점점 더 많은 소프트웨어 도구
2019 년 IoT 분석이 산업 AI를 다루기 시작했을 때 OT (Operational Technology) 공급 업체의 전용 AI 소프트웨어 제품은 거의 없었습니다. 그 이후로 많은 OT 공급 업체는 공장 플로어를위한 AI 플랫폼 형태로 AI 소프트웨어 솔루션을 개발하고 제공하여 AI 시장에 진출했습니다.
데이터에 따르면 거의 400 개의 벤더가 AIOT 소프트웨어를 제공합니다. 산업 AI 시장에 합류하는 소프트웨어 공급 업체의 수는 지난 2 년 동안 급격히 증가했습니다. 이 연구 중에 IoT Analytics는 제조업체/산업 고객에게 634 개의 AI 기술 공급 업체를 확인했습니다. 이 회사 중 389 명 (61.4%)이 AI 소프트웨어를 제공합니다.
새로운 AI 소프트웨어 플랫폼은 산업 환경에 중점을 둡니다. 흡수, Braincube 또는 C3 AI 외에도 점점 더 많은 운영 기술 (OT) 공급 업체가 전용 AI 소프트웨어 플랫폼을 제공하고 있습니다. ABB의 Genix Industrial Analytics 및 AI Suite, Rockwell Automation의 FactoryTalk Innovation Suite, Schneider Electric의 자체 제조 컨설팅 플랫폼 및 최근에는 특정 추가 기능이 있습니다. 이러한 플랫폼 중 일부는 광범위한 사용 사례를 목표로합니다. 예를 들어, ABB의 Genix 플랫폼은 운영 성능 관리, 자산 무결성, 지속 가능성 및 공급망 효율성을위한 사전 구축 애플리케이션 및 서비스를 포함한 고급 분석을 제공합니다.
대기업은 AI 소프트웨어 도구를 상점 층에 넣고 있습니다.
AI 소프트웨어 도구의 가용성은 또한 Microsoft 및 Google과 같은 대기업 인 AWS가 개발 한 새로운 사용 사례 특정 소프트웨어 도구에 의해 유도됩니다. 예를 들어, 2020 년 12 월 AWS는 PDM, 컴퓨터 비전 및 자율 주행과 같은 가장 일반적인 산업용 사용 사례에 대한 사전 제작 및 사용자 정의 가능한 솔루션 세트를 제공하는 Amazon Sagemaker의 기능인 Amazon Sagemaker Jumbstart를 몇 번 클릭만으로 출시했습니다.
사용 사례 별 소프트웨어 솔루션은 유용성 개선을 주도하고 있습니다.
예측 유지 보수에 중점을 둔 소프트웨어 제품군과 같은 사용 사례 별 소프트웨어 제품군이 점점 일반화되고 있습니다. IoT Analytics는 AI 기반 제품 데이터 관리 (PDM) 소프트웨어 솔루션을 사용하는 공급 업체의 수가 다양한 데이터 소스의 증가와 사전 훈련 모델의 사용과 데이터 향상 기술의 광범위한 채택으로 인해 73으로 상승한 것으로 관찰되었습니다.
요인 2 : AI 솔루션의 개발 및 유지 보수가 단순화되고 있습니다.
자동 기계 학습 (Automl)은 표준 제품이되고 있습니다.
머신 러닝 (ML)과 관련된 작업의 복잡성으로 인해 기계 학습 애플리케이션의 빠른 성장으로 전문 지식없이 사용할 수있는 상용 머신 러닝 방법이 필요했습니다. 결과적으로 연구 분야, 기계 학습을위한 점진적 자동화를 automl이라고합니다. 다양한 회사가 고객이 ML 모델을 개발하고 산업용 사용 사례를 더 빨리 구현할 수 있도록 AI 서비스의 일부로이 기술을 활용하고 있습니다. 예를 들어, 2020 년 11 월, SKF는 기계 프로세스 데이터와 진동 및 온도 데이터를 결합하여 비용을 줄이고 고객을위한 새로운 비즈니스 모델을 가능하게하는 Automl 기반 제품을 발표했습니다.
기계 학습 운영 (ML OPS)은 모델 관리 및 유지 보수를 단순화합니다.
기계 학습 운영의 새로운 분야는 제조 환경에서 AI 모델의 유지 보수를 단순화하는 것을 목표로합니다. AI 모델의 성능은 일반적으로 플랜트 내 여러 요인 (예 : 데이터 배포 및 품질 표준의 변화)의 영향을 받기 때문에 시간이 지남에 따라 저하됩니다. 결과적으로, 산업 환경의 고품질 요구 사항을 충족시키기 위해 모델 유지 보수 및 기계 학습 운영이 필요해졌습니다 (예 : 99% 미만의 성능을 가진 모델은 작업자 안전을 위험에 빠뜨리는 행동을 식별하지 못할 수 있습니다).
최근 몇 년 동안 많은 신생 기업이 Datarobot, Grid.ai, Pinecone/Zilliz, Seldon 및 Weights & Biases를 포함한 ML OPS 공간에 합류했습니다. 설립 된 회사는 Azure ML Studio에 데이터 드리프트 감지를 도입 한 Microsoft를 포함하여 기존 AI 소프트웨어 제품에 머신 러닝 작업을 추가했습니다. 이 새로운 기능을 통해 사용자는 모델 성능을 저하시키는 입력 데이터 분포의 변경 사항을 감지 할 수 있습니다.
요인 3 : 기존 응용 프로그램 및 사용 사례에 적용되는 인공 지능
기존 소프트웨어 제공 업체는 AI 기능을 추가하고 있습니다.
MS Azure ML, AWS Sagemaker 및 Google Cloud Vertex AI와 같은 기존의 대형 수평 AI 소프트웨어 도구 외에도 CAMMS (Computerized Maintenance Management Systems), ERP (Enterprise Systems) 또는 엔터프라이즈 리소스 계획 (ERP)과 같은 전통적인 소프트웨어 제품군은 이제 AI 기능을 주입하여 크게 개선 할 수 있습니다. 예를 들어, ERP 제공 업체 Epicor Software는 Epicor Virtual Assistant (EVA)를 통해 기존 제품에 AI 기능을 추가하고 있습니다. Intelligent EVA 에이전트는 제조 작업을 조정하거나 간단한 쿼리를 수행하는 등 ERP 프로세스를 자동화하는 데 사용됩니다 (예 : 제품 가격 또는 사용 가능한 부품 수에 대한 세부 정보를 얻음).
AIOT를 사용하여 산업용 사용 사례가 업그레이드되고 있습니다.
기존 하드웨어/소프트웨어 인프라에 AI 기능을 추가하여 몇 가지 산업용 사용 사례가 향상되고 있습니다. 생생한 예는 품질 관리 응용 프로그램의 기계 비전입니다. 기존의 기계 비전 시스템은 사전 결정된 매개 변수 및 임계 값 (예 : 높은 대비)을 평가하여 객체가 결함을 나타내는 지 여부를 결정하는 특수 소프트웨어가 장착 된 통합 또는 이산 컴퓨터를 통해 이미지를 처리합니다. 대부분의 경우 (예 : 배선 모양이 다른 전자 부품) 오 탐지의 수는 매우 높습니다.
그러나 이러한 시스템은 인공 지능을 통해 부활하고 있습니다. 예를 들어, Industrial Machine Vision 제공 업체 인 Cognex는 2021 년 7 월에 새로운 딥 러닝 도구 (Vision Pro Deep Learning 2.0)를 출시했습니다. 새로운 도구는 전통적인 비전 시스템과 통합되어 최종 사용자가 동일한 응용 프로그램의 전통적인 비전 도구와 동일한 의료 및 전자 환경을 결합하여 정확한 스크래치, 오염 및 기타 결함을 측정해야합니다.
요인 4 : 산업 AIOT 하드웨어가 개선되고 있습니다
AI 칩이 빠르게 향상되고 있습니다.
임베디드 하드웨어 AI 칩이 빠르게 성장하고 있으며 AI 모델의 개발 및 배포를 지원할 수있는 다양한 옵션이 있습니다. 예를 들어 NVIDIA의 최신 그래픽 처리 장치 (GPU), A30 및 A10은 2021 년 3 월에 도입되었으며 권장 시스템 및 컴퓨터 비전 시스템과 같은 AI 사용 사례에 적합합니다. 또 다른 예는 특정 AI 워크로드 (예 : 객체 감지, 이미지 분류 및 권장 벤치 마크)에 대한 모델 개발 및 배포에서 최대 1,000 배 더 많은 효율성과 속도를 달성 할 수있는 강력한 특수 목적 통합 회로 (ASIC) 인 Google의 4 세대 텐서 처리 장치 (TPU)입니다. 전용 AI 하드웨어를 사용하면 모델 계산 시간이 며칠에서 분으로 줄어들고 많은 경우 게임 체인저로 입증되었습니다.
강력한 AI 하드웨어는 지불 당 지불 모델을 통해 즉시 사용할 수 있습니다.
Superscale Enterprises는 서버를 지속적으로 업그레이드하여 클라우드에서 컴퓨팅 리소스를 사용할 수 있도록 최종 사용자가 산업 AI 애플리케이션을 구현할 수 있도록합니다. 예를 들어, 2021 년 11 월, AWS는 컴퓨터 비전 및 권장 엔진을 포함한 다양한 ML 애플리케이션을 위해 NVIDIA A10G TENSOR CORE GPU에 의해 구동되는 최신 GPU 기반 인스턴스 인 Amazon EC2 G5의 공식 출시를 발표했습니다. 예를 들어, 탐지 시스템 공급자 나노 트로닉스는 AMANON EC2를 사용하여 AI 기반 품질 관리 솔루션의 예제를 사용하여 처리 노력 속도를 높이고 마이크로 칩 및 나노 튜브 제조에서보다 정확한 탐지 속도를 달성합니다.
결론과 전망
AI는 공장에서 나오며 AI 기반 PDM과 같은 새로운 응용 프로그램에서 유비쿼터스가되고 기존 소프트웨어 및 사용 사례가 향상 될 것입니다. 대기업은 여러 AI 사용 사례를 출시하고 성공을보고하고 있으며 대부분의 프로젝트는 투자 수익률이 높습니다. 대체로 클라우드, IoT 플랫폼 및 강력한 AI 칩의 상승은 새로운 세대의 소프트웨어 및 최적화를위한 플랫폼을 제공합니다.
후 시간 : 1 월 12 일. 12-2022