Из AI World:производители готовятся добавить ИИ в свой IoT

Расширенный IoT ИИ дает производителям три основных преимущества:оптимизация цепочки поставок, интеллектуальное производство и инновации в продуктах или услугах.

В настоящее время с многочисленных периферийных устройств Интернета вещей поступает огромное количество данных, поэтому вполне естественно начать думать о способах применения искусственного интеллекта (ИИ) для предоставления бизнесу ценной информации. Для производителей это может изменить правила игры, резко сократив расходы и ускорив выход на рынок услуг. Однако многие из них находятся только в начале этого пути.

Предстоящая конвергенция IoT и ИИ была рассмотрена на панели недавней конференции AI World в Бостоне, которую модерировал Лес Йеманс, исполнительный редактор RTInsights.

См. также: Германия превращает производство в форму искусства Интернета вещей

Потенциал расширенного IoT ИИ дает производителям три основных преимущества в настоящее время:оптимизация цепочки поставок, интеллектуальное производство и инновации в продуктах или услугах, сказал Рейд Пакуин, директор по исследованиям IDC. В настоящее время, добавил он, «умное производство — это то, с чего большинство компаний начинают и сосредотачивают свои инвестиции. Это особенно верно в отношении непрерывного производства, в частности управления активами». Он говорит, что с точки зрения дискретного производства «большие возможности связаны с продуктами и услугами — многие производители пытаются выпускать продукты быстрее, но затем также пытаются изменить свой продукт на обслуживание, переходя к сервитизации».

Участники дискуссии согласились, что переход на предприятие, основанное на данных и искусственном интеллекте, может занять некоторое время для многих производителей. «В любом проекте по науке о данных или искусственному интеллекту первым шагом является сбор и организация ваших данных, — сказал Захария Эслами, руководитель экспертных лабораторий данных и искусственного интеллекта и обучения IBM. По его словам, задача заключается в объединении данных из разрозненных частей предприятия. «Проблема заключается в вводе данных и наборов данных, хранилища часто распределены между разными ИТ-группами, разными командами, которые используют его без единого репозитория или каталога знаний, которые вы можете брать и распространять данные и манипулировать ими, извлекать эти идеи. из него».

Еще одной проблемой для проектов IoT-AI является общая нехватка навыков, продолжил Эслами. «Это как в смысле способности адаптироваться к компьютерным наукам, пониманию, обучению и использованию блокнотов Python или R, так и в действительном получении четкого понимания того, что значит очищать данные, подготавливать их, а затем начинать анализировать. на его основе можно строить модели машин».

Когда дело доходит до начала пути ИИ, «то, где вы находитесь, зависит от того, где вы сидите», — сказал Райан Мартин, главный аналитик ABI Research. «Если вы владеете производственным предприятием приличного размера — пару сотен тысяч квадратных футов — начните с мониторинга состояния или отслеживания активов. организация пребывания компании». Еще одной отправной точкой является профилактическое техническое обслуживание, так как «нет смысла ежемесячно посылать кого-то для проверки всех существующих огнетушителей, если нужно заменить только четыре из них».

Пакуин согласился с тем, что управление активами является хорошей отправной точкой для искусственного интеллекта, улучшенного с помощью Интернета вещей, наряду с системами качества на основе технического зрения. Кроме того, «все крупные поставщики ERP-систем пытаются внедрить ИИ в свои приложения, особенно в финансовой части и в части планирования».

Участники дискуссии также обсудили использование цифровых двойников для производства, будь то внедрение цифрового двойника для детали, для машины, для всего завода или для продуктов на заводе. «Производство — это очень большое пространство для цифровых двойников, — сказал Эслами. «NASA начало внедрять его первым, GE — для реактивных двигателей, Siemens — для альтернативной энергетики, Chevron — для распределения нефтяных месторождений. «Самое замечательное в цифровых двойниках то, что в их основе лежит модель, которая собирает данные и может тестировать различные обстоятельства и ситуации. С помощью ИИ вы можете вводить и тестировать несколько переменных в режиме реального времени, корректировать производительность и смотреть, как она будет реагировать с течением времени. Это огромная экономия средств».

Также было рассмотрено предстоящее появление сетей 5G, которые упростят межмашинные сети в реальном времени. «5G произойдет так же, как 4G появился быстрее, чем 3G, 5G появится быстрее, чем 4G», — предсказал Мартин. «Что интересно в 5G, так это его возможности — детерминированные сети. То есть, «хорошо, гораздо важнее сказать этому роботу остановиться, чем заставить датчик вибрации продолжать работать». Это придет со спецификацией 5G в будущем, в период с 2021 по 2025 год».

Мартин добавил, что «пройдет некоторое время, прежде чем вы действительно начнете видеть вещи, но первые испытания, которые мы наблюдаем с 5G, невероятно убедительны, технология делает то, что они говорят, это просто вопрос обертывания правильных стандартов». вокруг него и вывести его на рынок. “