Renezas пионерит реальное непрерывное ИИ для фабричной автоматизации

ТОКИО — В эпоху умного производства искусственный интеллект больше не опционален; это краеугольный камень. Однако многие фирмы борются с переводом ИИ теории в операционную реальность, цитируя отсутствие инхаус экспертизы и неопределенный ROI. Renesas Electronics переопределяет путь вперед с своим видением «real-time continuous AI» для операционной технологии (OT).

В отличие от data-driven, cloud-центричного «статистического ИИ», популярного в IT, подход Renesas встраивает ИИ непосредственно на фабричных конечных точках. Это позволяет машинам обнаруживать аномалии и принимать решения мгновенно, без задержки round-trip к облаку.

нажмите для большего изображения

Статистическое ИИ для IT против непрерывного ИИ для OT (Источник: Renesas)

Ёшикадзу Ёкота, исполнительный вице-президент и генеральный менеджер подразделения промышленных решений Renesas, объяснил EE Times, что встроенное ИИ критично для обнаружения дефектов и предиктивного обслуживания. «Когда возникает аномалия, встроенное ИИ может отвечать локально и в реальном времени», — сказал он. Три года назад Renesas впервые предложил «AI at endpoints» и протестировал концепцию в своей собственной полупроводниковой фабрике Naka.

«Наша цель — обеспечить real-time инференс в OT при инкрементальном расширении ИИ возможностей на edge», — добавил Ёкота.

Ёшикадзу Ёкота, исполнительный вице-президент в Renesas, планирует фокусироваться на предложении real-time инференса в OT. (Фото: EE Times)

Вводя ИИ инкрементальными шагами, Renesas нацелен помочь производителям быстрее завершать proof-of-concept проекты и понимать истинный ROI их ИИ инвестиций.

Когда применять ИИ к OT

Мицуо Баба, старший директор стратегии и планирования для подразделения Industrial Solution Renesas, подчеркнул, что ИИ доставляет максимальную ценность когда таргетирует хорошо определенные проблемы — такие как конкретные аномалии производственной линии. Он проиллюстрировал концепцию сценарием: опытный операционный менеджер может использовать ИИ для флагинга точного момента начала дефекта, освобождая менеджера фокусироваться на критических интервенциях вместо рутинных инспекций.

В этой модели ИИ обучается один раз на идентифицированных проблемах и затем выполняет инференс на конечных устройствах в реальном времени, устраняя необходимость отправки данных в облако. Баба подсветил, что только 30 КБ данных достаточно для edge инференса, по сравнению с 300 МБ типичными для cloud-базированного статистического ИИ.

Renezas поэтому чемпионирует inference-only подход, который может работать на микроконтроллерах (MCU), позволяя существующему производственному оборудованию быть ретробитым с «AI Unit Solution» китом вместо перестройки целых линий.

«Мы не конкурируем с ИИ чип лидерами вроде Nvidia», — прояснил Баба. «Наша миссия — пионерить новый сегмент встроенного ИИ, где след данных достаточно мал для запуска на конвенциональном MCU/MPU железе».