Производители внедряют IoT с усиленным ИИ для цепочек поставок, производства и инноваций

IoT-расширенный ИИ приносит три главные выгоды производителям: оптимизацию цепочки поставок, умное производство и инновацию продуктов или услуг.

Существует богатство данных, теперь поступающих с многочисленных краев IoT, поэтому естественно начать думать о способах применения искусственного интеллекта (ИИ) для доставки ценных инсайтов бизнесу. Для производителей это может быть игрушкой, драматически сокращающей затраты и ускоряющей их вход в сервисный бизнес. Однако многие находятся только в начале этого пути.

Имpending сближение между IoT и ИИ было исследовано на панели на недавней конференции AI World в Бостоне, модерируемой Лесом Ямансом, исполнительным редактором RTInsights.

См. также: Германия превращает производство в искусство IoT

Потенциал IoT-расширенного ИИ приносит три главные выгоды производителям в настоящее время — оптимизацию цепочки поставок, умное производство и инновацию продуктов или услуг, сказал Рейд Пэкин, директор по исследованиям IDC. В настоящее время, добавил он, «умное производство — это то, где большинство компаний начинают и фокусируют свои инвестиции. Это особенно верно для процессного производства, конкретно управления активами». На стороне дискретного производства, он говорит, «большая возможность — продукты и услуги — много производителей пытаются быстрее выводить продукты, но затем также пытаются изменить свой продукт-сервисный микс, движусь к сервитизации».

Переход к данным и ИИ-ориентированному предприятию может занять время для многих производителей, согласились панелисты. «В любом проекте науки о данных или ИИ, первый шаг — сбор и организация ваших данных», сказал Закария Эслами, лидер доставки, эксперт по данным и ИИ в лабораториях IBM и обучении. Вызов — привести данные вместе из разрозненных частей предприятия, он заметил. «Проблема — во входе из данных и сборах данных, склады часто распределены среди разных ИТ-групп, разных команд, использующих их без единого репозитория или каталога знаний, который вы могли бы взять и распределить данные и манипулировать ими, извлекать эти инсайты из них».

Другой вызов для IoT-ИИ проектов — общий дефицит навыков, продолжил Эслами. «Это в обоих смыслах: способности адаптироваться к компьютерной науке, пониманию и обучению и использованию Python или R ноутбуков, и реально получении четкого понимания того, что значит чистить данные, готовить их и затем начинать анализ на них, так что вы можете строить машинные модели поверх них».

Когда речь идет о начале пути ИИ, «где вы стоите зависит от того, где вы сидите», сказал Райан Мартин, главный аналитик ABI Research. «Если вы владеете производственным заводом приличного размера — пару сотен тысяч квадратных футов — начните с мониторинга состояния или отслеживания активов. Отслеживание активов будет наиболее релевантным, так как это помогает затратам, помогает компании оставаться организованной». Предиктивное обслуживание — еще одна точка входа, так как «не имеет смысла посылать кого-то на инспекцию всех разных огнетушителей, которые там есть на ежемесячной основе, если только четыре из них нужно заменить».

Пэкин согласился, что управление активами — хорошая точка входа для ИИ-усиленного IoT, вместе с визионными системами качества. Кроме того, «все крупные провайдеры ERP пытаются вплести ИИ в свои приложения, особенно в финансовой стороне и стороне планирования».

Панелисты также обсуждали использование цифровых двойников для производства, будь то внедрение цифрового двойника для детали, для машины, для целого завода, для продуктов на заводе. «Производство — очень большое пространство для цифровых двойников», сказал Эслами. «NASA начала внедрять это первой, GE делает это для реактивных двигателей, Siemens делает это для альтернативной энергии, Chevron делает это для нефтяных месторождений. «Великая вещь о цифровых двойниках в том, что в основе всех них лежит модель, которая принимает данные и может тестировать различные обстоятельства и ситуации. С ИИ вы можете вводить и тестировать множественные переменные в реальном времени, и корректировать производительность, и видеть, как это отреагирует со временем. Это огромная экономия затрат».

Имpending приход 5G сетей — которые лучше облегчат реальные машино-машинные сети — также был изучен. «5G произойдет как 4G вышел быстрее чем 3G, 5G придет быстрее чем 4G», предсказал Мартин. «Что интересно в 5G — это возможности, которые приходят с ним — детерминистический нетворкинг. Это значит, «хорошо, важнее сказать тому роботу остановиться, чем чтобы датчик вибрации продолжал идти». Это придет со спецификацией 5G дальше по линии, в таймфрейме 2021-2025».

Мартин добавил, что «это займет некоторое время, прежде чем вы действительно начнете видеть вещи, но ранние испытания, которые мы видим с 5G, невероятно убедительны, технология делает то, что они говорят, что она будет, это просто вопрос оборачивания правильных стандартов вокруг нее и вывода ее на рынок».