నాలుగు అంశాలు పారిశ్రామిక అయోట్‌ను కొత్త ఇష్టమైనవిగా చేస్తాయి

ఇటీవల విడుదల చేసిన పారిశ్రామిక AI మరియు AI మార్కెట్ రిపోర్ట్ 2021-2026 ప్రకారం, పారిశ్రామిక అమరికలలో AI యొక్క దత్తత రేటు కేవలం రెండేళ్లలో 19 శాతం నుండి 31 శాతానికి పెరిగింది. వారి కార్యకలాపాలలో పూర్తిగా లేదా పాక్షికంగా AI ని పాక్షికంగా రూపొందించిన ప్రతివాదులలో 31 శాతం మందితో పాటు, మరో 39 శాతం మంది ప్రస్తుతం సాంకేతిక పరిజ్ఞానాన్ని పరీక్షిస్తున్నారు లేదా పైలట్ చేస్తున్నారు.

ప్రపంచవ్యాప్తంగా తయారీదారులు మరియు ఇంధన సంస్థలకు AI కీలకమైన సాంకేతిక పరిజ్ఞానంగా ఉద్భవిస్తోంది, మరియు పారిశ్రామిక AI సొల్యూషన్స్ మార్కెట్ 35% యొక్క బలమైన పోస్ట్-పండిక సమ్మేళనం వార్షిక వృద్ధి రేటు (CAGR) ను 2026 నాటికి 102.17 బిలియన్ డాలర్లకు చేరుకుంటుందని IoT విశ్లేషణ అంచనా వేసింది.

డిజిటల్ యుగం ఇంటర్నెట్ ఆఫ్ థింగ్స్‌కు జన్మనిచ్చింది. కృత్రిమ మేధస్సు యొక్క ఆవిర్భావం ఇంటర్నెట్ ఆఫ్ థింగ్స్ అభివృద్ధి యొక్క వేగాన్ని వేగవంతం చేసిందని చూడవచ్చు.

పారిశ్రామిక AI మరియు AIOT యొక్క పెరుగుదలను నడిపించే కొన్ని అంశాలను పరిశీలిద్దాం.

కారకం 1: పారిశ్రామిక AIOT కోసం ఎక్కువ సాఫ్ట్‌వేర్ సాధనాలు

2019 లో, IoT విశ్లేషణలు పారిశ్రామిక AI ని కవర్ చేయడం ప్రారంభించినప్పుడు, కార్యాచరణ సాంకేతిక పరిజ్ఞానం (OT) విక్రేతల నుండి అంకితమైన AI సాఫ్ట్‌వేర్ ఉత్పత్తులు తక్కువ. అప్పటి నుండి, చాలా మంది OT విక్రేతలు ఫ్యాక్టరీ అంతస్తు కోసం AI ప్లాట్‌ఫారమ్‌ల రూపంలో AI సాఫ్ట్‌వేర్ పరిష్కారాలను అభివృద్ధి చేయడం మరియు అందించడం ద్వారా AI మార్కెట్‌లోకి ప్రవేశించారు.

డేటా ప్రకారం, దాదాపు 400 మంది విక్రేతలు AIOT సాఫ్ట్‌వేర్‌ను అందిస్తున్నారు. పారిశ్రామిక AI మార్కెట్లో చేరిన సాఫ్ట్‌వేర్ విక్రేతల సంఖ్య గత రెండు సంవత్సరాల్లో గణనీయంగా పెరిగింది. అధ్యయనం సమయంలో, IoT విశ్లేషణలు AI టెక్నాలజీ యొక్క 634 సరఫరాదారులను తయారీదారులు/పారిశ్రామిక వినియోగదారులకు గుర్తించింది. ఈ కంపెనీలలో, 389 (61.4%) AI సాఫ్ట్‌వేర్‌ను అందిస్తున్నాయి.

కొత్త AI సాఫ్ట్‌వేర్ ప్లాట్‌ఫాం పారిశ్రామిక పరిసరాలపై దృష్టి పెడుతుంది. తీసుకోవడం, బ్రెయిన్‌క్యూబ్ లేదా సి 3 AI కి మించి, పెరుగుతున్న సంఖ్యలో కార్యాచరణ సాంకేతిక పరిజ్ఞానం (OT) విక్రేతలు అంకితమైన AI సాఫ్ట్‌వేర్ ప్లాట్‌ఫారమ్‌లను అందిస్తున్నారు. ఉదాహరణలు ABB యొక్క జెనిక్స్ ఇండస్ట్రియల్ అనలిటిక్స్ మరియు AI సూట్, రాక్వెల్ ఆటోమేషన్ యొక్క ఫ్యాక్టరీ టాక్ ఇన్నోవేషన్ సూట్, ష్నైడర్ ఎలక్ట్రిక్ యొక్క సొంత తయారీ కన్సల్టింగ్ ప్లాట్‌ఫాం మరియు ఇటీవల, నిర్దిష్ట యాడ్-ఆన్‌లు. ఈ ప్లాట్‌ఫారమ్‌లలో కొన్ని విస్తృత శ్రేణి కేసులను లక్ష్యంగా చేసుకుంటాయి. ఉదాహరణకు, ABB యొక్క జెనిక్స్ ప్లాట్‌ఫాం అధునాతన విశ్లేషణలను అందిస్తుంది, వీటిలో కార్యాచరణ పనితీరు నిర్వహణ, ఆస్తి సమగ్రత, స్థిరత్వం మరియు సరఫరా గొలుసు సామర్థ్యం కోసం ముందుగా నిర్మించిన అనువర్తనాలు మరియు సేవలు ఉన్నాయి.

పెద్ద కంపెనీలు తమ AI సాఫ్ట్‌వేర్ సాధనాలను షాప్ ఫ్లోర్‌లో ఉంచుతున్నాయి.

AYS సాఫ్ట్‌వేర్ సాధనాల లభ్యత AWS, మైక్రోసాఫ్ట్ మరియు గూగుల్ వంటి పెద్ద కంపెనీలు అభివృద్ధి చేసిన కొత్త యూజ్-కేస్ నిర్దిష్ట సాఫ్ట్‌వేర్ సాధనాల ద్వారా కూడా నడపబడుతుంది. ఉదాహరణకు, డిసెంబర్ 2020 లో, AWS అమెజాన్ సాగ్‌మేకర్ జంప్‌స్టార్ట్‌ను విడుదల చేసింది, ఇది అమెజాన్ సాగేమేకర్ యొక్క లక్షణం, ఇది PDM, కంప్యూటర్ విజన్ మరియు అటానమస్ డ్రైవింగ్ వంటి అత్యంత సాధారణ పారిశ్రామిక వినియోగ కేసుల కోసం ముందుగా నిర్మించిన మరియు అనుకూలీకరించదగిన పరిష్కారాల సమితిని అందిస్తుంది.

ఉపయోగం-కేస్-నిర్దిష్ట సాఫ్ట్‌వేర్ పరిష్కారాలు వినియోగ మెరుగుదలలను నడుపుతున్నాయి.

Use హాజనిత నిర్వహణపై దృష్టి సారించినవి వంటి యూజ్-కేస్-నిర్దిష్ట సాఫ్ట్‌వేర్ సూట్‌లు సర్వసాధారణంగా మారుతున్నాయి. 2021 ప్రారంభంలో AI- ఆధారిత ప్రొడక్ట్ డేటా మేనేజ్‌మెంట్ (పిడిఎం) సాఫ్ట్‌వేర్ పరిష్కారాలను ఉపయోగించే ప్రొవైడర్ల సంఖ్య 73 కి పెరిగిందని ఐఒటి అనలిటిక్స్ గమనించింది, ఎందుకంటే వివిధ రకాల డేటా వనరులు పెరుగుదల మరియు ప్రీ-ట్రైనింగ్ మోడళ్ల ఉపయోగం, అలాగే డేటా మెరుగుదల సాంకేతికతలను విస్తృతంగా స్వీకరించడం.

కారకం 2: AI పరిష్కారాల అభివృద్ధి మరియు నిర్వహణ సరళీకృతం చేయబడుతోంది

ఆటోమేటెడ్ మెషిన్ లెర్నింగ్ (ఆటోమ్ఎల్) ప్రామాణిక ఉత్పత్తిగా మారుతోంది.

మెషిన్ లెర్నింగ్ (ML) తో సంబంధం ఉన్న పనుల సంక్లిష్టత కారణంగా, యంత్ర అభ్యాస అనువర్తనాల యొక్క వేగవంతమైన పెరుగుదల నైపుణ్యం లేకుండా ఉపయోగించగల ఆఫ్-ది-షెల్ఫ్ మెషిన్ లెర్నింగ్ పద్ధతుల అవసరాన్ని సృష్టించింది. ఫలిత పరిశోధన రంగం, యంత్ర అభ్యాసానికి ప్రగతిశీల ఆటోమేషన్, ఆటోమ్ల్ అంటారు. ML నమూనాలను అభివృద్ధి చేయడానికి మరియు పారిశ్రామిక వినియోగ కేసులను వేగంగా అమలు చేయడానికి వినియోగదారులకు సహాయపడటానికి వివిధ రకాల కంపెనీలు వారి AI సమర్పణలలో భాగంగా ఈ సాంకేతిక పరిజ్ఞానాన్ని ప్రభావితం చేస్తున్నాయి. ఉదాహరణకు, నవంబర్ 2020 లో, SKF ఆటోమ్ల్-ఆధారిత ఉత్పత్తిని ప్రకటించింది, ఇది యంత్ర ప్రక్రియ డేటాను వైబ్రేషన్ మరియు ఉష్ణోగ్రత డేటాతో మిళితం చేస్తుంది, ఖర్చులను తగ్గించడానికి మరియు వినియోగదారుల కోసం కొత్త వ్యాపార నమూనాలను ప్రారంభించండి.

మెషిన్ లెర్నింగ్ ఆపరేషన్స్ (ML OPS) మోడల్ నిర్వహణ మరియు నిర్వహణను సరళీకృతం చేస్తుంది.

యంత్ర అభ్యాస కార్యకలాపాల యొక్క కొత్త క్రమశిక్షణ తయారీ పరిసరాలలో AI మోడళ్ల నిర్వహణను సరళీకృతం చేయడమే. AI మోడల్ యొక్క పనితీరు సాధారణంగా కాలక్రమేణా క్షీణిస్తుంది, ఎందుకంటే ఇది మొక్కలోని అనేక కారకాలచే ప్రభావితమవుతుంది (ఉదాహరణకు, డేటా పంపిణీ మరియు నాణ్యత ప్రమాణాలలో మార్పులు). తత్ఫలితంగా, పారిశ్రామిక పరిసరాల యొక్క అధిక నాణ్యత గల అవసరాలను తీర్చడానికి మోడల్ నిర్వహణ మరియు యంత్ర అభ్యాస కార్యకలాపాలు అవసరమయ్యాయి (ఉదాహరణకు, 99% కన్నా తక్కువ పనితీరు ఉన్న నమూనాలు కార్మికుల భద్రతకు అపాయం కలిగించే ప్రవర్తనను గుర్తించడంలో విఫలమవుతాయి).

ఇటీవలి సంవత్సరాలలో, డేటారోబోట్, గ్రిడ్.ఐఐ, పిన్‌కోన్/జిల్లిజ్, సెల్డన్ మరియు బరువులు & పక్షపాతాలతో సహా అనేక స్టార్టప్‌లు ML OPS స్థలంలో చేరాయి. స్థాపించబడిన కంపెనీలు అజూర్ ML స్టూడియోలో డేటా డ్రిఫ్ట్ డిటెక్షన్‌ను ప్రవేశపెట్టిన మైక్రోసాఫ్ట్‌తో సహా వారి ప్రస్తుత AI సాఫ్ట్‌వేర్ సమర్పణలకు యంత్ర అభ్యాస కార్యకలాపాలను జోడించాయి. ఈ క్రొత్త లక్షణం మోడల్ పనితీరును క్షీణింపజేసే ఇన్పుట్ డేటా పంపిణీలో మార్పులను గుర్తించడానికి వినియోగదారులను అనుమతిస్తుంది.

కారకం 3: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఇప్పటికే ఉన్న అనువర్తనాలకు వర్తించబడుతుంది మరియు కేసులను ఉపయోగించండి

సాంప్రదాయ సాఫ్ట్‌వేర్ ప్రొవైడర్లు AI సామర్థ్యాలను జోడిస్తున్నారు.

Ms అజూర్ ML, AWS సాగేమేకర్ మరియు గూగుల్ క్లౌడ్ వెర్టెక్స్ AI వంటి పెద్ద క్షితిజ సమాంతర AI సాఫ్ట్‌వేర్ సాధనాలతో పాటు, కంప్యూటరైజ్డ్ మెయింటెనెన్స్ మేనేజ్‌మెంట్ సిస్టమ్స్ (CAMM లు), తయారీ అమలు వ్యవస్థలు (MES) లేదా ఎంటర్ప్రైజ్ రిసోర్స్ ప్లానింగ్ (ERP) వంటి సాంప్రదాయ సాఫ్ట్‌వేర్ సూట్‌లు ఇప్పుడు AI క్యాప్యూసిటీలను రూపొందించడం ద్వారా గణనీయంగా మెరుగుపరచబడతాయి. ఉదాహరణకు, ERP ప్రొవైడర్ ఎపికోర్ సాఫ్ట్‌వేర్ దాని ఎపికోర్ వర్చువల్ అసిస్టెంట్ (EVA) ద్వారా దాని ప్రస్తుత ఉత్పత్తులకు AI సామర్థ్యాలను జోడిస్తోంది. ఉత్పాదక కార్యకలాపాలను రీషెడ్యూల్ చేయడం లేదా సాధారణ ప్రశ్నలను చేయడం వంటి ERP ప్రక్రియలను ఆటోమేట్ చేయడానికి ఇంటెలిజెంట్ EVA ఏజెంట్లు ఉపయోగించబడతాయి (ఉదాహరణకు, ఉత్పత్తి ధర లేదా అందుబాటులో ఉన్న భాగాల సంఖ్య గురించి వివరాలను పొందడం).

AIOT ని ఉపయోగించి పారిశ్రామిక వినియోగ కేసులను అప్‌గ్రేడ్ చేస్తున్నారు.

ఇప్పటికే ఉన్న హార్డ్‌వేర్/సాఫ్ట్‌వేర్ మౌలిక సదుపాయాలకు AI సామర్థ్యాలను జోడించడం ద్వారా అనేక పారిశ్రామిక వినియోగ కేసులు మెరుగుపడుతున్నాయి. నాణ్యత నియంత్రణ అనువర్తనాల్లో యంత్ర దృష్టి స్పష్టమైన ఉదాహరణ. సాంప్రదాయ యంత్ర దృష్టి వ్యవస్థలు ప్రత్యేకమైన సాఫ్ట్‌వేర్‌తో కూడిన ఇంటిగ్రేటెడ్ లేదా వివిక్త కంప్యూటర్ల ద్వారా చిత్రాలను ప్రాసెస్ చేస్తాయి, ఇవి ముందుగా నిర్ణయించిన పారామితులు మరియు పరిమితులు (ఉదా., అధిక కాంట్రాస్ట్) ను అంచనా వేస్తాయి. అనేక సందర్భాల్లో (ఉదాహరణకు, వేర్వేరు వైరింగ్ ఆకారాలతో ఎలక్ట్రానిక్ భాగాలు), తప్పుడు పాజిటివ్ల సంఖ్య చాలా ఎక్కువ.

అయితే, ఈ వ్యవస్థలు కృత్రిమ మేధస్సు ద్వారా పునరుద్ధరించబడుతున్నాయి. ఉదాహరణకు, ఇండస్ట్రియల్ మెషిన్ విజన్ ప్రొవైడర్ కాగ్నెక్స్ జూలై 2021 లో కొత్త డీప్ లెర్నింగ్ టూల్ (విజన్ ప్రో డీప్ లెర్నింగ్ 2.0) ను విడుదల చేసింది. కొత్త సాధనాలు సాంప్రదాయ దృష్టి వ్యవస్థలతో కలిసిపోతాయి, తుది వినియోగదారులను అదే అనువర్తనంలో సాంప్రదాయిక దృష్టి సాధనాలతో కలపడానికి వీలు కల్పిస్తాయి, ఇది వైద్య మరియు ఎలక్ట్రానిక్ వాతావరణాలను తీర్చడానికి, స్క్రాచ్‌లు, కాంటామినేషన్ మరియు ఇతర లోపాల యొక్క ఖచ్చితమైన కొలత అవసరమయ్యే డిమాండ్.

కారకం 4: పారిశ్రామిక AIOT హార్డ్‌వేర్ మెరుగుపరచబడింది

AI చిప్స్ వేగంగా మెరుగుపడుతున్నాయి.

ఎంబెడెడ్ హార్డ్‌వేర్ AI చిప్స్ వేగంగా పెరుగుతున్నాయి, AI మోడళ్ల అభివృద్ధి మరియు విస్తరణకు మద్దతు ఇవ్వడానికి వివిధ ఎంపికలు అందుబాటులో ఉన్నాయి. ఉదాహరణలు ఎన్విడియా యొక్క తాజా గ్రాఫిక్స్ ప్రాసెసింగ్ యూనిట్లు (GPU లు), A30 మరియు A10, ఇవి మార్చి 2021 లో ప్రవేశపెట్టబడ్డాయి మరియు సిఫార్సు వ్యవస్థలు మరియు కంప్యూటర్ విజన్ సిస్టమ్స్ వంటి AI వినియోగ కేసులకు అనుకూలంగా ఉంటాయి. మరొక ఉదాహరణ గూగుల్ యొక్క నాల్గవ తరం టెన్సర్ల ప్రాసెసింగ్ యూనిట్లు (టిపియు), ఇవి శక్తివంతమైన ప్రత్యేక-ప్రయోజనాల ఇంటిగ్రేటెడ్ సర్క్యూట్లు (ఎసిఐసిఎస్), ఇవి నిర్దిష్ట AI పనిభారం కోసం మోడల్ అభివృద్ధి మరియు విస్తరణలో 1,000 రెట్లు ఎక్కువ సామర్థ్యం మరియు వేగాన్ని సాధించగలవు (ఉదా., ఆబ్జెక్ట్ డిటెక్షన్, ఇమేజ్ వర్గీకరణ మరియు సిఫార్సు బెంచ్మార్క్స్). అంకితమైన AI హార్డ్‌వేర్‌ను ఉపయోగించడం మోడల్ గణన సమయాన్ని రోజుల నుండి నిమిషాల వరకు తగ్గిస్తుంది మరియు చాలా సందర్భాల్లో గేమ్ ఛేంజర్‌గా నిరూపించబడింది.

పే-పర్-యూజ్ మోడల్ ద్వారా శక్తివంతమైన AI హార్డ్‌వేర్ వెంటనే లభిస్తుంది.

క్లౌడ్‌లో కంప్యూటింగ్ వనరులను అందుబాటులో ఉంచడానికి సూపర్‌స్కేల్ సంస్థలు తమ సర్వర్‌లను నిరంతరం అప్‌గ్రేడ్ చేస్తాయి, తద్వారా తుది వినియోగదారులు పారిశ్రామిక AI అనువర్తనాలను అమలు చేయవచ్చు. ఉదాహరణకు, నవంబర్ 2021 లో, AWS తన తాజా GPU- ఆధారిత సందర్భాలు, అమెజాన్ EC2 G5 ను అధికారికంగా విడుదల చేస్తున్నట్లు ప్రకటించింది, ఇది కంప్యూటర్ విజన్ మరియు సిఫార్సు ఇంజిన్లతో సహా పలు రకాల ML అనువర్తనాల కోసం NVIDIA A10G టెన్సర్ కోర్ GPU చేత ఆధారితం. ఉదాహరణకు, ప్రాసెసింగ్ ప్రయత్నాలను వేగవంతం చేయడానికి మరియు మైక్రోచిప్‌లు మరియు నానోట్యూబ్‌ల తయారీలో మరింత ఖచ్చితమైన గుర్తింపు రేట్లను సాధించడానికి డిటెక్షన్ సిస్టమ్స్ ప్రొవైడర్ నానోట్రోనిక్స్ దాని AI- ఆధారిత నాణ్యత నియంత్రణ పరిష్కారం యొక్క అమెజాన్ EC2 ఉదాహరణలను ఉపయోగిస్తుంది.

తీర్మానం మరియు అవకాశాలు

AI ఫ్యాక్టరీ నుండి బయటకు వస్తోంది, మరియు ఇది AI- ఆధారిత PDM వంటి కొత్త అనువర్తనాలలో మరియు ఇప్పటికే ఉన్న సాఫ్ట్‌వేర్‌కు మెరుగుదలలు మరియు కేసులను ఉపయోగిస్తుంది. పెద్ద సంస్థలు అనేక AI వినియోగ కేసులను మరియు విజయాన్ని నివేదిస్తున్నాయి మరియు చాలా ప్రాజెక్టులు పెట్టుబడిపై అధిక రాబడిని కలిగి ఉన్నాయి. మొత్తం మీద, క్లౌడ్ యొక్క పెరుగుదల, IoT ప్లాట్‌ఫారమ్‌లు మరియు శక్తివంతమైన AI చిప్స్ కొత్త తరం సాఫ్ట్‌వేర్ మరియు ఆప్టిమైజేషన్ కోసం ఒక వేదికను అందిస్తుంది.