నాలుగు అంశాలు ఇండస్ట్రియల్ AIOTని కొత్త ఫేవరెట్‌గా మారుస్తున్నాయి

ఇటీవల విడుదలైన 'ఇండస్ట్రియల్ ఏఐ మరియు ఏఐ మార్కెట్ రిపోర్ట్ 2021-2026' ప్రకారం, పారిశ్రామిక రంగంలో ఏఐ వినియోగం రేటు కేవలం రెండేళ్లలోపే 19 శాతం నుంచి 31 శాతానికి పెరిగింది. తమ కార్యకలాపాలలో ఏఐని పూర్తిగా లేదా పాక్షికంగా అమలు చేసిన వారు 31 శాతం ఉండగా, మరో 39 శాతం మంది ప్రస్తుతం ఈ టెక్నాలజీని పరీక్షిస్తున్నారు లేదా పైలట్ ప్రాజెక్ట్‌గా అమలు చేస్తున్నారు.

ప్రపంచవ్యాప్తంగా తయారీదారులు మరియు ఇంధన సంస్థలకు ఏఐ (AI) ఒక కీలక సాంకేతికతగా ఆవిర్భవిస్తోంది, మరియు ఐఓటి (IoT) విశ్లేషణ ప్రకారం, పారిశ్రామిక ఏఐ పరిష్కారాల మార్కెట్ మహమ్మారి అనంతర కాలంలో 35% బలమైన సమ్మేళన వార్షిక వృద్ధి రేటు (CAGR)ను కనబరిచి, 2026 నాటికి $102.17 బిలియన్లకు చేరుకుంటుందని అంచనా వేయబడింది.

డిజిటల్ యుగం ఇంటర్నెట్ ఆఫ్ థింగ్స్‌కు జన్మనిచ్చింది. కృత్రిమ మేధస్సు ఆవిర్భావం ఇంటర్నెట్ ఆఫ్ థింగ్స్ అభివృద్ధి వేగాన్ని పెంచిందని గమనించవచ్చు.

పారిశ్రామిక AI మరియు AIoT పెరుగుదలకు దోహదపడే కొన్ని కారకాలను పరిశీలిద్దాం.

కారకం 1: పారిశ్రామిక AIoT కోసం మరిన్ని సాఫ్ట్‌వేర్ సాధనాలు

2019లో, ఐఓటి అనలిటిక్స్ పారిశ్రామిక ఏఐని కవర్ చేయడం ప్రారంభించినప్పుడు, ఆపరేషనల్ టెక్నాలజీ (ఓటి) విక్రేతల నుండి కొన్ని ప్రత్యేకమైన ఏఐ సాఫ్ట్‌వేర్ ఉత్పత్తులు మాత్రమే ఉండేవి. అప్పటి నుండి, అనేక ఓటి విక్రేతలు ఫ్యాక్టరీ ఫ్లోర్ కోసం ఏఐ ప్లాట్‌ఫారమ్‌ల రూపంలో ఏఐ సాఫ్ట్‌వేర్ పరిష్కారాలను అభివృద్ధి చేసి, అందించడం ద్వారా ఏఐ మార్కెట్‌లోకి ప్రవేశించారు.

డేటా ప్రకారం, దాదాపు 400 మంది విక్రేతలు AIoT సాఫ్ట్‌వేర్‌ను అందిస్తున్నారు. గత రెండేళ్లలో పారిశ్రామిక AI మార్కెట్‌లో చేరే సాఫ్ట్‌వేర్ విక్రేతల సంఖ్య గణనీయంగా పెరిగింది. ఈ అధ్యయనం సందర్భంగా, తయారీదారులు/పారిశ్రామిక వినియోగదారులకు AI సాంకేతికతను సరఫరా చేసే 634 సరఫరాదారులను IoT అనలిటిక్స్ గుర్తించింది. ఈ కంపెనీలలో, 389 (61.4%) AI సాఫ్ట్‌వేర్‌ను అందిస్తున్నాయి.

కొత్త AI సాఫ్ట్‌వేర్ ప్లాట్‌ఫారమ్ పారిశ్రామిక వాతావరణాలపై దృష్టి పెడుతుంది. అప్‌టేక్, బ్రెయిన్‌క్యూబ్, లేదా C3 AIలకు అతీతంగా, పెరుగుతున్న సంఖ్యలో ఆపరేషనల్ టెక్నాలజీ (OT) విక్రేతలు ప్రత్యేకమైన AI సాఫ్ట్‌వేర్ ప్లాట్‌ఫారమ్‌లను అందిస్తున్నారు. ఉదాహరణకు, ABB యొక్క జెనిక్స్ ఇండస్ట్రియల్ అనలిటిక్స్ మరియు AI సూట్, రాక్‌వెల్ ఆటోమేషన్ యొక్క ఫ్యాక్టరీటాక్ ఇన్నోవేషన్ సూట్, ష్నైడర్ ఎలక్ట్రిక్ యొక్క సొంత మాన్యుఫ్యాక్చరింగ్ కన్సల్టింగ్ ప్లాట్‌ఫారమ్, మరియు ఇటీవల, నిర్దిష్ట యాడ్-ఆన్‌లు ఉన్నాయి. ఈ ప్లాట్‌ఫారమ్‌లలో కొన్ని విస్తృత శ్రేణి వినియోగ సందర్భాలను లక్ష్యంగా చేసుకుంటాయి. ఉదాహరణకు, ABB యొక్క జెనిక్స్ ప్లాట్‌ఫారమ్ ఆపరేషనల్ పనితీరు నిర్వహణ, ఆస్తి సమగ్రత, సుస్థిరత మరియు సరఫరా గొలుసు సామర్థ్యం కోసం ముందుగా నిర్మించిన అప్లికేషన్‌లు మరియు సేవలతో సహా అధునాతన విశ్లేషణలను అందిస్తుంది.

పెద్ద కంపెనీలు తమ ఏఐ సాఫ్ట్‌వేర్ సాధనాలను ఉత్పత్తి కేంద్రాలలో వినియోగిస్తున్నాయి.

AWS, మైక్రోసాఫ్ట్ మరియు గూగుల్ వంటి పెద్ద కంపెనీలు అభివృద్ధి చేసిన కొత్త, వినియోగ-కేసుల కోసం ప్రత్యేకమైన సాఫ్ట్‌వేర్ సాధనాల ద్వారా కూడా AI సాఫ్ట్‌వేర్ సాధనాల లభ్యత నడపబడుతోంది. ఉదాహరణకు, డిసెంబర్ 2020లో, AWS, అమెజాన్ సేజ్‌మేకర్ జంప్‌స్టార్ట్‌ను విడుదల చేసింది. ఇది అమెజాన్ సేజ్‌మేకర్ యొక్క ఒక ఫీచర్, ఇది PdM, కంప్యూటర్ విజన్ మరియు అటానమస్ డ్రైవింగ్ వంటి అత్యంత సాధారణ పారిశ్రామిక వినియోగ సందర్భాల కోసం ముందుగా నిర్మించిన మరియు అనుకూలీకరించదగిన పరిష్కారాల సముదాయాన్ని అందిస్తుంది, మరియు వీటిని కేవలం కొన్ని క్లిక్‌లతో డిప్లాయ్ చేయవచ్చు.

వినియోగ సందర్భానికి ప్రత్యేకమైన సాఫ్ట్‌వేర్ పరిష్కారాలు వినియోగ సౌలభ్యాన్ని మెరుగుపరుస్తున్నాయి.

ప్రిడిక్టివ్ మెయింటెనెన్స్‌పై దృష్టి సారించిన వాటి వంటి, వినియోగ సందర్భానికి ప్రత్యేకమైన సాఫ్ట్‌వేర్ సూట్‌లు సర్వసాధారణం అవుతున్నాయి. వివిధ రకాల డేటా మూలాలు మరియు ప్రీ-ట్రైనింగ్ మోడల్‌ల వాడకం పెరగడం, అలాగే డేటా మెరుగుదల సాంకేతికతలను విస్తృతంగా స్వీకరించడం వల్ల, AI-ఆధారిత ఉత్పత్తి డేటా నిర్వహణ (PdM) సాఫ్ట్‌వేర్ పరిష్కారాలను ఉపయోగించే ప్రొవైడర్ల సంఖ్య 2021 ప్రారంభంలో 73కి పెరిగిందని IoT అనలిటిక్స్ గమనించింది.

అంశం 2: AI పరిష్కారాల అభివృద్ధి మరియు నిర్వహణ సరళీకృతం చేయబడుతున్నాయి

ఆటోమేటెడ్ మెషిన్ లెర్నింగ్ (AutoML) ఒక ప్రామాణిక ఉత్పత్తిగా మారుతోంది.

మెషిన్ లెర్నింగ్ (ML)తో ముడిపడి ఉన్న పనుల సంక్లిష్టత కారణంగా, మెషిన్ లెర్నింగ్ అప్లికేషన్ల వేగవంతమైన పెరుగుదల, నైపుణ్యం అవసరం లేకుండా ఉపయోగించగల రెడీమేడ్ మెషిన్ లెర్నింగ్ పద్ధతుల అవసరాన్ని సృష్టించింది. దీని ఫలితంగా ఏర్పడిన, మెషిన్ లెర్నింగ్ కోసం ప్రగతిశీల ఆటోమేషన్ అనే పరిశోధనా రంగాన్ని AutoML అని పిలుస్తారు. వివిధ కంపెనీలు తమ వినియోగదారులకు ML నమూనాలను అభివృద్ధి చేయడంలో మరియు పారిశ్రామిక వినియోగ సందర్భాలను వేగంగా అమలు చేయడంలో సహాయపడటానికి, తమ AI సేవల్లో భాగంగా ఈ సాంకేతికతను ఉపయోగించుకుంటున్నాయి. ఉదాహరణకు, నవంబర్ 2020లో, SKF ఒక autoML-ఆధారిత ఉత్పత్తిని ప్రకటించింది. ఇది ఖర్చులను తగ్గించడానికి మరియు వినియోగదారుల కోసం కొత్త వ్యాపార నమూనాలను ప్రారంభించడానికి, మెషిన్ ప్రాసెస్ డేటాను వైబ్రేషన్ మరియు ఉష్ణోగ్రత డేటాతో మిళితం చేస్తుంది.

మెషిన్ లెర్నింగ్ ఆపరేషన్స్ (ML Ops) మోడల్ నిర్వహణ మరియు నిర్వహణను సులభతరం చేస్తాయి.

మెషిన్ లెర్నింగ్ ఆపరేషన్స్ అనే కొత్త విభాగం, తయారీ వాతావరణాలలో AI మోడళ్ల నిర్వహణను సులభతరం చేయడమే లక్ష్యంగా పెట్టుకుంది. ప్లాంట్‌లోని అనేక కారకాల (ఉదాహరణకు, డేటా పంపిణీ మరియు నాణ్యతా ప్రమాణాలలో మార్పులు) ప్రభావం వల్ల, ఒక AI మోడల్ పనితీరు సాధారణంగా కాలక్రమేణా క్షీణిస్తుంది. ఫలితంగా, పారిశ్రామిక వాతావరణాల యొక్క అధిక నాణ్యతా అవసరాలను తీర్చడానికి మోడల్ నిర్వహణ మరియు మెషిన్ లెర్నింగ్ ఆపరేషన్స్ అవసరమయ్యాయి (ఉదాహరణకు, 99% కంటే తక్కువ పనితీరు ఉన్న మోడళ్లు కార్మికుల భద్రతకు ప్రమాదం కలిగించే ప్రవర్తనను గుర్తించడంలో విఫలం కావచ్చు).

ఇటీవలి సంవత్సరాలలో, డేటారోబోట్, గ్రిడ్.ఏఐ, పైన్‌కోన్/జిల్లిజ్, సెల్డన్, మరియు వెయిట్స్ & బయాసెస్ వంటి అనేక స్టార్టప్‌లు ఎంఎల్ ఆప్స్ రంగంలోకి ప్రవేశించాయి. మైక్రోసాఫ్ట్ వంటి స్థాపిత కంపెనీలు తమ ప్రస్తుత ఏఐ సాఫ్ట్‌వేర్ ఆఫర్‌లకు మెషిన్ లెర్నింగ్ ఆపరేషన్లను జోడించాయి, మైక్రోసాఫ్ట్ అజూర్ ఎంఎల్ స్టూడియోలో డేటా డ్రిఫ్ట్ డిటెక్షన్‌ను ప్రవేశపెట్టింది. ఈ కొత్త ఫీచర్, మోడల్ పనితీరును తగ్గించే ఇన్‌పుట్ డేటా పంపిణీలోని మార్పులను గుర్తించడానికి వినియోగదారులకు వీలు కల్పిస్తుంది.

అంశం 3: ఇప్పటికే ఉన్న అప్లికేషన్‌లు మరియు వినియోగ సందర్భాలకు కృత్రిమ మేధస్సును వర్తింపజేయడం

సాంప్రదాయ సాఫ్ట్‌వేర్ ప్రొవైడర్లు AI సామర్థ్యాలను జోడిస్తున్నారు.

MS Azure ML, AWS SageMaker, మరియు Google Cloud Vertex AI వంటి ఇప్పటికే ఉన్న పెద్ద హారిజాంటల్ AI సాఫ్ట్‌వేర్ సాధనాలకు అదనంగా, కంప్యూటరైజ్డ్ మెయింటెనెన్స్ మేనేజ్‌మెంట్ సిస్టమ్స్ (CAMMS), మాన్యుఫ్యాక్చరింగ్ ఎగ్జిక్యూషన్ సిస్టమ్స్ (MES) లేదా ఎంటర్‌ప్రైజ్ రిసోర్స్ ప్లానింగ్ (ERP) వంటి సాంప్రదాయ సాఫ్ట్‌వేర్ సూట్‌లను ఇప్పుడు AI సామర్థ్యాలను జోడించడం ద్వారా గణనీయంగా మెరుగుపరచవచ్చు. ఉదాహరణకు, ERP ప్రొవైడర్ ఎపికోర్ సాఫ్ట్‌వేర్ తన ఎపికోర్ వర్చువల్ అసిస్టెంట్ (EVA) ద్వారా తన ప్రస్తుత ఉత్పత్తులకు AI సామర్థ్యాలను జోడిస్తోంది. తయారీ కార్యకలాపాలను పునఃప్రణాళిక చేయడం లేదా సాధారణ ప్రశ్నలను (ఉదాహరణకు, ఉత్పత్తి ధర లేదా అందుబాటులో ఉన్న భాగాల సంఖ్య గురించి వివరాలను పొందడం) నిర్వహించడం వంటి ERP ప్రక్రియలను స్వయంచాలకం చేయడానికి తెలివైన EVA ఏజెంట్లు ఉపయోగించబడతాయి.

AIoTని ఉపయోగించడం ద్వారా పారిశ్రామిక వినియోగ సందర్భాలు ఉన్నతీకరించబడుతున్నాయి.

ఇప్పటికే ఉన్న హార్డ్‌వేర్/సాఫ్ట్‌వేర్ మౌలిక సదుపాయాలకు AI సామర్థ్యాలను జోడించడం ద్వారా అనేక పారిశ్రామిక వినియోగ సందర్భాలు మెరుగుపరచబడుతున్నాయి. నాణ్యత నియంత్రణ అనువర్తనాలలో మెషిన్ విజన్ దీనికి ఒక స్పష్టమైన ఉదాహరణ. సాంప్రదాయ మెషిన్ విజన్ వ్యవస్థలు, వస్తువులలో లోపాలు ఉన్నాయో లేదో నిర్ధారించడానికి ముందుగా నిర్ణయించిన పారామితులు మరియు పరిమితులను (ఉదాహరణకు, అధిక కాంట్రాస్ట్) మూల్యాంకనం చేసే ప్రత్యేక సాఫ్ట్‌వేర్‌తో కూడిన సమీకృత లేదా వివిక్త కంప్యూటర్‌ల ద్వారా చిత్రాలను ప్రాసెస్ చేస్తాయి. చాలా సందర్భాలలో (ఉదాహరణకు, విభిన్న వైరింగ్ ఆకారాలు కలిగిన ఎలక్ట్రానిక్ భాగాలు), తప్పుడు పాజిటివ్‌ల సంఖ్య చాలా ఎక్కువగా ఉంటుంది.

అయితే, ఈ వ్యవస్థలు కృత్రిమ మేధస్సు ద్వారా పునరుద్ధరించబడుతున్నాయి. ఉదాహరణకు, ఇండస్ట్రియల్ మెషిన్ విజన్ ప్రొవైడర్ అయిన కాగ్నెక్స్, జూలై 2021లో ఒక కొత్త డీప్ లెర్నింగ్ టూల్ (విజన్ ప్రో డీప్ లెర్నింగ్ 2.0)ను విడుదల చేసింది. ఈ కొత్త టూల్స్ సాంప్రదాయ విజన్ సిస్టమ్‌లతో అనుసంధానం అవుతాయి. దీనివల్ల, గీతలు, కాలుష్యం మరియు ఇతర లోపాలను కచ్చితంగా కొలవాల్సిన అవసరం ఉన్న క్లిష్టమైన వైద్య మరియు ఎలక్ట్రానిక్ వాతావరణాలకు అనుగుణంగా, తుది వినియోగదారులు డీప్ లెర్నింగ్‌ను సాంప్రదాయ విజన్ టూల్స్‌తో ఒకే అప్లికేషన్‌లో మిళితం చేయడానికి వీలవుతుంది.

కారకం 4: పారిశ్రామిక AIoT హార్డ్‌వేర్ మెరుగుపరచబడుతోంది

ఏఐ చిప్‌లు వేగంగా మెరుగుపడుతున్నాయి.

ఎంబెడెడ్ హార్డ్‌వేర్ AI చిప్‌లు వేగంగా అభివృద్ధి చెందుతున్నాయి, AI మోడల్‌ల అభివృద్ధి మరియు విస్తరణకు మద్దతు ఇవ్వడానికి అనేక రకాల ఎంపికలు అందుబాటులో ఉన్నాయి. ఉదాహరణకు, మార్చి 2021లో పరిచయం చేయబడిన NVIDIA యొక్క తాజా గ్రాఫిక్స్ ప్రాసెసింగ్ యూనిట్లు (Gpus) అయిన A30 మరియు A10, సిఫార్సు వ్యవస్థలు (recommendation systems) మరియు కంప్యూటర్ విజన్ సిస్టమ్స్ వంటి AI వినియోగ సందర్భాలకు (use cases) అనుకూలంగా ఉంటాయి. మరొక ఉదాహరణ గూగుల్ యొక్క నాల్గవ తరం టెన్సర్స్ ప్రాసెసింగ్ యూనిట్లు (TPus). ఇవి శక్తివంతమైన ప్రత్యేక-ప్రయోజన ఇంటిగ్రేటెడ్ సర్క్యూట్లు (ASics), ఇవి నిర్దిష్ట AI వర్క్‌లోడ్‌ల (ఉదాహరణకు, ఆబ్జెక్ట్ డిటెక్షన్, ఇమేజ్ క్లాసిఫికేషన్, మరియు సిఫార్సు బెంచ్‌మార్క్‌లు) కోసం మోడల్ అభివృద్ధి మరియు విస్తరణలో 1,000 రెట్లు ఎక్కువ సామర్థ్యాన్ని మరియు వేగాన్ని సాధించగలవు. ప్రత్యేకమైన AI హార్డ్‌వేర్‌ను ఉపయోగించడం వల్ల మోడల్ గణన సమయం రోజుల నుండి నిమిషాలకు తగ్గుతుంది మరియు అనేక సందర్భాల్లో ఇది ఒక గేమ్ ఛేంజర్‌గా నిరూపించబడింది.

శక్తివంతమైన AI హార్డ్‌వేర్, వినియోగానికి చెల్లించే విధానం ద్వారా తక్షణమే అందుబాటులో ఉంది.

అంతిమ వినియోగదారులు పారిశ్రామిక AI అప్లికేషన్‌లను అమలు చేయడానికి వీలుగా, భారీ స్థాయి సంస్థలు క్లౌడ్‌లో కంప్యూటింగ్ వనరులను అందుబాటులో ఉంచడానికి తమ సర్వర్‌లను నిరంతరం అప్‌గ్రేడ్ చేస్తున్నాయి. ఉదాహరణకు, నవంబర్ 2021లో, కంప్యూటర్ విజన్ మరియు సిఫార్సు ఇంజిన్‌లతో సహా వివిధ రకాల ML అప్లికేషన్‌ల కోసం, NVIDIA A10G టెన్సర్ కోర్ GPUతో పనిచేసే తన తాజా GPU-ఆధారిత ఇన్‌స్టాన్స్‌లైన Amazon EC2 G5ను AWS అధికారికంగా విడుదల చేసినట్లు ప్రకటించింది. ఉదాహరణకు, డిటెక్షన్ సిస్టమ్స్ ప్రొవైడర్ అయిన నానోట్రానిక్స్, మైక్రోచిప్‌లు మరియు నానోట్యూబ్‌ల తయారీలో ప్రాసెసింగ్ ప్రయత్నాలను వేగవంతం చేయడానికి మరియు మరింత కచ్చితమైన డిటెక్షన్ రేట్లను సాధించడానికి, తన AI-ఆధారిత నాణ్యత నియంత్రణ పరిష్కారం యొక్క Amazon EC2 ఇన్‌స్టాన్స్‌లను ఉపయోగిస్తుంది.

ముగింపు మరియు భవిష్యత్ అంచనా

ఏఐ (AI) ఫ్యాక్టరీ నుండి బయటకు వస్తోంది, మరియు ఇది ఏఐ-ఆధారిత పిడిఎమ్ (PdM) వంటి కొత్త అప్లికేషన్లలోనూ, అలాగే ఇప్పటికే ఉన్న సాఫ్ట్‌వేర్ మరియు వినియోగ సందర్భాలకు మెరుగుదలలుగానూ సర్వవ్యాపితం కానుంది. పెద్ద సంస్థలు అనేక ఏఐ వినియోగ సందర్భాలను అమలు చేస్తూ విజయాన్ని నివేదిస్తున్నాయి, మరియు చాలా ప్రాజెక్టులు పెట్టుబడిపై అధిక రాబడిని అందిస్తున్నాయి. మొత్తమ్మీద, క్లౌడ్, ఐఓటి (iot) ప్లాట్‌ఫారమ్‌లు మరియు శక్తివంతమైన ఏఐ చిప్‌ల పెరుగుదల, కొత్త తరం సాఫ్ట్‌వేర్ మరియు ఆప్టిమైజేషన్ కోసం ఒక వేదికను అందిస్తోంది.