ચાર પરિબળો ઔદ્યોગિક AIoT ને નવું પ્રિય બનાવે છે

તાજેતરમાં પ્રકાશિત થયેલા ઔદ્યોગિક AI અને AI માર્કેટ રિપોર્ટ 2021-2026 અનુસાર, ઔદ્યોગિક સેટિંગ્સમાં AI નો અપનાવવાનો દર ફક્ત બે વર્ષમાં 19 ટકાથી વધીને 31 ટકા થયો છે. 31 ટકા ઉત્તરદાતાઓ ઉપરાંત જેમણે તેમના ઓપરેશનમાં AI ને સંપૂર્ણપણે અથવા આંશિક રીતે રોલઆઉટ કર્યું છે, અન્ય 39 ટકા હાલમાં ટેકનોલોજીનું પરીક્ષણ અથવા પાયલોટ કરી રહ્યા છે.

વિશ્વભરમાં ઉત્પાદકો અને ઉર્જા કંપનીઓ માટે AI એક મુખ્ય ટેકનોલોજી તરીકે ઉભરી રહ્યું છે, અને IoT વિશ્લેષણ આગાહી કરે છે કે ઔદ્યોગિક AI સોલ્યુશન્સ બજાર 2026 સુધીમાં $102.17 બિલિયન સુધી પહોંચવા માટે 35% નો મજબૂત પોસ્ટ-પેન્ડેમિક કમ્પાઉન્ડ વાર્ષિક વૃદ્ધિ દર (CAGR) બતાવશે.

ડિજિટલ યુગે ઇન્ટરનેટ ઓફ થિંગ્સનો જન્મ આપ્યો છે. એ જોઈ શકાય છે કે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉદભવ થવાથી ઇન્ટરનેટ ઓફ થિંગ્સના વિકાસની ગતિ ઝડપી બની છે.

ચાલો ઔદ્યોગિક AI અને AIoT ના ઉદયને પ્રેરિત કરતા કેટલાક પરિબળો પર એક નજર કરીએ.

પરિબળ 1: ઔદ્યોગિક AIoT માટે વધુને વધુ સોફ્ટવેર ટૂલ્સ

2019 માં, જ્યારે Iot એનાલિટિક્સે ઔદ્યોગિક AI ને આવરી લેવાનું શરૂ કર્યું, ત્યારે ઓપરેશનલ ટેકનોલોજી (OT) વિક્રેતાઓ તરફથી થોડા સમર્પિત AI સોફ્ટવેર ઉત્પાદનો હતા. ત્યારથી, ઘણા OT વિક્રેતાઓએ ફેક્ટરી ફ્લોર માટે AI પ્લેટફોર્મના રૂપમાં AI સોફ્ટવેર સોલ્યુશન્સ વિકસાવીને અને પ્રદાન કરીને AI બજારમાં પ્રવેશ કર્યો છે.

માહિતી અનુસાર, લગભગ 400 વિક્રેતાઓ AIoT સોફ્ટવેર ઓફર કરે છે. છેલ્લા બે વર્ષમાં ઔદ્યોગિક AI બજારમાં જોડાનારા સોફ્ટવેર વિક્રેતાઓની સંખ્યામાં નાટ્યાત્મક વધારો થયો છે. અભ્યાસ દરમિયાન, IoT એનાલિટિક્સે ઉત્પાદકો/ઔદ્યોગિક ગ્રાહકોને AI ટેકનોલોજીના 634 સપ્લાયર્સની ઓળખ કરી. આ કંપનીઓમાંથી, 389 (61.4%) AI સોફ્ટવેર ઓફર કરે છે.

નવું AI સોફ્ટવેર પ્લેટફોર્મ ઔદ્યોગિક વાતાવરણ પર ધ્યાન કેન્દ્રિત કરે છે. અપટેક, બ્રેઈનક્યુબ અથવા C3 AI ઉપરાંત, વધતી જતી સંખ્યામાં ઓપરેશનલ ટેકનોલોજી (OT) વિક્રેતાઓ સમર્પિત AI સોફ્ટવેર પ્લેટફોર્મ ઓફર કરી રહ્યા છે. ઉદાહરણોમાં ABBનું Genix Industrial Analytics અને AI સ્યુટ, રોકવેલ ઓટોમેશનનું FactoryTalk Innovation સ્યુટ, Schneider Electricનું પોતાનું ઉત્પાદન કન્સલ્ટિંગ પ્લેટફોર્મ અને તાજેતરમાં, ચોક્કસ એડ-ઓનનો સમાવેશ થાય છે. આમાંના કેટલાક પ્લેટફોર્મ ઉપયોગના કેસોની વિશાળ શ્રેણીને લક્ષ્ય બનાવે છે. ઉદાહરણ તરીકે, ABBનું Genix પ્લેટફોર્મ અદ્યતન વિશ્લેષણ પૂરું પાડે છે, જેમાં ઓપરેશનલ પર્ફોર્મન્સ મેનેજમેન્ટ, એસેટ ઇન્ટિગ્રિટી, ટકાઉપણું અને સપ્લાય ચેઇન કાર્યક્ષમતા માટે પૂર્વ-નિર્મિત એપ્લિકેશનો અને સેવાઓનો સમાવેશ થાય છે.

મોટી કંપનીઓ તેમના એઆઈ સોફ્ટવેર ટૂલ્સને દુકાનના ફ્લોર પર મૂકી રહી છે.

AI સોફ્ટવેર ટૂલ્સની ઉપલબ્ધતા AWS, માઇક્રોસોફ્ટ અને ગુગલ જેવી મોટી કંપનીઓ દ્વારા વિકસાવવામાં આવેલા નવા ઉપયોગ-કેસ વિશિષ્ટ સોફ્ટવેર ટૂલ્સ દ્વારા પણ પ્રેરિત છે. ઉદાહરણ તરીકે, ડિસેમ્બર 2020 માં, AWS એ Amazon SageMaker JumpStart રજૂ કર્યું, જે Amazon SageMaker ની એક સુવિધા છે જે PdM, કમ્પ્યુટર વિઝન અને ઓટોનોમસ ડ્રાઇવિંગ જેવા સૌથી સામાન્ય ઔદ્યોગિક ઉપયોગના કેસો માટે પૂર્વ-નિર્મિત અને કસ્ટમાઇઝ કરી શકાય તેવા ઉકેલોનો સમૂહ પૂરો પાડે છે, જે ફક્ત થોડા ક્લિક્સ સાથે ડિપ્લોય થાય છે.

ઉપયોગ-કેસ-વિશિષ્ટ સોફ્ટવેર સોલ્યુશન્સ ઉપયોગીતામાં સુધારો લાવી રહ્યા છે.

ઉપયોગ-કેસ-વિશિષ્ટ સોફ્ટવેર સ્યુટ્સ, જેમ કે આગાહી જાળવણી પર ધ્યાન કેન્દ્રિત કરે છે, તે વધુ સામાન્ય બની રહ્યા છે. IoT એનાલિટિક્સે અવલોકન કર્યું છે કે ડેટા સ્ત્રોતોની વિવિધતામાં વધારો અને પ્રી-ટ્રેનિંગ મોડેલ્સના ઉપયોગ તેમજ ડેટા એન્હાન્સમેન્ટ ટેકનોલોજીના વ્યાપક અપનાવવાને કારણે 2021 ની શરૂઆતમાં AI-આધારિત પ્રોડક્ટ ડેટા મેનેજમેન્ટ (PdM) સોફ્ટવેર સોલ્યુશન્સનો ઉપયોગ કરતા પ્રદાતાઓની સંખ્યા વધીને 73 થઈ ગઈ છે.

પરિબળ 2: AI સોલ્યુશન્સના વિકાસ અને જાળવણીને સરળ બનાવવામાં આવી રહી છે.

ઓટોમેટેડ મશીન લર્નિંગ (ઓટોએમએલ) એક માનક ઉત્પાદન બની રહ્યું છે.

મશીન લર્નિંગ (ML) સાથે સંકળાયેલા કાર્યોની જટિલતાને કારણે, મશીન લર્નિંગ એપ્લિકેશન્સના ઝડપી વિકાસને કારણે, કુશળતા વિના ઉપયોગ કરી શકાય તેવી મશીન લર્નિંગ પદ્ધતિઓની જરૂરિયાત ઊભી થઈ છે. સંશોધનના પરિણામે, મશીન લર્નિંગ માટે પ્રગતિશીલ ઓટોમેશન, જેને AutoML કહેવામાં આવે છે. વિવિધ કંપનીઓ ગ્રાહકોને ML મોડેલ વિકસાવવામાં અને ઔદ્યોગિક ઉપયોગના કેસોને ઝડપથી અમલમાં મૂકવામાં મદદ કરવા માટે તેમના AI ઓફરિંગના ભાગ રૂપે આ ટેકનોલોજીનો ઉપયોગ કરી રહી છે. ઉદાહરણ તરીકે, નવેમ્બર 2020 માં, SKF એ એક ઓટોમએલ-આધારિત ઉત્પાદનની જાહેરાત કરી જે ખર્ચ ઘટાડવા અને ગ્રાહકો માટે નવા વ્યવસાયિક મોડેલોને સક્ષમ બનાવવા માટે મશીન પ્રક્રિયા ડેટાને વાઇબ્રેશન અને તાપમાન ડેટા સાથે જોડે છે.

મશીન લર્નિંગ ઓપરેશન્સ (ML Ops) મોડેલ મેનેજમેન્ટ અને જાળવણીને સરળ બનાવે છે.

મશીન લર્નિંગ કામગીરીના નવા શિસ્તનો હેતુ ઉત્પાદન વાતાવરણમાં AI મોડેલ્સની જાળવણીને સરળ બનાવવાનો છે. AI મોડેલનું પ્રદર્શન સામાન્ય રીતે સમય જતાં ઘટતું જાય છે કારણ કે તે પ્લાન્ટમાં ઘણા પરિબળોથી પ્રભાવિત થાય છે (ઉદાહરણ તરીકે, ડેટા વિતરણ અને ગુણવત્તા ધોરણોમાં ફેરફાર). પરિણામે, ઔદ્યોગિક વાતાવરણની ઉચ્ચ ગુણવત્તાની આવશ્યકતાઓને પૂર્ણ કરવા માટે મોડેલ જાળવણી અને મશીન લર્નિંગ કામગીરી જરૂરી બની ગઈ છે (ઉદાહરણ તરીકે, 99% થી ઓછી કામગીરી ધરાવતા મોડેલો કામદારોની સલામતીને જોખમમાં મૂકતા વર્તનને ઓળખવામાં નિષ્ફળ રહી શકે છે).

તાજેતરના વર્ષોમાં, ઘણા સ્ટાર્ટઅપ્સ ML Ops સ્પેસમાં જોડાયા છે, જેમાં DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, અને Weights & Biasesનો સમાવેશ થાય છે. સ્થાપિત કંપનીઓએ તેમના હાલના AI સોફ્ટવેર ઓફરિંગમાં મશીન લર્નિંગ ઓપરેશન્સ ઉમેર્યા છે, જેમાં Microsoftનો પણ સમાવેશ થાય છે, જેણે Azure ML સ્ટુડિયોમાં ડેટા ડ્રિફ્ટ ડિટેક્શન રજૂ કર્યું છે. આ નવી સુવિધા વપરાશકર્તાઓને ઇનપુટ ડેટાના વિતરણમાં ફેરફારો શોધવા માટે સક્ષમ બનાવે છે જે મોડેલ પ્રદર્શનને ઘટાડે છે.

પરિબળ 3: હાલના એપ્લિકેશનો અને ઉપયોગના કેસોમાં કૃત્રિમ બુદ્ધિનો ઉપયોગ

પરંપરાગત સોફ્ટવેર પ્રદાતાઓ AI ક્ષમતાઓ ઉમેરી રહ્યા છે.

MS Azure ML, AWS SageMaker, અને Google Cloud Vertex AI જેવા હાલના મોટા આડા AI સોફ્ટવેર ટૂલ્સ ઉપરાંત, કોમ્પ્યુટરાઇઝ્ડ મેન્ટેનન્સ મેનેજમેન્ટ સિસ્ટમ્સ (CAMMS), મેન્યુફેક્ચરિંગ એક્ઝિક્યુશન સિસ્ટમ્સ (MES) અથવા એન્ટરપ્રાઇઝ રિસોર્સ પ્લાનિંગ (ERP) જેવા પરંપરાગત સોફ્ટવેર સ્યુટ્સ હવે AI ક્ષમતાઓને ઇન્જેક્ટ કરીને નોંધપાત્ર રીતે સુધારી શકાય છે. ઉદાહરણ તરીકે, ERP પ્રદાતા Epicor Software તેના Epicor વર્ચ્યુઅલ આસિસ્ટન્ટ (EVA) દ્વારા તેના હાલના ઉત્પાદનોમાં AI ક્ષમતાઓ ઉમેરી રહ્યું છે. બુદ્ધિશાળી EVA એજન્ટોનો ઉપયોગ ERP પ્રક્રિયાઓને સ્વચાલિત કરવા માટે થાય છે, જેમ કે ઉત્પાદન કામગીરીનું પુનઃનિર્ધારણ કરવું અથવા સરળ પ્રશ્નો કરવા (ઉદાહરણ તરીકે, ઉત્પાદન કિંમત અથવા ઉપલબ્ધ ભાગોની સંખ્યા વિશે વિગતો મેળવવા).

AIoT નો ઉપયોગ કરીને ઔદ્યોગિક ઉપયોગના કેસોને અપગ્રેડ કરવામાં આવી રહ્યા છે.

હાલના હાર્ડવેર/સોફ્ટવેર ઇન્ફ્રાસ્ટ્રક્ચરમાં AI ક્ષમતાઓ ઉમેરીને ઘણા ઔદ્યોગિક ઉપયોગના કેસોમાં વધારો કરવામાં આવી રહ્યો છે. ગુણવત્તા નિયંત્રણ એપ્લિકેશન્સમાં મશીન વિઝન એક આબેહૂબ ઉદાહરણ છે. પરંપરાગત મશીન વિઝન સિસ્ટમ્સ વિશિષ્ટ સોફ્ટવેરથી સજ્જ સંકલિત અથવા ડિસ્ક્રીટ કમ્પ્યુટર્સ દ્વારા છબીઓ પર પ્રક્રિયા કરે છે જે પૂર્વનિર્ધારિત પરિમાણો અને થ્રેશોલ્ડ (દા.ત., ઉચ્ચ કોન્ટ્રાસ્ટ) નું મૂલ્યાંકન કરે છે જેથી નક્કી કરી શકાય કે વસ્તુઓ ખામીઓ દર્શાવે છે કે નહીં. ઘણા કિસ્સાઓમાં (ઉદાહરણ તરીકે, વિવિધ વાયરિંગ આકારવાળા ઇલેક્ટ્રોનિક ઘટકો), ખોટા હકારાત્મકતાઓની સંખ્યા ખૂબ ઊંચી હોય છે.

જોકે, આ સિસ્ટમોને કૃત્રિમ બુદ્ધિમત્તા દ્વારા પુનર્જીવિત કરવામાં આવી રહી છે. ઉદાહરણ તરીકે, ઔદ્યોગિક મશીન વિઝન પ્રદાતા કોગ્નેક્સે જુલાઈ 2021 માં એક નવું ડીપ લર્નિંગ ટૂલ (વિઝન પ્રો ડીપ લર્નિંગ 2.0) બહાર પાડ્યું. નવા ટૂલ્સ પરંપરાગત વિઝન સિસ્ટમ્સ સાથે સંકલિત થાય છે, જેનાથી અંતિમ વપરાશકર્તાઓને સ્ક્રેચ, દૂષણ અને અન્ય ખામીઓના સચોટ માપનની જરૂર હોય તેવા માંગણીવાળા તબીબી અને ઇલેક્ટ્રોનિક વાતાવરણને પહોંચી વળવા માટે સમાન એપ્લિકેશનમાં ડીપ લર્નિંગને પરંપરાગત વિઝન ટૂલ્સ સાથે જોડવામાં સક્ષમ બનાવે છે.

પરિબળ 4: ઔદ્યોગિક AIoT હાર્ડવેરમાં સુધારો થઈ રહ્યો છે

AI ચિપ્સ ઝડપથી સુધરી રહી છે.

એમ્બેડેડ હાર્ડવેર AI ચિપ્સ ઝડપથી વધી રહી છે, જેમાં AI મોડેલ્સના વિકાસ અને જમાવટને ટેકો આપવા માટે વિવિધ વિકલ્પો ઉપલબ્ધ છે. ઉદાહરણોમાં NVIDIA ના નવીનતમ ગ્રાફિક્સ પ્રોસેસિંગ યુનિટ્સ (Gpus), A30 અને A10 શામેલ છે, જે માર્ચ 2021 માં રજૂ કરવામાં આવ્યા હતા અને ભલામણ સિસ્ટમ્સ અને કમ્પ્યુટર વિઝન સિસ્ટમ્સ જેવા AI ઉપયોગના કેસ માટે યોગ્ય છે. બીજું ઉદાહરણ Google ના ચોથી પેઢીના ટેન્સર્સ પ્રોસેસિંગ યુનિટ્સ (TPus) છે, જે શક્તિશાળી સ્પેશિયલ-પર્પઝ ઇન્ટિગ્રેટેડ સર્કિટ્સ (ASics) છે જે ચોક્કસ AI વર્કલોડ્સ (દા.ત., ઑબ્જેક્ટ ડિટેક્શન, ઇમેજ વર્ગીકરણ અને ભલામણ બેન્ચમાર્ક્સ) માટે મોડેલ ડેવલપમેન્ટ અને જમાવટમાં 1,000 ગણી વધુ કાર્યક્ષમતા અને ગતિ પ્રાપ્ત કરી શકે છે. સમર્પિત AI હાર્ડવેરનો ઉપયોગ મોડેલ ગણતરીનો સમય દિવસોથી મિનિટ સુધી ઘટાડે છે, અને ઘણા કિસ્સાઓમાં તે ગેમ ચેન્જર સાબિત થયું છે.

પે-પર-યુઝ મોડેલ દ્વારા શક્તિશાળી AI હાર્ડવેર તાત્કાલિક ઉપલબ્ધ થાય છે.

સુપરસ્કેલ એન્ટરપ્રાઇઝિસ ક્લાઉડમાં કમ્પ્યુટિંગ સંસાધનો ઉપલબ્ધ કરાવવા માટે તેમના સર્વર્સને સતત અપગ્રેડ કરી રહ્યા છે જેથી અંતિમ વપરાશકર્તાઓ ઔદ્યોગિક AI એપ્લિકેશનોનો અમલ કરી શકે. ઉદાહરણ તરીકે, નવેમ્બર 2021 માં, AWS એ તેના નવીનતમ GPU-આધારિત ઉદાહરણો, Amazon EC2 G5, જે NVIDIA A10G ટેન્સર કોર GPU દ્વારા સંચાલિત છે, તે વિવિધ ML એપ્લિકેશનો માટે સત્તાવાર રીતે રિલીઝ કરવાની જાહેરાત કરી, જેમાં કમ્પ્યુટર વિઝન અને ભલામણ એન્જિનનો સમાવેશ થાય છે. ઉદાહરણ તરીકે, ડિટેક્શન સિસ્ટમ્સ પ્રદાતા Nanotronics પ્રોસેસિંગ પ્રયાસોને ઝડપી બનાવવા અને માઇક્રોચિપ્સ અને નેનોટ્યુબ્સના ઉત્પાદનમાં વધુ સચોટ શોધ દર પ્રાપ્ત કરવા માટે તેના AI-આધારિત ગુણવત્તા નિયંત્રણ સોલ્યુશનના Amazon EC2 ઉદાહરણોનો ઉપયોગ કરે છે.

નિષ્કર્ષ અને સંભાવના

ફેક્ટરીમાંથી AI બહાર આવી રહ્યું છે, અને તે AI-આધારિત PdM જેવા નવા એપ્લિકેશનોમાં અને હાલના સોફ્ટવેર અને ઉપયોગના કેસોમાં વધારા તરીકે સર્વવ્યાપી હશે. મોટા સાહસો ઘણા AI ઉપયોગના કેસ રજૂ કરી રહ્યા છે અને સફળતાની જાણ કરી રહ્યા છે, અને મોટાભાગના પ્રોજેક્ટ્સમાં રોકાણ પર ઊંચું વળતર છે. એકંદરે, ક્લાઉડ, iOT પ્લેટફોર્મ અને શક્તિશાળી AI ચિપ્સનો ઉદય સોફ્ટવેર અને ઑપ્ટિમાઇઝેશનની નવી પેઢી માટે એક પ્લેટફોર્મ પૂરું પાડે છે.