ચાર પરિબળો ઔદ્યોગિક AIoT ને નવું મનપસંદ બનાવે છે

તાજેતરમાં બહાર પાડવામાં આવેલ ઔદ્યોગિક AI અને AI માર્કેટ રિપોર્ટ 2021-2026 અનુસાર, ઔદ્યોગિક સેટિંગ્સમાં AI અપનાવવાનો દર માત્ર બે વર્ષમાં 19 ટકાથી વધીને 31 ટકા થયો છે. 31 ટકા ઉત્તરદાતાઓ કે જેમણે તેમની કામગીરીમાં AIને સંપૂર્ણ અથવા આંશિક રીતે રોલ આઉટ કર્યું છે તે ઉપરાંત, અન્ય 39 ટકા હાલમાં ટેક્નોલોજીનું પરીક્ષણ અથવા પાયલોટિંગ કરી રહ્યાં છે.

AI વિશ્વભરમાં ઉત્પાદકો અને ઉર્જા કંપનીઓ માટે મુખ્ય તકનીક તરીકે ઉભરી રહ્યું છે, અને IoT વિશ્લેષણ આગાહી કરે છે કે ઔદ્યોગિક AI સોલ્યુશન્સ માર્કેટ 2026 સુધીમાં $102.17 બિલિયન સુધી પહોંચવા માટે 35% નો મજબૂત પોસ્ટ-પેન્ડેમિક કમ્પાઉન્ડ એન્યુઅલ ગ્રોથ રેટ (CAGR) બતાવશે.

ડિજિટલ યુગે ઇન્ટરનેટ ઓફ થિંગ્સને જન્મ આપ્યો છે. તે જોઈ શકાય છે કે કૃત્રિમ બુદ્ધિના ઉદભવે વસ્તુઓના ઇન્ટરનેટના વિકાસની ગતિને વેગ આપ્યો છે.

ચાલો ઔદ્યોગિક AI અને AIoT ના ઉદયને આગળ વધારતા કેટલાક પરિબળો પર એક નજર કરીએ.

પરિબળ 1: ઔદ્યોગિક AIoT માટે વધુ અને વધુ સોફ્ટવેર સાધનો

2019 માં, જ્યારે Iot એનાલિટિક્સે ઔદ્યોગિક AIને આવરી લેવાનું શરૂ કર્યું, ત્યાં ઓપરેશનલ ટેક્નોલોજી (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 માર્કેટમાં પ્રવેશ કર્યો છે.

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

નવું AI સોફ્ટવેર પ્લેટફોર્મ ઔદ્યોગિક વાતાવરણ પર ધ્યાન કેન્દ્રિત કરે છે. ઉપટેક, બ્રેનક્યુબ અથવા C3 AI ઉપરાંત, ઓપરેશનલ ટેક્નોલોજી (OT) વિક્રેતાઓની વધતી જતી સંખ્યા સમર્પિત AI સોફ્ટવેર પ્લેટફોર્મ ઓફર કરી રહી છે. ઉદાહરણોમાં એબીબીના જેનિક્સ ઇન્ડસ્ટ્રિયલ એનાલિટિક્સ અને AI સ્યુટ, રોકવેલ ઓટોમેશનનો ફેક્ટરી ટોક ઇનોવેશન સ્યુટ, સ્નેઇડર ઇલેક્ટ્રિકનું પોતાનું ઉત્પાદન કન્સલ્ટિંગ પ્લેટફોર્મ અને તાજેતરમાં ચોક્કસ એડ-ઓન્સનો સમાવેશ થાય છે. આમાંના કેટલાક પ્લેટફોર્મ ઉપયોગના કેસોની વિશાળ શ્રેણીને લક્ષ્ય બનાવે છે. ઉદાહરણ તરીકે, ABB નું Genix પ્લેટફોર્મ અદ્યતન એનાલિટિક્સ પ્રદાન કરે છે, જેમાં ઓપરેશનલ પરફોર્મન્સ મેનેજમેન્ટ, એસેટ અખંડિતતા, ટકાઉપણું અને સપ્લાય ચેઇન કાર્યક્ષમતા માટે પૂર્વ-બિલ્ટ એપ્લિકેશન્સ અને સેવાઓનો સમાવેશ થાય છે.

મોટી કંપનીઓ શોપ ફ્લોર પર તેમના AI સોફ્ટવેર ટૂલ્સ મૂકી રહી છે.

AI સોફ્ટવેર ટૂલ્સની ઉપલબ્ધતા AWS, માઇક્રોસોફ્ટ અને ગૂગલ જેવી મોટી કંપનીઓ દ્વારા વિકસિત નવા ઉપયોગ-કેસ વિશિષ્ટ સોફ્ટવેર ટૂલ્સ દ્વારા પણ સંચાલિત છે. ઉદાહરણ તરીકે, ડિસેમ્બર 2020 માં, AWS એ Amazon SageMaker જમ્પસ્ટાર્ટ રજૂ કર્યું, જે Amazon SageMaker ની એક વિશેષતા છે જે સૌથી સામાન્ય ઔદ્યોગિક ઉપયોગના કિસ્સાઓ, જેમ કે PdM, કમ્પ્યુટર વિઝન અને સ્વાયત્ત ડ્રાઇવિંગ માટે પૂર્વ-બિલ્ટ અને કસ્ટમાઇઝ કરી શકાય તેવા ઉકેલોનો સમૂહ પૂરો પાડે છે. માત્ર થોડા ક્લિક્સ.

ઉપયોગ-કેસ-વિશિષ્ટ સોફ્ટવેર સોલ્યુશન્સ ઉપયોગિતા સુધારણા ચલાવી રહ્યા છે.

ઉપયોગ-કેસ-વિશિષ્ટ સોફ્ટવેર સ્યુટ્સ, જેમ કે અનુમાનિત જાળવણી પર ધ્યાન કેન્દ્રિત કરે છે, વધુ સામાન્ય બની રહ્યા છે. IoT એનાલિટિક્સે અવલોકન કર્યું હતું કે AI-આધારિત પ્રોડક્ટ ડેટા મેનેજમેન્ટ (PdM) સોફ્ટવેર સોલ્યુશન્સનો ઉપયોગ કરતા પ્રદાતાઓની સંખ્યા 2021 ની શરૂઆતમાં વધીને 73 થઈ ગઈ છે કારણ કે વિવિધ પ્રકારના ડેટા સ્ત્રોતો અને પ્રી-ટ્રેનિંગ મોડલ્સના ઉપયોગમાં વધારો તેમજ વ્યાપક ડેટા એન્હાન્સમેન્ટ ટેકનોલોજી અપનાવવી.

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

ઓટોમેટેડ મશીન લર્નિંગ (AutoML) એક પ્રમાણભૂત ઉત્પાદન બની રહ્યું છે.

મશીન લર્નિંગ (ML) સાથે સંકળાયેલા કાર્યોની જટિલતાને લીધે, મશીન લર્નિંગ એપ્લીકેશનની ઝડપી વૃદ્ધિએ ઑફ-ધ-શેલ્ફ મશીન લર્નિંગ પદ્ધતિઓની જરૂરિયાત ઊભી કરી છે જેનો ઉપયોગ કુશળતા વિના કરી શકાય છે. સંશોધનના પરિણામી ક્ષેત્ર, મશીન લર્નિંગ માટે પ્રગતિશીલ ઓટોમેશનને ઓટોએમએલ કહેવામાં આવે છે. ગ્રાહકોને ML મોડલ વિકસાવવામાં અને ઔદ્યોગિક ઉપયોગના કેસોને ઝડપથી અમલમાં મૂકવામાં મદદ કરવા માટે વિવિધ કંપનીઓ તેમની AI ઑફરિંગના ભાગરૂપે આ ટેક્નોલોજીનો લાભ લઈ રહી છે. નવેમ્બર 2020 માં, ઉદાહરણ તરીકે, SKF એ automL-આધારિત ઉત્પાદનની જાહેરાત કરી જે મશીન પ્રક્રિયા ડેટાને વાઇબ્રેશન અને તાપમાનના ડેટા સાથે જોડે છે જેથી ખર્ચ ઘટાડવા અને ગ્રાહકો માટે નવા બિઝનેસ મોડલ્સને સક્ષમ કરી શકાય.

મશીન લર્નિંગ ઓપરેશન્સ (ML Ops) મોડલ મેનેજમેન્ટ અને મેઇન્ટેનન્સને સરળ બનાવે છે.

મશીન લર્નિંગ ઑપરેશન્સની નવી શિસ્તનો ઉદ્દેશ્ય ઉત્પાદન વાતાવરણમાં AI મૉડલ્સની જાળવણીને સરળ બનાવવાનો છે. AI મોડલનું પ્રદર્શન સામાન્ય રીતે સમય જતાં ઘટતું જાય છે કારણ કે તે પ્લાન્ટની અંદર અનેક પરિબળોથી પ્રભાવિત થાય છે (ઉદાહરણ તરીકે, ડેટા વિતરણ અને ગુણવત્તાના ધોરણોમાં ફેરફાર). પરિણામે, ઔદ્યોગિક વાતાવરણની ઉચ્ચ ગુણવત્તાની આવશ્યકતાઓને પહોંચી વળવા માટે મૉડલ જાળવણી અને મશીન લર્નિંગ ઑપરેશન્સ જરૂરી બની ગયા છે (ઉદાહરણ તરીકે, 99% ની નીચેની કામગીરીવાળા મૉડલ કામદારોની સલામતીને જોખમમાં મૂકે તેવી વર્તણૂકને ઓળખવામાં નિષ્ફળ થઈ 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 સૉફ્ટવેર ઑફરિંગમાં મશીન લર્નિંગ ઑપરેશન્સ ઉમેર્યા છે, જેમાં માઇક્રોસોફ્ટનો સમાવેશ થાય છે, જેણે Azure ML સ્ટુડિયોમાં ડેટા ડ્રિફ્ટ ડિટેક્શન રજૂ કર્યું હતું. આ નવી સુવિધા વપરાશકર્તાઓને ઇનપુટ ડેટાના વિતરણમાં ફેરફારોને શોધવા માટે સક્ષમ કરે છે જે મોડેલની કામગીરીમાં ઘટાડો કરે છે.

પરિબળ 3: હાલની એપ્લિકેશનો અને ઉપયોગના કેસોમાં કૃત્રિમ બુદ્ધિ લાગુ પડે છે

પરંપરાગત સોફ્ટવેર પ્રદાતાઓ AI ક્ષમતાઓ ઉમેરી રહ્યા છે.

MS Azure ML, AWS SageMaker અને Google Cloud Vertex AI જેવા હાલના મોટા હોરિઝોન્ટલ AI સોફ્ટવેર ટૂલ્સ ઉપરાંત, પરંપરાગત સોફ્ટવેર સ્યુટ્સ જેમ કે કોમ્પ્યુટરાઈઝ્ડ મેન્ટેનન્સ મેનેજમેન્ટ સિસ્ટમ્સ (CAMMS), મેન્યુફેક્ચરિંગ એક્ઝિક્યુશન સિસ્ટમ્સ (MES) અથવા એન્ટરપ્રાઈઝ રિસોર્સ પ્લાનિંગ (ERP) હવે AI ક્ષમતાઓને ઇન્જેક્શન દ્વારા 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. ઇન્ટેલિજન્ટ ઇવીએ એજન્ટ્સનો ઉપયોગ ERP પ્રક્રિયાઓને સ્વચાલિત કરવા માટે થાય છે, જેમ કે મેન્યુફેક્ચરિંગ કામગીરીને પુનઃનિર્ધારિત કરવા અથવા સરળ પ્રશ્નો કરવા (ઉદાહરણ તરીકે, ઉત્પાદનની કિંમત અથવા ઉપલબ્ધ ભાગોની સંખ્યા વિશે વિગતો મેળવવા).

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

હાલના હાર્ડવેર/સોફ્ટવેર ઈન્ફ્રાસ્ટ્રક્ચરમાં AI ક્ષમતાઓ ઉમેરીને કેટલાક ઔદ્યોગિક ઉપયોગના કેસોમાં વધારો કરવામાં આવી રહ્યો છે. ગુણવત્તા નિયંત્રણ કાર્યક્રમોમાં મશીન વિઝનનું આબેહૂબ ઉદાહરણ છે. પરંપરાગત મશીન વિઝન સિસ્ટમ્સ વિશિષ્ટ સોફ્ટવેરથી સજ્જ સંકલિત અથવા અલગ કોમ્પ્યુટર દ્વારા ઈમેજોની પ્રક્રિયા કરે છે જે પૂર્વનિર્ધારિત પરિમાણો અને થ્રેશોલ્ડ્સ (દા.ત., ઉચ્ચ કોન્ટ્રાસ્ટ) નું મૂલ્યાંકન કરે છે તે નક્કી કરવા માટે કે વસ્તુઓ ખામીઓ દર્શાવે છે કે કેમ. ઘણા કિસ્સાઓમાં (ઉદાહરણ તરીકે, વિવિધ વાયરિંગ આકારો સાથેના ઇલેક્ટ્રોનિક ઘટકો), ખોટા હકારાત્મકની સંખ્યા ઘણી વધારે છે.

જો કે, આ પ્રણાલીઓને આર્ટિફિશિયલ ઈન્ટેલિજન્સ દ્વારા પુનર્જીવિત કરવામાં આવી રહી છે. ઉદાહરણ તરીકે, ઔદ્યોગિક મશીન વિઝન પ્રદાતા કોગ્નેક્સે જુલાઈ 2021માં એક નવું ડીપ લર્નિંગ ટૂલ (વિઝન પ્રો ડીપ લર્નિંગ 2.0) બહાર પાડ્યું. નવા ટૂલ્સ પરંપરાગત વિઝન સિસ્ટમ્સ સાથે સંકલિત થાય છે, જે અંતિમ વપરાશકર્તાઓને સમાન એપ્લિકેશનમાં પરંપરાગત વિઝન ટૂલ્સ સાથે ડીપ લર્નિંગને જોડવામાં સક્ષમ બનાવે છે. સ્ક્રેચ, દૂષણ અને અન્ય ખામીઓના ચોક્કસ માપની જરૂર હોય તેવા તબીબી અને ઇલેક્ટ્રોનિક વાતાવરણની માંગ પૂરી કરો.

પરિબળ 4: ઔદ્યોગિક AIoT હાર્ડવેર સુધારવામાં આવી રહ્યું છે

AI ચિપ્સ ઝડપથી સુધરી રહી છે.

એમ્બેડેડ હાર્ડવેર AI ચિપ્સ ઝડપથી વધી રહી છે, જેમાં AI મોડલ્સના વિકાસ અને જમાવટને સમર્થન આપવા માટે ઉપલબ્ધ વિવિધ વિકલ્પો છે. ઉદાહરણોમાં NVIDIA ના નવીનતમ ગ્રાફિક્સ પ્રોસેસિંગ યુનિટ્સ (Gpus), A30 અને A10નો સમાવેશ થાય 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 નું ચોથી પેઢીના ટેન્સર્સ પ્રોસેસિંગ યુનિટ્સ (TPus) છે, જે શક્તિશાળી સ્પેશિયલ પર્પઝ ઈન્ટિગ્રેટેડ સર્કિટ (ASics) છે જે ચોક્કસ AI વર્કલોડ (દા.ત., ઑબ્જેક્ટ ડિટેક્શન) માટે મોડેલ ડેવલપમેન્ટ અને ડિપ્લોયમેન્ટમાં 1,000 ગણી વધુ કાર્યક્ષમતા અને ઝડપ હાંસલ કરી શકે છે. , છબી વર્ગીકરણ અને ભલામણ બેન્ચમાર્ક). સમર્પિત AI હાર્ડવેરનો ઉપયોગ મોડલ ગણતરીના સમયને દિવસોથી મિનિટ સુધી ઘટાડે છે, અને ઘણા કિસ્સાઓમાં તે ગેમ ચેન્જર સાબિત થયું છે.

પાવરફુલ AI હાર્ડવેર પે-પર-ઉપયોગ મોડલ દ્વારા તરત જ ઉપલબ્ધ છે.

સુપરસ્કેલ એન્ટરપ્રાઈઝ ક્લાઉડમાં કમ્પ્યુટિંગ સંસાધનો ઉપલબ્ધ કરાવવા માટે તેમના સર્વરને સતત અપગ્રેડ કરી રહ્યાં છે જેથી અંતિમ વપરાશકર્તાઓ ઔદ્યોગિક AI એપ્લિકેશનને અમલમાં મૂકી શકે. નવેમ્બર 2021 માં, ઉદાહરણ તરીકે, AWS એ તેના નવીનતમ GPU-આધારિત ઉદાહરણો, Amazon EC2 G5, NVIDIA A10G ટેન્સર કોર GPU દ્વારા સંચાલિત, કમ્પ્યુટર વિઝન અને ભલામણ એન્જિન સહિત વિવિધ ML એપ્લિકેશન્સ માટે સત્તાવાર રિલીઝની જાહેરાત કરી. ઉદાહરણ તરીકે, ડિટેક્શન સિસ્ટમ્સ પ્રદાતા નેનોટ્રોનિક્સ તેના AI-આધારિત ગુણવત્તા નિયંત્રણ સોલ્યુશનના એમેઝોન EC2 ઉદાહરણોનો ઉપયોગ કરે છે જેથી પ્રક્રિયાના પ્રયત્નોને વેગ મળે અને માઇક્રોચિપ્સ અને નેનોટ્યુબના ઉત્પાદનમાં વધુ સચોટ શોધ દર પ્રાપ્ત થાય.

નિષ્કર્ષ અને સંભાવના

AI ફેક્ટરીમાંથી બહાર આવી રહ્યું છે, અને તે AI-આધારિત PdM જેવી નવી એપ્લિકેશન્સમાં અને હાલના સોફ્ટવેર અને ઉપયોગના કેસોમાં ઉન્નતીકરણ તરીકે સર્વવ્યાપક હશે. મોટા સાહસો એઆઈના ઉપયોગના ઘણા કેસો રજૂ કરી રહ્યા છે અને સફળતાની જાણ કરી રહ્યા છે, અને મોટાભાગના પ્રોજેક્ટ્સમાં રોકાણ પર ઊંચું વળતર છે. એકંદરે, ક્લાઉડનો ઉદય, આઇઓટી પ્લેટફોર્મ અને શક્તિશાળી AI ચિપ્સ નવી પેઢીના સોફ્ટવેર અને ઓપ્ટિમાઇઝેશન માટે પ્લેટફોર્મ પૂરું પાડે છે.