મેઘ સેવાઓથી લઈને એજ કમ્પ્યુટિંગ સુધી, એઆઈ "છેલ્લા માઇલ" પર આવે છે

એજ કમ્પ્યુટિંગ માર્કેટ આગામી પાંચ વર્ષમાં 36.1% સીએજીઆર વધશે

એજ કમ્પ્યુટિંગ ઉદ્યોગ સ્થિર વિકાસના તબક્કામાં પ્રવેશ કર્યો છે, જેમ કે તેના સર્વિસ પ્રોવાઇડર્સના ક્રમિક વૈવિધ્યતા, વિસ્તૃત બજારના કદ અને એપ્લિકેશન ક્ષેત્રોના વધુ વિસ્તરણ દ્વારા પુરાવા મળે છે. બજારના કદની દ્રષ્ટિએ, આઈડીસીના ટ્રેકિંગ રિપોર્ટના ડેટા બતાવે છે કે ચાઇનામાં એજ કમ્પ્યુટિંગ સર્વર્સનું એકંદર બજાર કદ 2021 માં 31.31 અબજ યુએસ સુધી પહોંચ્યું છે, અને ચાઇનામાં એજ કમ્પ્યુટિંગ સર્વર્સનું એકંદર બજાર કદ 2020 થી 2025 સુધીના 2020 થી 2025 સુધીના, 2020 થી 2025 સુધીના બજારના કદની અપેક્ષા છે. 2023 થી 2027 સુધી 36.1%.

એજ કમ્પ્યુટિંગ ઇકો-ઉદ્યોગ ખીલે છે

એજ કમ્પ્યુટિંગ હાલમાં ફાટી નીકળવાના પ્રારંભિક તબક્કે છે, અને ઉદ્યોગ સાંકળમાં વ્યવસાયિક સીમાઓ પ્રમાણમાં અસ્પષ્ટ છે. વ્યક્તિગત વિક્રેતાઓ માટે, વ્યવસાયિક દૃશ્યો સાથેના એકીકરણને ધ્યાનમાં લેવું જરૂરી છે, અને તકનીકી સ્તરેથી વ્યવસાયિક દૃશ્યોમાં પરિવર્તનને અનુરૂપ થવાની ક્ષમતા હોવી જરૂરી છે, અને તે સુનિશ્ચિત કરવું જરૂરી છે કે હાર્ડવેર સાધનો સાથે ઉચ્ચ ડિગ્રી, તેમજ પ્રોજેક્ટ્સની જમીનની ક્ષમતા છે.

એજ કમ્પ્યુટિંગ ઉદ્યોગ સાંકળને ચિપ વિક્રેતાઓ, એલ્ગોરિધમ વિક્રેતાઓ, હાર્ડવેર ડિવાઇસ ઉત્પાદકો અને સોલ્યુશન પ્રદાતાઓમાં વહેંચવામાં આવે છે. ચિપ વિક્રેતાઓ મોટે ભાગે અંતિમ બાજુથી ધાર-બાજુથી ક્લાઉડ-સાઇડ સુધીના અંકગણિત ચિપ્સ વિકસાવે છે, અને એજ-સાઇડ ચિપ્સ ઉપરાંત, તેઓ પ્રવેગક કાર્ડ્સ અને સપોર્ટ સ software ફ્ટવેર ડેવલપમેન્ટ પ્લેટફોર્મ પણ વિકસિત કરે છે. અલ્ગોરિધમનો વિક્રેતાઓ સામાન્ય અથવા કસ્ટમાઇઝ્ડ એલ્ગોરિધમ્સ બનાવવા માટેના મુખ્ય તરીકે કમ્પ્યુટર વિઝન એલ્ગોરિધમ્સ લે છે, અને એવા ઉદ્યોગો પણ છે જે અલ્ગોરિધમનો મોલ્સ અથવા તાલીમ અને દબાણ પ્લેટફોર્મ બનાવે છે. સાધનો વિક્રેતાઓ એજ કમ્પ્યુટિંગ ઉત્પાદનોમાં સક્રિયપણે રોકાણ કરી રહ્યા છે, અને એજ કમ્પ્યુટિંગ ઉત્પાદનોનું સ્વરૂપ સતત સમૃદ્ધ થાય છે, ધીમે ધીમે ચિપથી આખા મશીન સુધી એજ કમ્પ્યુટિંગ ઉત્પાદનોનો સંપૂર્ણ સ્ટેક બનાવે છે. સોલ્યુશન પ્રદાતાઓ ચોક્કસ ઉદ્યોગો માટે સ software ફ્ટવેર અથવા સ software ફ્ટવેર અથવા સ software ફ્ટવેર-હાર્ડવેર-એકીકૃત ઉકેલો પ્રદાન કરે છે.

એજ કમ્પ્યુટિંગ ઉદ્યોગ એપ્લિકેશનો વેગ આપે છે

સ્માર્ટ સિટીના ક્ષેત્રમાં

શહેરી સંપત્તિનું વ્યાપક નિરીક્ષણ સામાન્ય રીતે મેન્યુઅલ નિરીક્ષણના મોડમાં થાય છે, અને મેન્યુઅલ નિરીક્ષણ મોડમાં ઉચ્ચ સમય માંગી લેતા અને મજૂર-સઘન ખર્ચ, વ્યક્તિઓ પર પ્રક્રિયાની અવલંબન, નબળા કવરેજ અને નિરીક્ષણની આવર્તન અને નબળી ગુણવત્તા નિયંત્રણની સમસ્યાઓ છે. તે જ સમયે નિરીક્ષણ પ્રક્રિયાએ વિશાળ પ્રમાણમાં ડેટા રેકોર્ડ કર્યો, પરંતુ આ ડેટા સંસાધનોને વ્યવસાય સશક્તિકરણ માટે ડેટા સંપત્તિમાં પરિવર્તિત કરવામાં આવ્યા નથી. મોબાઇલ નિરીક્ષણના દૃશ્યોમાં એઆઈ તકનીકનો ઉપયોગ કરીને, એન્ટરપ્રાઇઝે શહેરી ગવર્નન્સ એઆઈ બુદ્ધિશાળી નિરીક્ષણ વાહન બનાવ્યું છે, જે ઇન્ટરનેટ Th ફ થિંગ્સ, ક્લાઉડ કમ્પ્યુટિંગ, એઆઈ એલ્ગોરિધમ્સ જેવી તકનીકીઓ અપનાવે છે, અને ઉચ્ચ-વ્યાખ્યાયિત કેમેરા, ઓન-બોર્ડ ડિસ્પ્લે, અને એઆઈ સાઇડ સર્વર્સ, "ઇન્ટેલિજન્ટ સિસ્ટમ +" ઇન્ટેલિજન્ટ સિસ્ટમ + "જેવા વ્યવસાયિક સાધનોને વહન કરે છે. તે શહેરી શાસનના કર્મચારી-સઘન-યાંત્રિક બુદ્ધિમાં, પ્રયોગમૂલક ચુકાદાથી લઈને ડેટા વિશ્લેષણમાં અને સક્રિય શોધના નિષ્ક્રિય પ્રતિસાદથી, શહેરી શાસનના પરિવર્તનને પ્રોત્સાહન આપે છે.

બુદ્ધિશાળી બાંધકામ સાઇટના ક્ષેત્રમાં

Edge computing-based intelligent construction site solutions apply the deep integration of AI technology to the traditional construction industry safety monitoring work, by placing an edge AI analysis terminal at the construction site, completing the independent research and development of visual AI algorithms based on intelligent video analytics technology, full-time detection of events to be detected (eg, detecting whether or not to wear a helmet), providing personnel, environment, security and other safety risk point identification and alarm reminder services, અને બાંધકામ સાઇટ્સના કર્મચારીઓ અને સંપત્તિ સલામતી વ્યવસ્થાપન જરૂરિયાતોને પહોંચી વળવા અસુરક્ષિત પરિબળો, એઆઈ બુદ્ધિશાળી રક્ષક, માનવશક્તિના ખર્ચની બચત માટે પહેલ કરવી.

બુદ્ધિશાળી પરિવહન ક્ષેત્રે

ક્લાઉડ-સાઇડ-એન્ડ આર્કિટેક્ચર બુદ્ધિશાળી પરિવહન ઉદ્યોગમાં એપ્લિકેશનની જમાવટ માટે મૂળભૂત દાખલો બની ગયો છે, જેમાં ક્લાઉડ સાઇડ કેન્દ્રીયકૃત મેનેજમેન્ટ અને ડેટા પ્રોસેસિંગના ભાગ માટે જવાબદાર છે, એજ બાજુ મુખ્યત્વે ધાર-બાજુના ડેટા વિશ્લેષણ અને ગણતરીના નિર્ણય લેવાની પ્રક્રિયા પ્રદાન કરે છે, અને અંતિમ બાજુ મુખ્યત્વે વ્યવસાયિક ડેટાના સંગ્રહ માટે જવાબદાર છે.

વાહન-માર્ગ સંકલન, હોલોગ્રાફિક આંતરછેદ, સ્વચાલિત ડ્રાઇવિંગ અને રેલ ટ્રાફિક જેવા વિશિષ્ટ દૃશ્યોમાં, ત્યાં મોટી સંખ્યામાં વિજાતીય ઉપકરણો access ક્સેસ થાય છે, અને આ ઉપકરણોને management ક્સેસ મેનેજમેન્ટ, એક્ઝિટ મેનેજમેન્ટ, એલાર્મ પ્રોસેસિંગ અને ઓપરેશન અને જાળવણી પ્રક્રિયાની જરૂર હોય છે. એજ કમ્પ્યુટિંગ વિભાજિત અને જીતી શકે છે, નાનામાં મોટા થઈ શકે છે, ક્રોસ-લેયર પ્રોટોકોલ રૂપાંતર કાર્યો પ્રદાન કરે છે, એકીકૃત અને સ્થિર access ક્સેસ પ્રાપ્ત કરે છે, અને વિજાતીય ડેટાના સહયોગી નિયંત્રણ પણ.

Industrial દ્યોગિક ઉત્પાદન ક્ષેત્રે

ઉત્પાદન પ્રક્રિયા optim પ્ટિમાઇઝેશન દૃશ્ય: હાલમાં, મોટી સંખ્યામાં સ્વતંત્ર મેન્યુફેક્ચરિંગ સિસ્ટમ્સ ડેટાની અપૂર્ણતા દ્વારા મર્યાદિત છે, અને એકંદર ઉપકરણોની કાર્યક્ષમતા અને અન્ય અનુક્રમણિકા ડેટા ગણતરીઓ પ્રમાણમાં op ોળાવ છે, જે કાર્યક્ષમતા optim પ્ટિમાઇઝેશન માટે ઉપયોગમાં લેવાનું મુશ્કેલ બનાવે છે. સિમેન્ટીક લેવલ મેન્યુફેક્ચરિંગ સિસ્ટમ આડી સંદેશાવ્યવહાર અને vert ભી સંદેશાવ્યવહારને પ્રાપ્ત કરવા માટે ઇક્વિપમેન્ટ ઇન્ફર્મેશન મોડેલ પર આધારિત એજ કમ્પ્યુટિંગ પ્લેટફોર્મ, રીઅલ-ટાઇમ ડેટા ફ્લો પ્રોસેસિંગ મિકેનિઝમના આધારે, મોટી સંખ્યામાં ફીલ્ડ રીઅલ-ટાઇમ ડેટાને એકઠા કરવા અને તેનું વિશ્લેષણ કરવા માટે, મોડેલ-આધારિત પ્રોડક્શન લાઇન મલ્ટિ-ડેટા સ્રોત માહિતી ફ્યુઝન પ્રાપ્ત કરવા માટે, સ્વતંત્ર મેન્યુફેક્ચરિંગ સિસ્ટમમાં નિર્ણય લેવા માટે શક્તિશાળી ડેટા સપોર્ટ પ્રદાન કરવા માટે.

સાધનોની આગાહી જાળવણી દૃશ્ય: industrial દ્યોગિક સાધનોની જાળવણીને ત્રણ પ્રકારોમાં વહેંચવામાં આવે છે: રિપેરેટિવ જાળવણી, નિવારક જાળવણી અને આગાહી જાળવણી. પુન ora સ્થાપન જાળવણી ભૂતપૂર્વ પોસ્ટ-ફેક્ટો જાળવણી, નિવારક જાળવણી અને આગાહી જાળવણી ભૂતપૂર્વ એન્ટે જાળવણીની છે, ભૂતપૂર્વ સમય, ઉપકરણોની કામગીરી, સાઇટની સ્થિતિ અને સાધનસામગ્રીના નિયમિત જાળવણી માટેના અન્ય પરિબળો પર આધારિત છે, માનવ અનુભવના આધારે વધુ અથવા ઓછા, સેન્સર ડેટાના સંગ્રહ દ્વારા બાદમાં, ડેટાના વિશ્લેષણના industrial દ્યોગિક મોડેલના આધારે, સાધનસામગ્રીના operating પરેટિંગ રાજ્યની રીઅલ-ટાઇમ મોનિટરિંગ, અને સચોટ ઘટનાઓ.

Industrial દ્યોગિક ગુણવત્તા નિરીક્ષણ દૃશ્ય: Industrial દ્યોગિક દ્રષ્ટિ નિરીક્ષણ ક્ષેત્ર એ ગુણવત્તા નિરીક્ષણ ક્ષેત્રમાં પ્રથમ પરંપરાગત સ્વચાલિત opt પ્ટિકલ નિરીક્ષણ (એઓઆઈ) ફોર્મ છે, પરંતુ એઓઆઈનો વિકાસ અત્યાર સુધી, ઘણા ખામીયુક્ત તપાસ અને અન્ય જટિલ દૃશ્યોમાં, વિવિધ પ્રકારના ખામીને કારણે, સુવિધા નિષ્કર્ષણ અપૂર્ણ છે, અનુકૂલનશીલ એલ્ગોરિધમ નબળી છે, પ્રોડક્શન રેખા, એક એલ્ગોરિટિ, રિક્રેટિવ, રિઝ્યુટરેલી છે, ઉત્પાદન લાઇનની જરૂરિયાતોના વિકાસને પહોંચી વળવા સિસ્ટમ મુશ્કેલ છે. તેથી, ડીપ લર્નિંગ + નાના નમૂના શિક્ષણ દ્વારા રજૂ કરાયેલ એઆઈ industrial દ્યોગિક ગુણવત્તા નિરીક્ષણ અલ્ગોરિધમનો પ્લેટફોર્મ ધીમે ધીમે પરંપરાગત દ્રશ્ય નિરીક્ષણ યોજનાને બદલી રહ્યું છે, અને એઆઈ Industrial દ્યોગિક ગુણવત્તા નિરીક્ષણ પ્લેટફોર્મ ક્લાસિકલ મશીન લર્નિંગ એલ્ગોરિધમ્સ અને ડીપ લર્નિંગ ઇન્સ્પેક્શન એલ્ગોરિધમ્સના બે તબક્કામાંથી પસાર થયું છે.