नुकत्याच प्रसिद्ध झालेल्या औद्योगिक एआय आणि एआय मार्केट रिपोर्ट २०२१-२०२६ नुसार, औद्योगिक सेटिंग्जमध्ये एआयचा अवलंब दर अवघ्या दोन वर्षांत १९ टक्क्यांवरून ३१ टक्क्यांपर्यंत वाढला आहे. त्यांच्या ऑपरेशन्समध्ये एआय पूर्णपणे किंवा अंशतः आणलेल्या ३१ टक्के प्रतिसादकर्त्यांव्यतिरिक्त, आणखी ३९ टक्के सध्या तंत्रज्ञानाची चाचणी किंवा पायलट करत आहेत.
जगभरातील उत्पादक आणि ऊर्जा कंपन्यांसाठी एआय एक प्रमुख तंत्रज्ञान म्हणून उदयास येत आहे आणि आयओटी विश्लेषणाचा अंदाज आहे की औद्योगिक एआय सोल्यूशन्स मार्केट २०२६ पर्यंत ३५% चा मजबूत पोस्ट-पँडेमिक कंपाऊंड वार्षिक वाढ दर (सीएजीआर) दर्शवेल जो $१०२.१७ अब्ज पर्यंत पोहोचेल.
डिजिटल युगाने इंटरनेट ऑफ थिंग्जला जन्म दिला आहे. कृत्रिम बुद्धिमत्तेच्या उदयामुळे इंटरनेट ऑफ थिंग्जच्या विकासाची गती वाढली आहे हे दिसून येते.
औद्योगिक एआय आणि एआयओटीच्या उदयाला चालना देणाऱ्या काही घटकांवर एक नजर टाकूया.
घटक १: औद्योगिक AIoT साठी अधिकाधिक सॉफ्टवेअर साधने
२०१९ मध्ये, जेव्हा आयओटी अॅनालिटिक्सने औद्योगिक एआय कव्हर करण्यास सुरुवात केली, तेव्हा ऑपरेशनल टेक्नॉलॉजी (ओटी) विक्रेत्यांकडून काही समर्पित एआय सॉफ्टवेअर उत्पादने नव्हती. तेव्हापासून, अनेक ओटी विक्रेत्यांनी फॅक्टरी फ्लोअरसाठी एआय प्लॅटफॉर्मच्या स्वरूपात एआय सॉफ्टवेअर सोल्यूशन्स विकसित करून आणि प्रदान करून एआय मार्केटमध्ये प्रवेश केला आहे.
आकडेवारीनुसार, जवळजवळ ४०० विक्रेते एआयओटी सॉफ्टवेअर देतात. गेल्या दोन वर्षांत औद्योगिक एआय मार्केटमध्ये सामील होणाऱ्या सॉफ्टवेअर विक्रेत्यांची संख्या नाटकीयरित्या वाढली आहे. अभ्यासादरम्यान, आयओटी अॅनालिटिक्सने उत्पादक/औद्योगिक ग्राहकांना एआय तंत्रज्ञानाचे ६३४ पुरवठादार ओळखले. यापैकी ३८९ (६१.४%) एआय सॉफ्टवेअर देतात.
नवीन एआय सॉफ्टवेअर प्लॅटफॉर्म औद्योगिक वातावरणावर लक्ष केंद्रित करतो. अपटेक, ब्रेनक्यूब किंवा सी३ एआय पलीकडे, वाढत्या संख्येने ऑपरेशनल टेक्नॉलॉजी (ओटी) विक्रेते समर्पित एआय सॉफ्टवेअर प्लॅटफॉर्म ऑफर करत आहेत. उदाहरणांमध्ये एबीबीचे जेनिक्स इंडस्ट्रियल अॅनालिटिक्स आणि एआय सूट, रॉकवेल ऑटोमेशनचे फॅक्टरीटॉक इनोव्हेशन सूट, श्नायडर इलेक्ट्रिकचे स्वतःचे मॅन्युफॅक्चरिंग कन्सल्टिंग प्लॅटफॉर्म आणि अलिकडेच, विशिष्ट अॅड-ऑन यांचा समावेश आहे. यापैकी काही प्लॅटफॉर्म वापराच्या विस्तृत श्रेणीला लक्ष्य करतात. उदाहरणार्थ, एबीबीचे जेनिक्स प्लॅटफॉर्म प्रगत विश्लेषण प्रदान करते, ज्यामध्ये ऑपरेशनल परफॉर्मन्स मॅनेजमेंट, अॅसेट इंटिग्रिटी, शाश्वतता आणि सप्लाय चेन कार्यक्षमता यासाठी पूर्व-निर्मित अनुप्रयोग आणि सेवांचा समावेश आहे.
मोठ्या कंपन्या त्यांची एआय सॉफ्टवेअर टूल्स दुकानात आणत आहेत.
एआय सॉफ्टवेअर टूल्सची उपलब्धता एडब्ल्यूएस, मायक्रोसॉफ्ट आणि गुगल सारख्या मोठ्या कंपन्यांनी विकसित केलेल्या नवीन वापर-केस विशिष्ट सॉफ्टवेअर टूल्समुळे देखील चालते. उदाहरणार्थ, डिसेंबर २०२० मध्ये, एडब्ल्यूएसने अमेझॉन सेजमेकर जंपस्टार्ट जारी केले, जे अमेझॉन सेजमेकरचे एक वैशिष्ट्य आहे जे पीडीएम, संगणक व्हिजन आणि ऑटोनॉमस ड्रायव्हिंग सारख्या सर्वात सामान्य औद्योगिक वापराच्या प्रकरणांसाठी पूर्व-निर्मित आणि सानुकूलित उपायांचा संच प्रदान करते, फक्त काही क्लिक्ससह तैनात करा.
वापर-केस-विशिष्ट सॉफ्टवेअर सोल्यूशन्स वापरण्यायोग्यतेत सुधारणा घडवून आणत आहेत.
वापर-केस-विशिष्ट सॉफ्टवेअर सूट, जसे की भविष्यसूचक देखभालीवर लक्ष केंद्रित करणारे, अधिक सामान्य होत आहेत. आयओटी अॅनालिटिक्सने असे निरीक्षण नोंदवले आहे की डेटा स्रोतांच्या विविधतेत वाढ आणि प्री-ट्रेनिंग मॉडेल्सचा वापर तसेच डेटा एन्हांसमेंट तंत्रज्ञानाचा व्यापक अवलंब यामुळे २०२१ च्या सुरुवातीला एआय-आधारित उत्पादन डेटा व्यवस्थापन (पीडीएम) सॉफ्टवेअर सोल्यूशन्स वापरणाऱ्या प्रदात्यांची संख्या ७३ वर पोहोचली.
घटक २: एआय सोल्यूशन्सचा विकास आणि देखभाल सुलभ केली जात आहे.
ऑटोमेटेड मशीन लर्निंग (ऑटोएमएल) हे एक मानक उत्पादन होत आहे.
मशीन लर्निंग (एमएल) शी संबंधित कामांच्या जटिलतेमुळे, मशीन लर्निंग अॅप्लिकेशन्सच्या जलद वाढीमुळे तज्ञांशिवाय वापरता येणाऱ्या ऑफ-द-शेल्फ मशीन लर्निंग पद्धतींची आवश्यकता निर्माण झाली आहे. परिणामी संशोधनाचे क्षेत्र, मशीन लर्निंगसाठी प्रगतीशील ऑटोमेशन, याला ऑटोएमएल म्हणतात. ग्राहकांना एमएल मॉडेल विकसित करण्यास आणि औद्योगिक वापराच्या केसेस जलद अंमलात आणण्यास मदत करण्यासाठी विविध कंपन्या त्यांच्या एआय ऑफरिंगचा भाग म्हणून या तंत्रज्ञानाचा वापर करत आहेत. उदाहरणार्थ, नोव्हेंबर २०२० मध्ये, एसकेएफने एक ऑटोएमएल-आधारित उत्पादन जाहीर केले जे खर्च कमी करण्यासाठी आणि ग्राहकांसाठी नवीन व्यवसाय मॉडेल सक्षम करण्यासाठी मशीन प्रक्रिया डेटा कंपन आणि तापमान डेटासह एकत्रित करते.
मशीन लर्निंग ऑपरेशन्स (एमएल ऑप्स) मॉडेल व्यवस्थापन आणि देखभाल सुलभ करतात.
मशीन लर्निंग ऑपरेशन्सच्या नवीन शाखेचा उद्देश उत्पादन वातावरणात एआय मॉडेल्सची देखभाल सुलभ करणे आहे. एआय मॉडेलची कामगिरी कालांतराने कमी होते कारण ती प्लांटमधील अनेक घटकांमुळे प्रभावित होते (उदाहरणार्थ, डेटा वितरण आणि गुणवत्ता मानकांमधील बदल). परिणामी, औद्योगिक वातावरणाच्या उच्च दर्जाच्या आवश्यकता पूर्ण करण्यासाठी मॉडेल देखभाल आणि मशीन लर्निंग ऑपरेशन्स आवश्यक झाले आहेत (उदाहरणार्थ, 99% पेक्षा कमी कामगिरी असलेले मॉडेल कामगारांच्या सुरक्षिततेला धोका निर्माण करणारे वर्तन ओळखण्यात अयशस्वी होऊ शकतात).
अलिकडच्या वर्षांत, डेटारोबोट, ग्रिड.एआय, पाइनकोन/झिलिझ, सेल्डन आणि वेट्स अँड बायसेस यासारख्या अनेक स्टार्टअप्स एमएल ऑप्स स्पेसमध्ये सामील झाल्या आहेत. स्थापित कंपन्यांनी त्यांच्या विद्यमान एआय सॉफ्टवेअर ऑफरिंगमध्ये मशीन लर्निंग ऑपरेशन्स जोडल्या आहेत, ज्यात मायक्रोसॉफ्टचा समावेश आहे, ज्याने अझर एमएल स्टुडिओमध्ये डेटा ड्रिफ्ट डिटेक्शन सादर केले आहे. हे नवीन वैशिष्ट्य वापरकर्त्यांना मॉडेल कामगिरी खराब करणारे इनपुट डेटाच्या वितरणातील बदल शोधण्यास सक्षम करते.
घटक ३: विद्यमान अनुप्रयोग आणि वापर प्रकरणांमध्ये कृत्रिम बुद्धिमत्ता लागू करणे
पारंपारिक सॉफ्टवेअर प्रदाते एआय क्षमता वाढवत आहेत.
एमएस अझ्युर एमएल, एडब्ल्यूएस सेजमेकर आणि गुगल क्लाउड व्हर्टेक्स एआय सारख्या मोठ्या क्षैतिज एआय सॉफ्टवेअर टूल्स व्यतिरिक्त, संगणकीकृत देखभाल व्यवस्थापन प्रणाली (सीएएमएमएस), उत्पादन अंमलबजावणी प्रणाली (एमईएस) किंवा एंटरप्राइझ रिसोर्स प्लॅनिंग (ईआरपी) सारख्या पारंपारिक सॉफ्टवेअर सूटमध्ये आता एआय क्षमता इंजेक्ट करून लक्षणीय सुधारणा करता येतात. उदाहरणार्थ, ईआरपी प्रदाता एपिकॉर सॉफ्टवेअर त्याच्या एपिकॉर व्हर्च्युअल असिस्टंट (ईव्हीए) द्वारे त्याच्या विद्यमान उत्पादनांमध्ये एआय क्षमता जोडत आहे. इंटेलिजेंट ईव्हीए एजंट्सचा वापर ईआरपी प्रक्रिया स्वयंचलित करण्यासाठी केला जातो, जसे की उत्पादन ऑपरेशन्सचे पुनर्निर्धारण करणे किंवा साध्या प्रश्नांची पूर्तता करणे (उदाहरणार्थ, उत्पादनाच्या किंमतीबद्दल किंवा उपलब्ध भागांची संख्या याबद्दल तपशील मिळवणे).
AIoT वापरून औद्योगिक वापराच्या केसेस अपग्रेड केल्या जात आहेत.
विद्यमान हार्डवेअर/सॉफ्टवेअर पायाभूत सुविधांमध्ये एआय क्षमता जोडून अनेक औद्योगिक वापराच्या प्रकरणांमध्ये वाढ केली जात आहे. गुणवत्ता नियंत्रण अनुप्रयोगांमध्ये मशीन व्हिजन हे एक ज्वलंत उदाहरण आहे. पारंपारिक मशीन व्हिजन सिस्टम विशिष्ट सॉफ्टवेअरने सुसज्ज असलेल्या एकात्मिक किंवा डिस्क्रिट संगणकांद्वारे प्रतिमांवर प्रक्रिया करतात जे पूर्वनिर्धारित पॅरामीटर्स आणि थ्रेशोल्ड (उदा., उच्च कॉन्ट्रास्ट) मूल्यांकन करतात जेणेकरून वस्तूंमध्ये दोष दिसून येतात की नाही हे निर्धारित केले जाऊ शकते. बर्‍याच प्रकरणांमध्ये (उदाहरणार्थ, वेगवेगळ्या वायरिंग आकारांसह इलेक्ट्रॉनिक घटक), खोट्या पॉझिटिव्हची संख्या खूप जास्त असते.
तथापि, या प्रणाली कृत्रिम बुद्धिमत्तेद्वारे पुनरुज्जीवित केल्या जात आहेत. उदाहरणार्थ, औद्योगिक मशीन व्हिजन प्रदाता कॉग्नेक्सने जुलै २०२१ मध्ये एक नवीन डीप लर्निंग टूल (व्हिजन प्रो डीप लर्निंग २.०) जारी केले. ही नवीन साधने पारंपारिक व्हिजन सिस्टमशी एकत्रित होतात, ज्यामुळे अंतिम वापरकर्त्यांना ओरखडे, दूषितता आणि इतर दोषांचे अचूक मापन आवश्यक असलेल्या मागणी असलेल्या वैद्यकीय आणि इलेक्ट्रॉनिक वातावरणाची पूर्तता करण्यासाठी त्याच अनुप्रयोगात पारंपारिक व्हिजन टूल्ससह डीप लर्निंग एकत्र करणे शक्य होते.
घटक ४: औद्योगिक AIoT हार्डवेअरमध्ये सुधारणा केली जात आहे
एआय चिप्समध्ये वेगाने सुधारणा होत आहेत.
एम्बेडेड हार्डवेअर एआय चिप्स वेगाने वाढत आहेत, एआय मॉडेल्सच्या विकास आणि तैनातीला समर्थन देण्यासाठी विविध पर्याय उपलब्ध आहेत. उदाहरणांमध्ये एनव्हीआयडीएआयचे नवीनतम ग्राफिक्स प्रोसेसिंग युनिट्स (जीपस), ए३० आणि ए१० यांचा समावेश आहे, जे मार्च २०२१ मध्ये सादर करण्यात आले होते आणि शिफारस प्रणाली आणि संगणक दृष्टी प्रणालीसारख्या एआय वापरासाठी योग्य आहेत. दुसरे उदाहरण म्हणजे गुगलचे चौथ्या पिढीचे टेन्सर प्रोसेसिंग युनिट्स (टीपस), जे शक्तिशाली स्पेशल-पर्पज इंटिग्रेटेड सर्किट्स (एएसआयसी) आहेत जे विशिष्ट एआय वर्कलोड्ससाठी (उदा., ऑब्जेक्ट डिटेक्शन, इमेज क्लासिफिकेशन आणि शिफारस बेंचमार्क) मॉडेल डेव्हलपमेंट आणि तैनातीमध्ये १,००० पट जास्त कार्यक्षमता आणि वेग मिळवू शकतात. समर्पित एआय हार्डवेअर वापरल्याने मॉडेल गणना वेळ दिवसांपासून मिनिटांपर्यंत कमी होतो आणि अनेक प्रकरणांमध्ये गेम चेंजर असल्याचे सिद्ध झाले आहे.
पे-पर-यूज मॉडेलद्वारे शक्तिशाली एआय हार्डवेअर त्वरित उपलब्ध होते.
सुपरस्केल एंटरप्रायझेस क्लाउडमध्ये संगणकीय संसाधने उपलब्ध करून देण्यासाठी त्यांचे सर्व्हर सतत अपग्रेड करत आहेत जेणेकरून अंतिम वापरकर्ते औद्योगिक एआय अनुप्रयोग लागू करू शकतील. उदाहरणार्थ, नोव्हेंबर २०२१ मध्ये, AWS ने संगणक दृष्टी आणि शिफारस इंजिनसह विविध ML अनुप्रयोगांसाठी NVIDIA A10G टेन्सर कोअर GPU द्वारे समर्थित त्यांच्या नवीनतम GPU-आधारित उदाहरणे, Amazon EC2 G5 ची अधिकृत प्रकाशन घोषणा केली. उदाहरणार्थ, डिटेक्शन सिस्टम प्रदाता नॅनोट्रॉनिक्स प्रक्रिया प्रयत्नांना गती देण्यासाठी आणि मायक्रोचिप्स आणि नॅनोट्यूबच्या निर्मितीमध्ये अधिक अचूक शोध दर प्राप्त करण्यासाठी त्यांच्या AI-आधारित गुणवत्ता नियंत्रण समाधानाची Amazon EC2 उदाहरणे वापरते.
निष्कर्ष आणि संभावना
एआय आता कारखान्यातून बाहेर पडत आहे आणि एआय-आधारित पीडीएम सारख्या नवीन अनुप्रयोगांमध्ये आणि विद्यमान सॉफ्टवेअर आणि वापराच्या प्रकरणांमध्ये सुधारणा म्हणून ते सर्वव्यापी असेल. मोठे उद्योग अनेक एआय वापर प्रकरणे आणत आहेत आणि यशाची नोंद करत आहेत आणि बहुतेक प्रकल्पांना गुंतवणुकीवर उच्च परतावा मिळतो. एकंदरीत, क्लाउड, आयओटी प्लॅटफॉर्म आणि शक्तिशाली एआय चिप्सचा उदय सॉफ्टवेअर आणि ऑप्टिमायझेशनच्या नवीन पिढीसाठी एक व्यासपीठ प्रदान करतो.
पोस्ट वेळ: जानेवारी-१२-२०२२