تونی بارتلت
کارخانه آینده مبتنی بر داده و بهینه سازی هوش مصنوعی خواهد بود – شماره 2/3 2023
محاسبات لبه با هوش مصنوعی و تجزیه و تحلیل داده های جریانی به طور فزاینده ای برای موارد استفاده مانند تعمیر و نگهداری پیش بینی، بینایی رایانه، کیفیت تولید و دوقلوهای دیجیتالی به کار گرفته می شود که همه این موارد نیاز به تجزیه و تحلیل حجم وسیعی از داده های چند بعدی مانند تصاویر، صدا و خوانش حسگر از اتصال دارند. دستگاه ها و تجهیزات و همچنین سایر دارایی ها. موارد استفاده خاص، مانند مواردی که به کارگر متصل امکان می‌دهد بهره‌ورتر و ایمن‌تر باشد، برای ارائه اطلاعات ایمنی و بهره‌وری به‌موقع به اتصالات پرسرعت و تأخیر بسیار کم، مانند Wi-Fi و تلفن همراه متکی هستند. . سایر موارد استفاده در حال ظهور، مانند واقعیت افزوده و واقعیت ترکیبی برای برنامه‌های تعمیر و نگهداری و آموزشی، به انعطاف‌پذیری و مقرون‌به‌صرفه بودن شبکه‌های 5G برای حل مشکلات قدیمی اتصال و انتقال داده Wi-Fi نیاز دارند.
موارد استفاده نتیجه محور
این فناوری‌ها و موارد استفاده با هم می‌توانند به تولیدکنندگان کمک کنند تا زمانی که مشتریانشان می‌خواهند آنچه را که می‌خواهند ارائه دهند: محصولات نوآورانه و باکیفیت با قیمت‌های رقابتی در حالی که اهداف سودآوری، پایداری و ایمنی را برآورده می‌کنند.
علی‌رغم این چالش‌ها، تولیدکنندگان و سایر شرکت‌های صنعتی به نوآوری در لبه ادامه می‌دهند و خود را بر اساس توانایی‌شان در استخراج ارزش از داده‌های لبه متمایز می‌کنند. امروزه این به معنای استفاده از هوش مصنوعی و ML برای پردازش مجموعه‌های عظیم داده و بازگرداندن بینش در زمان واقعی در نقطه ایجاد و مصرف داده است.
موارد استفاده در پشت داستان های موفقیت امروزی به اندازه زیربخش های تولید متنوع است، اما موضوعات در حال ظهور هستند: کارگر متصل، اثربخشی کلی تجهیزات، تعمیر و نگهداری پیش بینی، کیفیت تولید، بهینه سازی بازده، تدارکات پیشرفته، بهینه سازی تولید و دوقلوهای دیجیتال از رایج ترین موارد هستند. موارد استفاده لبه تولید
مزایای هوش مصنوعی در عمل در لبه بسیار زیاد و فوق‌العاده تأثیرگذار است، از جمله:
نسخه چاپگر پسندکارخانه آینده مبتنی بر داده و بهینه سازی هوش مصنوعی خواهد بود
شماره 2/3 2023 صنعتی (صنعتی)
داده ها در حال تحول در تولید هستند. همراه با ابزارهای قدرتمندی مانند محاسبات لبه، هوش مصنوعی/یادگیری ماشین و تجزیه و تحلیل جریان، داده‌های بلادرنگ سطوح جدیدی از نوآوری و ظهور کارخانه‌های هوشمندتر را ممکن می‌سازد.
از هوش مصنوعی لبه برای ایجاد ارزش بیشتر استفاده کنید
در همان زمان، هجوم گسترده داده ها در لبه می تواند به طور متناقضی به مانعی برای تحول تبدیل شود. گسترش مجموعه داده‌ها، از جمله انواع داده‌های جدید در مکان‌های لبه جدید، می‌تواند بر فناوری لبه‌ها با حجم بسیار زیاد آن غلبه کند، حتی با افزایش انتظارات کاربر برای بینش‌های زمان واقعی.
طبق گزارش Fortune Business Insights، کلان داده‌های جهانی در صنعت تولید در سال 2018 3.22 میلیارد دلار بود و پیش‌بینی می‌شود تا سال 2026 به 9.11 میلیارد دلار برسد، با CAGR 14 درصد در طول دوره پیش‌بینی. پیش‌بینی می‌شود که منطقه آفریقا با نرخ CAGR ثابت در طول دوره پیش‌بینی به پشتوانه ابتکارات رو به رشد دولت رشد کند. امروزه، شرکت‌های رو به جلو، فناوری عملیاتی (OT) را با لبه و هوش مصنوعی جفت می‌کنند تا موارد استفاده را فعال کنند که مزایای قابل‌توجهی را به همراه دارد.
در تولید، «لبه» محیط تولید است، جایی که دوربین‌ها، حسگرها، ماشین‌ها و خطوط مونتاژ داده‌ها را تولید می‌کنند. با استفاده از فناوری محاسبات لبه، شرکت ها داده ها را از این منابع یا از سیستم های کنترل اتوماسیون متصل به این منابع جمع آوری و ترجمه می کنند. داده ها با استفاده از فناوری هایی مانند تجزیه و تحلیل داده های جریانی و هوش مصنوعی تجزیه و تحلیل می شوند تا بینش های فوری را برای تصمیم گیری سریع و اقدام آنی ایجاد کنند.
برای ساده‌تر کردن استقرار، یکپارچه‌سازی، امنیت و مدیریت، سیستم‌های پیکربندی‌شده ساخته‌شده توسط متخصصان هوش مصنوعی تولیدی می‌توانند با راه‌حل‌هایی که مخصوصاً برای موارد استفاده در تولید هوشمند طراحی شده‌اند، زمان را برای ارزش‌گذاری تسریع بخشند. انتخاب یک راه حل تایید شده مهندسی برای هوش مصنوعی می تواند به کسب و کارها کمک کند تا بر موانع پذیرش، از جمله فقدان تخصص هوش مصنوعی در محل، غلبه کنند. طرح‌های معتبر، پیکربندی‌های آزمایش‌شده و اثبات‌شده‌ای هستند که از ابتدا طراحی شده‌اند تا بر اساس موارد استفاده خاص، متناسب با نیازهای پویا باشند. این راه‌حل‌های یکپارچه برای کمک به سرعت و ساده‌سازی استقرار، به‌شدت آزمایش و مستند شده‌اند.
توسط تونی بارتلت، مدیر مرکز داده راه حل های محاسباتی، Dell Technologies آفریقای جنوبی
• خرابی های حداقلی: سیستم های تعمیر و نگهداری پیش بینی مبتنی بر هوش مصنوعی از داده های حسگرها و داده های اینترنت اشیا استفاده می کنند تا مکان دقیق نیازمندی های تعمیر و نگهداری را مشخص کنند، تکنسین ها را صرفه جویی کند، زمان قابل توجهی را در عیب یابی ها صرفه جویی کند و به سازمان امکان پیش بینی فعالانه و جلوگیری از خرابی تجهیزات آینده را بدهد. فعال نگه داشتن تجهیزات و فرآیندها در سطح مطلوب عملکرد به محافظت از کارگران، جلوگیری از اختلالات و کاهش هزینه های تعمیر و نگهداری کمک می کند.
سیر تکاملی تولید هوشمند
با استفاده از قدرت هوش مصنوعی در لبه، سازندگان هوشمند به مزایای تجاری بسیار ملموس و قابل اندازه گیری پی می برند که با بینش بهتر و سریعتر در نقطه نیاز همراه است. این رویکرد هوشمند به تولید به آنها توانایی متمایز شدن و رقابت در یک بازار رقابتی جهانی را می دهد.
منبع: https://www.securitysa.com/19315R
• به شکاف‌های دانش رسیدگی می‌کند: سیستم‌های هوش مصنوعی مبتنی بر واقعیت افزوده (AR) به متخصصان خارج از سایت اجازه می‌دهند تا با استفاده از رابط AR برای ارزیابی مستقیم موقعیت و راهنمایی یا آموزش کارگران در محل، به طور مجازی از کارخانه بازدید کنند. هوش مصنوعی همچنین می تواند زمینه موقعیتی را درک کند و فرآیندهای استاندارد را برای اقدامات توصیه شده بارگذاری کند، با هر مرحله به وضوح در AR نشان داده شده است، و به کارگران آموزش ندیده اجازه می دهد تا در مواردی که متخصصان در دسترس نیستند، وظایف پیچیده را انجام دهند.
• تعداد کمتر نقص: هوش مصنوعی می‌تواند قطعاتی را که وارد کارخانه می‌شوند و در حال حرکت از طریق آن هستند، ردیابی کند. بینایی کامپیوتر به سرعت و خودکارسازی کار در حال انجام در کل چرخه تولید کمک می کند. می توان عیوب را شناسایی، علامت گذاری کرد و به فرآیندها یا اجزای جداگانه در زمان واقعی برای اصلاح فوری بر خلاف پس از کشف محصول معیوب، ردیابی کرد.
هوش مصنوعی در لبه تولید
هوش مصنوعی می‌تواند توانایی سازمان شما را برای محافظت از کارگران، افزایش کیفیت تولید، جلوگیری از مشکلات تعمیر و نگهداری و پر کردن شکاف‌های مهارتی با هوش ماشینی ارتقا دهد. همه اینها به شما کمک می کند مرتبط تر و رقابتی تر بمانید. گزارش مایکروسافت/EY نشان داد که 96 درصد از مشاغل آفریقای جنوبی انتظار دارند با استفاده از راه حل های هوش مصنوعی برای بهینه سازی عملیات خود، مزایای مالی قابل توجهی به دست آورند. بیشترین موارد استفاده برای هوش مصنوعی شامل اتوماسیون (83٪) و پیش بینی (70٪) بود. موارد استفاده از افزایش بهره وری کارکنان تا پیش بینی ریزش مشتری و مدیریت فعالانه زمان از کار افتادن ماشین آلات را شامل می شود.
انتقال هوش مصنوعی به لبه تولید، مزایای وسوسه‌انگیز زیادی را نوید می‌دهد، اما چالش‌های منحصربه‌فردی را نیز به همراه دارد که برای موفقیت استقرار هوش مصنوعی لبه‌ای باید بر آن غلبه کرد. سازمان‌ها باید پایه‌ای قوی از زیرساخت‌های پشتیبان و خدمات مشاوره راه‌اندازی کنند تا به طور کامل کل مسیر را از دریافت داده‌های لبه تا رسیدن به نتیجه مطلوب کسب‌وکار از ابتدا تا انتها درک کنند.