或许,这就是企业在工业4.0带来的大规模数字化转型中,如果没有工业物联网提供的关键帮助,难以生存的重要原因。人工智能(AI)与工业物联网的结合,可以有效管理和充分利用数字化生产过程中产生的海量数据,将工业过程控制提升到一个全新的水平。
IIoT数据管理必须具备的4大能力
随着数字化浪潮在工业领域的渗透,大数据成为工业数字化的入口。据IDC统计,2019年全球数据量达到42ZB,预计2022年将达到163ZB,年复合增长率为57%。工业数据在工业领域的应用场景也在不断增加。赛迪智库统计数据显示,2019年中国工业大数据市场规模约为146.9亿元,未来预计将保持30%以上的高增速。也就是说,当企业开始在其工业系统中部署IIoT时,他们面临的第一个挑战是如何从IIoT系统中检索数据并使其可用于制造过程中的实时分析和决策。为了确保数据管理解决方案能够满足工业物联网的要求,需要重点关注以下四个功能:
多功能连接,能够处理各种数据。物联网系统有多种标准,生成的数据必须遵守各种协议,例如MQTT、OPC、AMQP等。此外,大多数物联网数据以半结构化或非结构化格式存在。因此,数据管理系统必须能够连接到所有系统并遵守各种协议,以便能够从这些系统接收数据。同时,解决方案必须支持结构化和非结构化数据。
丰富的边缘处理能力。一个好的数据管理解决方案应该能够从系统中过滤掉错误记录。它还应该能够用元数据(metadata)来丰富数据,例如时间戳或静态文本,以支持更完整的数据分析。
大数据处理和机器学习能力。由于物联网数据量非常大,系统在进行实时数据分析时必须保持超低延迟,以便数据能够得到实时处理。
实时监控功能。物联网数据的获取和处理是一个持续的过程,因此数据管理解决方案应通过可视化提供实时监控,以随时显示过程的性能和吞吐量状态。
人工智能如何影响工业物联网?
在讨论这个话题之前,我们先来看看专家研究机构对人工智能和物联网前景的判断:根据MarketsMarkets的预测,到2025年人工智能将成为一个价值1900亿美元的产业。 IDC认为,2019年40%的数字化转型计划将由人工智能驱动。 Business Insider 预测,到2025 年,物联网设备数量将超过640 亿台,而2018 年约为100 亿台。因此,麦肯锡预测,到2025 年,物联网可能为美国创造4 万亿美元的经济价值11万亿美元。
从以上数据我们可以看到,人工智能和物联网这两个存在了数十年的科技概念,在天时地利人和下重新出现。它们打破了传统的行业规范,并将引发一场改变18 世纪的数字革命。工业4.0将传统工业革命带入21世纪。随着人工智能的融合,工业物联网的性能将得到大幅提升。
人工智能正在成为工业智能的大脑
当数据、算法、计算能力等基础要素充分发展后,人工智能就有了实现的基础。同时,人工智能的发展也给制造业带来良好的发展机遇,从多个维度全面提升工业制造水平。目前,人工智能已经应用于工业领域的多个应用场景,例如智能生产场景中的工业视觉检测、设备管理领域的预测性维护等。
在预测性维护期间,人工智能算法可以使用现有数据确定在机器需要维修之前何时实施预防措施。用于视觉检测的计算机视觉也是能够降低成本、提高效率的关键技术。当提供正确的训练数据和硬件时,机器学习(ML)算法在视觉检查方面比人类更加准确和有效,例如,宝马公司已经在使用这项技术来确保其汽车零部件的质量控制。
在全球范围内,制造企业越来越注重提高机械和系统的效率以及降低生产成本。随着半导体技术的进步以及价格实惠的传感器和处理器的普及,工业物联网的采用将继续增加。据Grand View Research分析,2020年全球IIoT市场规模约为2161.3亿美元。
现在,工业部门正在加速向智能和自主工业流程迈进,物联网设备的数据收集达到了前所未有的规模。当大数据、人工智能和物联网结合在一起时,就会为先进的物联网数据分析解决方案创造一系列机会。在此过程中,人工智能尤其是深度/机器学习技术为管理和分析海量感知数据提供了有力支撑。
研究公司MobiDev的一份报告预测,到2025年,人工智能和物联网的价值将超过260亿美元。他们还证明,人工智能将物联网数据的效率提高了25%,将行业分析能力提高了42%。人工智能无论是在物联网中心还是在边缘网络都发挥着重要作用。例如,在工厂的装配线上,可以利用人工智能视觉检测进行质量控制,可以有效降低制造过程中的制造不良率。
人工智能+工业物联网解决方案
在这一大趋势下,各大科技厂商也一直在努力以创新技术和产品推动AI+IIoT解决方案的落地。
TI单芯片嵌入式机器人解决方案提供去中心化AI模型AI+IIOT解决方案
一段时间以来,机器人自动化一直是制造业的革命性技术,但在未来几年,将人工智能集成到机器人中预计将改变整个行业。咨询公司埃森哲的研究显示,到2035年,人工智能将使年经济增长率翻倍,劳动生产率提高高达40%,并创建人与机器之间新的混合关系,导致工作性质发生变化。
随着传感器技术的进步,再加上将传感器数据融合在一起的嵌入式系统,当今的机器人的感知和意识水平不断提高。在TI的嵌入式机器人参考设计中,为了让AI在系统中发挥应有的作用,传感器数据必须在推理过程中实时融合。因此,设计人员需要将机器学习和深度学习模型置于边缘,并将推理部署到嵌入式系统中。
为此,TI 提供了一系列嵌入式处理产品,包括用于本地化决策、机器学习和可轻松部署的实时网络的边缘AI 设备。其中,Sitara AM57x处理器是在边缘运行AI的典范处理器:
这些处理器以SoC的形式集成了整个嵌入式应用的许多必要组件,包括显示、图形、视频加速和工业网络等功能。它们还可以连接视频、飞行时间(ToF)、激光雷达(LIDAR) 和毫米波(mmWave) 等多种传感器,有些还包括C66x 数字信号处理器内核形式的专用硬件和嵌入式视觉引擎子系统,旨在加速人工智能算法和深度学习推理。
配备Sitara AM57x 处理器的TIDEP-01006 参考设计是一个自主机器人设计模型。在该系统中,毫米波雷达传感过程中的点云数据由Sitara AM57x处理器处理。 Sitara AM57x 处理器配备机器人操作系统(ROS),是整个系统控制的主处理器。
此外,该解决方案还支持采用IWR6843封装天线的毫米波传感器,可以降低设计和制造成本,简化系统设计,使传感器尺寸更小,缩短产品上市时间,为完全集成的设计提供大量机会。具有AI属性的自主机器人。很好的切入点。
瑞萨电子RZ/V2M 可实现低功耗和实时AI 处理AI+IIOT 解决方案
工业和基础设施监控摄像头等应用对基于人工智能的实时人类和物体识别功能的需求正在迅速增长。瑞萨电子RZ/V 系列微处理器(MPU) 配备了其独特的图像处理AI 加速器——DRP-AI(DRP:动态可配置处理器)。 RZ/V2M是该系列的首款产品,可嵌入传统设备中以超低能耗实现实时AI推理。
此外,RZ/V2M还集成了图像信号处理器(ISP),可以每秒30帧的速度处理4K像素图像。 RZ/V2M极大拓展了AI在嵌入式设备中的应用范围。在智能工厂中,机器人可以与人类安全地合作。
结论
人工智能具有独立、智能地管理自身及其应用的能力。在过去十几年的技术突破中,很少有能够达到人工智能与工业物联网结合对工业领域产生影响的程度。根据德勤的统计调查和预测,人工智能在中国制造业的应用前景非常广阔。预计2020年应用规模在252.2亿元左右,到2025年将达到2057.6亿元,复合增长率超过40%。
通过将人工智能算法融入工业物联网基础设施中,可以对整个机械设备进行训练和自动化,从而实现工厂的智能化管理和运营。也许我们还看不到广泛的AI+IIoT应用。相信几年后,人工智能、物联网在工业领域的应用将会越来越普遍。
审稿编辑:郭婷