最近発表された「産業用 AI および AI 市場レポート 2021-2026」によると、産業環境における AI の導入率は、わずか 2 年強で 19% から 31% に増加しました。回答者の 31 パーセントが業務に完全または部分的に AI を導入していることに加えて、さらに 39 パーセントが現在テクノロジーのテストまたは試験運用を行っています。
AI は世界中の製造業やエネルギー会社にとって重要なテクノロジーとして台頭しており、IoT 分析では、産業用 AI ソリューション市場はパンデミック後の年平均成長率 (CAGR) が 35% という強力な伸びを示し、2026 年までに 1,021 億 7 千万ドルに達すると予測されています。
デジタル時代はモノのインターネットを生み出しました。人工知能の出現により、モノのインターネットの開発ペースが加速したことがわかります。
産業用 AI と AIoT の台頭を促進する要因のいくつかを見てみましょう。
要因 1: 産業用 AIoT 用のソフトウェア ツールがますます増加
IoT 分析が産業用 AI をカバーし始めた 2019 年には、オペレーショナル テクノロジー (OT) ベンダーによる専用の AI ソフトウェア製品はほとんどありませんでした。それ以来、多くの OT ベンダーが工場現場向けの AI プラットフォームの形で AI ソフトウェア ソリューションを開発、提供することで AI 市場に参入してきました。
データによると、400 近くのベンダーが AIoT ソフトウェアを提供しています。産業用 AI 市場に参入するソフトウェア ベンダーの数は、過去 2 年間で劇的に増加しました。調査中に、IoT Analytics は、製造業者/産業顧客に対する AI テクノロジーのサプライヤー 634 社を特定しました。これらの企業のうち、389 社 (61.4%) が AI ソフトウェアを提供しています。
新しい AI ソフトウェア プラットフォームは産業環境に焦点を当てています。Uptake、Braincube、または C3 AI を超えて、専用の AI ソフトウェア プラットフォームを提供するオペレーショナル テクノロジー (OT) ベンダーの数が増えています。例としては、ABB の Genix Industrial Analytics および AI スイート、Rockwell Automation の FactoryTalk Innovation スイート、Schneider Electric 独自の製造コンサルティング プラットフォーム、そして最近では特定のアドオンが挙げられます。これらのプラットフォームの一部は、幅広いユースケースを対象としています。たとえば、ABB の Genix プラットフォームは、運用パフォーマンス管理、資産の完全性、持続可能性、サプライ チェーンの効率性のための事前構築されたアプリケーションとサービスを含む高度な分析を提供します。
大企業は自社の AI ソフトウェア ツールを製造現場に設置しています。
AI ソフトウェア ツールの可用性は、AWS、Microsoft、Google などの大企業によって開発された、ユースケースに特化した新しいソフトウェア ツールによっても推進されています。たとえば、2020 年 12 月に、AWS は Amazon SageMaker JumpStart をリリースしました。これは Amazon SageMaker の機能であり、PdM、コンピュータービジョン、自動運転などの最も一般的な産業ユースケース向けに、事前に構築されたカスタマイズ可能なソリューションのセットを提供します。ほんの数回クリックするだけです。
ユースケース固有のソフトウェア ソリューションにより、ユーザビリティの向上が推進されています。
予知保全に重点を置いたものなど、ユースケース固有のソフトウェア スイートがより一般的になってきています。IoT Analytics は、AI ベースの製品データ管理 (PdM) ソフトウェア ソリューションを使用するプロバイダーの数が、データ ソースの種類の増加と事前トレーニング モデルの使用の増加により、2021 年初頭に 73 社に増加したことを観察しました。データ拡張テクノロジーの採用。
要因2: AIソリューションの開発と保守が簡素化されている
自動機械学習 (AutoML) は標準製品になりつつあります。
機械学習 (ML) に関連するタスクの複雑さにより、機械学習アプリケーションの急速な成長により、専門知識がなくても使用できる既製の機械学習手法の必要性が生じています。その結果として生まれた研究分野である機械学習の進歩的な自動化は、AutoML と呼ばれます。さまざまな企業が AI 製品の一部としてこのテクノロジーを活用し、顧客が ML モデルを開発し、産業用ユースケースをより迅速に実装できるように支援しています。たとえば、SKF は 2020 年 11 月に、機械プロセス データと振動および温度データを組み合わせてコストを削減し、顧客の新しいビジネス モデルを可能にする automL ベースの製品を発表しました。
機械学習オペレーション (ML Ops) により、モデルの管理とメンテナンスが簡素化されます。
機械学習オペレーションの新しい分野は、製造環境における AI モデルのメンテナンスを簡素化することを目的としています。AI モデルのパフォーマンスは、プラント内のいくつかの要因 (データ分散や品質基準の変更など) の影響を受けるため、通常、時間の経過とともに低下します。その結果、産業環境の高品質要件を満たすには、モデルのメンテナンスと機械学習の操作が必要になりました (たとえば、パフォーマンスが 99% 未満のモデルでは、作業者の安全を危険にさらす動作を識別できない可能性があります)。
近年、DataRobot、Grid.AI、Pinecone/Zilliz、Seldon、Weights & Biases など、多くのスタートアップが ML Ops 分野に参加しています。Azure ML Studio にデータ ドリフト検出を導入した Microsoft など、既存の企業は既存の AI ソフトウェア製品に機械学習オペレーションを追加しています。この新機能により、ユーザーはモデルのパフォーマンスを低下させる入力データの分布の変化を検出できるようになります。
要素 3: 既存のアプリケーションとユースケースに適用される人工知能
従来のソフトウェア プロバイダーは AI 機能を追加しています。
MS Azure ML、AWS SageMaker、Google Cloud Vertex AI などの既存の大規模な水平型 AI ソフトウェア ツールに加え、コンピュータ保守管理システム (CAMMS)、製造実行システム (MES)、エンタープライズ リソース プランニング (ERP) などの従来のソフトウェア スイートAI 機能を導入することで大幅に改善できるようになりました。たとえば、ERP プロバイダーの Epicor Software は、Epicor Virtual Assistant (EVA) を通じて既存の製品に AI 機能を追加しています。インテリジェント EVA エージェントは、製造作業の再スケジュールや簡単なクエリの実行 (たとえば、製品価格や入手可能な部品の数に関する詳細の取得) などの ERP プロセスを自動化するために使用されます。
産業用ユースケースは、AIoT を使用してアップグレードされています。
既存のハードウェア/ソフトウェア インフラストラクチャに AI 機能を追加することで、いくつかの産業ユース ケースが強化されています。鮮明な例は、品質管理アプリケーションにおけるマシン ビジョンです。従来のマシンビジョンシステムは、物体に欠陥があるかどうかを判断するために、所定のパラメータと閾値（例、高コントラスト）を評価する専用ソフトウェアを備えた統合コンピュータまたは個別コンピュータを通じて画像を処理します。多くの場合 (配線形状が異なる電子コンポーネントなど)、誤検知の数は非常に多くなります。
しかし、これらのシステムは人工知能によって復活しつつあります。たとえば、産業用マシン ビジョン プロバイダーであるコグネックスは、2021 年 7 月に新しいディープ ラーニング ツール (Vision Pro Deep Learning 2.0) をリリースしました。新しいツールは従来のビジョン システムと統合され、エンド ユーザーが同じアプリケーション内でディープ ラーニングと従来のビジョン ツールを組み合わせて、傷、汚染、その他の欠陥の正確な測定が必要な、要求の厳しい医療および電子環境に対応します。
要因 4: 産業用 AIoT ハードウェアの改善
AIチップは急速に進歩しています。
組み込みハードウェア AI チップは急速に成長しており、AI モデルの開発と展開をサポートするためにさまざまなオプションが利用可能です。例としては、2021 年 3 月に導入された NVIDIA の最新グラフィックス プロセッシング ユニット (GPU)、A30 および A10 が挙げられ、レコメンデーション システムやコンピューター ビジョン システムなどの AI ユースケースに適しています。もう 1 つの例は、Google の第 4 世代 Tensors Processing Unit (TPus) です。これは、特定の AI ワークロード (オブジェクト検出など) のモデル開発および展開において最大 1,000 倍の効率と速度を達成できる強力な専用集積回路 (ASics) です。 、画像分類、および推奨ベンチマーク）。専用の AI ハードウェアを使用すると、モデルの計算時間が数日から数分に短縮され、多くの場合で状況を大きく変えることが証明されています。
強力な AI ハードウェアは、従量課金制モデルを通じてすぐに利用可能です。
スーパースケール企業は、エンド ユーザーが産業用 AI アプリケーションを実装できるように、コンピューティング リソースをクラウドで利用できるようにサーバーを継続的にアップグレードしています。たとえば、AWS は 2021 年 11 月に、コンピューター ビジョンやレコメンデーション エンジンを含むさまざまな ML アプリケーション向けに、NVIDIA A10G Tensor Core GPU を搭載した最新の GPU ベースのインスタンスである Amazon EC2 G5 の正式リリースを発表しました。たとえば、検出システムプロバイダーである Nanotronics は、AI ベースの品質管理ソリューションの Amazon EC2 の例を使用して、マイクロチップやナノチューブの製造における処理作業を高速化し、より正確な検出率を達成しています。
結論と展望
AI は工場から出てきており、AI ベースの PdM などの新しいアプリケーションや、既存のソフトウェアやユースケースの拡張機能として広く普及することになります。大企業はいくつかの AI ユースケースを展開し、成功を報告しており、ほとんどのプロジェクトで高い投資収益率が得られています。全体として、クラウド、IoT プラットフォーム、強力な AI チップの台頭により、新世代のソフトウェアと最適化のためのプラットフォームが提供されています。
投稿日時: 2022 年 1 月 12 日