在云上訓(xùn)練的人工智能(AI)和機(jī)器學(xué)習(xí)(ML)算法，可以在網(wǎng)絡(luò)邊緣的本地計(jì)算設(shè)備上執(zhí)行，從而使工廠能夠在生產(chǎn)和使用地點(diǎn)安全、實(shí)時(shí)地處理和分析數(shù)據(jù)。
作為數(shù)字化轉(zhuǎn)型戰(zhàn)略的核心要素，人工智能的變革力量已滲透至幾乎所有行業(yè)。從過程控制與自動(dòng)化的視角來看，AI在支持分析和處理現(xiàn)代工業(yè)設(shè)施中數(shù)以千計(jì)的互聯(lián)設(shè)備、系統(tǒng)及流程所產(chǎn)生海量數(shù)據(jù)方面，展現(xiàn)出巨大潛力。
在典型的工業(yè)環(huán)境中應(yīng)用AI技術(shù)，可助力優(yōu)化控制流程的效率、可靠性與安全性。它能夠減少人類在繁瑣或常規(guī)任務(wù)中的干預(yù)需求，并最終在降低運(yùn)營成本的同時(shí)，提高工廠的運(yùn)行時(shí)間。在實(shí)現(xiàn)這些目標(biāo)的過程中，AI也為工廠全面自動(dòng)化運(yùn)營這一長期愿景鋪平了道路。
基于多年實(shí)際運(yùn)行數(shù)據(jù)驅(qū)動(dòng)的AI算法，可通過機(jī)器學(xué)習(xí)進(jìn)行訓(xùn)練以識別人類工程師通常難以察覺的趨勢與異常。這些洞察可用于預(yù)警傳感器的潛在故障，或?yàn)樘囟鞒痰木?xì)化調(diào)整提供建議以提升能效。
有效決策的關(guān)鍵在于確保及時(shí)獲取準(zhǔn)確、相關(guān)的數(shù)據(jù)，并具備快速分析與解讀信息的能力。在過程控制領(lǐng)域，正是這種“深度挖掘數(shù)據(jù)價(jià)值”的迫切需求，將AI的應(yīng)用聚焦于最具價(jià)值的場景——即運(yùn)營數(shù)據(jù)產(chǎn)生與使用的同一物理空間。
邊緣AI的優(yōu)勢
邊緣人工智能(Edge AI)，通常是指在聯(lián)網(wǎng)設(shè)備上實(shí)時(shí)或近乎實(shí)時(shí)地執(zhí)行任務(wù)的AI應(yīng)用。為AI引擎決策提供依據(jù)的數(shù)據(jù)可能遠(yuǎn)程存儲(chǔ)于云端，也可能就近駐留于設(shè)備本身所在的網(wǎng)絡(luò)邊緣。
雖然邊緣計(jì)算的起源可以追溯到千禧年之交，但是在網(wǎng)絡(luò)邊緣部署AI模型是一個(gè)相對較新的現(xiàn)象。得益于CPU算力的提升與電路的微型化發(fā)展，如今緊湊型硬件設(shè)備已具備十年前堪比超級計(jì)算機(jī)的數(shù)據(jù)處理能力。
高速的5G連接還允許從成千上萬或數(shù)百萬個(gè)物聯(lián)網(wǎng)(IoT)設(shè)備中收集數(shù)據(jù)，為云端或遠(yuǎn)程數(shù)據(jù)中心托管的日益復(fù)雜的AI/ML模型提供數(shù)據(jù)。在用更多設(shè)備和更多數(shù)據(jù)對這些模型進(jìn)行訓(xùn)練后，經(jīng)過不斷迭代，它們會(huì)變得更智能、更準(zhǔn)確、更可靠。
將AI算力遷移到網(wǎng)絡(luò)邊緣會(huì)帶來一些顯著的優(yōu)勢。它大大降低了在基于現(xiàn)場的設(shè)備和云端之間傳輸大量數(shù)據(jù)所需的帶寬要求和相關(guān)成本。在本地執(zhí)行應(yīng)用，而不是在遠(yuǎn)程位置執(zhí)行，還可以縮短系統(tǒng)延遲——數(shù)據(jù)來源點(diǎn)和處理地點(diǎn)之間的往返時(shí)間。無論是身處無人駕駛汽車中，還是為另一大洲的患者實(shí)施機(jī)器人手術(shù)，即使僅百毫秒的輸入輸出延遲也可能引發(fā)災(zāi)難性后果。
將計(jì)算資源部署在數(shù)據(jù)產(chǎn)生和使用的地方，可以減少通過互聯(lián)網(wǎng)將站點(diǎn)連接到遠(yuǎn)程數(shù)據(jù)中心可能存在的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)。雖然私有云和公共云具有高度的內(nèi)在安全性，但能始終將商業(yè)敏感數(shù)據(jù)保存在本地，不會(huì)發(fā)生未經(jīng)授權(quán)的泄露和審查，從而確保對數(shù)據(jù)的最終所有權(quán)和控制權(quán)。
關(guān)鍵任務(wù)的應(yīng)用場景
邊緣計(jì)算在關(guān)鍵任務(wù)應(yīng)用中也極具吸引力，因?yàn)樗灰蕾囉诔掷m(xù)的互聯(lián)網(wǎng)連接來處理數(shù)據(jù)。這就確保了應(yīng)用的高可用性，否則這些應(yīng)用可能會(huì)受到網(wǎng)絡(luò)中斷的影響，或者在連接不暢或時(shí)有時(shí)無的遠(yuǎn)程站點(diǎn)受到影響。
正是因?yàn)橛辛诉@些好處，在很多工業(yè)過程控制和自動(dòng)化環(huán)境中，邊緣計(jì)算發(fā)揮變革性作用也就不足為奇了。作為現(xiàn)場設(shè)備和云之間的智能橋梁，它允許資產(chǎn)所有者從工業(yè)物聯(lián)網(wǎng)設(shè)備和控制系統(tǒng)收集更多的數(shù)據(jù)，并將這些數(shù)據(jù)用于廣泛的生產(chǎn)過程。
所有工廠的運(yùn)營人員都面臨著優(yōu)化工廠正常運(yùn)行時(shí)間、效率、安全性、可持續(xù)性和盈利能力的挑戰(zhàn)。其中關(guān)鍵在于從數(shù)千個(gè)傳感器、子系統(tǒng)和其它來源產(chǎn)生的大量運(yùn)營、IT和工程技術(shù)數(shù)據(jù)中及時(shí)提取可操作的見解。在遠(yuǎn)離移動(dòng)寬帶覆蓋的偏遠(yuǎn)地區(qū)或難以進(jìn)入的環(huán)境，如礦山、化工廠、海上風(fēng)電場或石油平臺(tái)，這可能尤其困難。從業(yè)務(wù)角度來看，通過邊緣和云計(jì)算賦能的AI分析技術(shù)，有望幫助工業(yè)資產(chǎn)所有者從當(dāng)前未被利用的約80%生產(chǎn)數(shù)據(jù)中釋放實(shí)際價(jià)值。
從定義上看，邊緣和云模式有著根本的不同，不過，它們被廣泛視為互補(bǔ)技術(shù)，將邊緣計(jì)算的即時(shí)性、安全性和彈性與云的無限規(guī)模和存儲(chǔ)容量相結(jié)合能為制造企業(yè)帶來很多好處。
以某化學(xué)加工廠的過程優(yōu)化模型為例。該模型由現(xiàn)場IIoT設(shè)備大規(guī)模收集、并由云托管的生產(chǎn)數(shù)據(jù)提供支持，然后利用邊緣AI在現(xiàn)場實(shí)時(shí)執(zhí)行。該模型輸出的結(jié)果可確保設(shè)備和系統(tǒng)能夠更快、更準(zhǔn)確地響應(yīng)其環(huán)境需求。
賦能工業(yè)的強(qiáng)大工具
邊緣AI還可以作為賦能工業(yè)的強(qiáng)大工具來支持制造企業(yè)的其他應(yīng)用，例如基于狀態(tài)的資產(chǎn)健康和性能監(jiān)控。從網(wǎng)絡(luò)邊緣的傳感器、執(zhí)行器和其它設(shè)備收集的數(shù)據(jù)，可以用作基于狀態(tài)監(jiān)控的基礎(chǔ)。經(jīng)過訓(xùn)練的AI算法，可以發(fā)現(xiàn)所連接設(shè)備或子系統(tǒng)的數(shù)據(jù)簽名中的潛在異常，將行為與數(shù)萬個(gè)其它類似設(shè)備的歷史數(shù)據(jù)進(jìn)行交叉引用。通過向工廠人員發(fā)送自動(dòng)通知，它可以提前警告潛在的系統(tǒng)故障，否則這些故障可能會(huì)影響工廠或過程性能，并導(dǎo)致代價(jià)高昂的計(jì)劃外停機(jī)。
未來，邊緣計(jì)算將在廣泛的工業(yè)自動(dòng)化應(yīng)用中帶來變革性影響。結(jié)合工業(yè)物聯(lián)網(wǎng)技術(shù)和AI驅(qū)動(dòng)的分析，邊緣計(jì)算可與云端存儲(chǔ)及應(yīng)用形成互補(bǔ)，從而助力過程工業(yè)領(lǐng)域充分釋放生產(chǎn)數(shù)據(jù)的全部價(jià)值。
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。