向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

边缘AI推动智能制造发展

时间:2019-12-03 作者:Gina Roos 阅读:
智能制造融合了数字化、物联网、大数据和机器人等多种技术。同时,为了提升制造系统中的信息可见度和系统控制,制造商正着手部署具有人工智能算法的先进传感器和控制系统。

智能制造融合了数字化、物联网(IoT)、大数据和机器人等多种技术。同时,为了提升制造系统中的信息可见度和系统控制,制造商正着手部署具有人工智能(AI)算法的先进传感器和控制系统。

根据TrendForce的数据预估,2022年全球智能制造的市场规模将会逼近3,700亿美元,年均复合增长率(CAGR)达10.7%(见图)。催生这个巨大市场的,是智能制造的广泛应用,涵盖智能工厂、智能供应链、自动送货车以及机械手臂等多元化的应用领域。

另外,根据Tractica LLC的资料显示,全球支持AI的边缘设备数量预计将从2018年的1.614亿台迅速增长,到2025年可望达到26亿台。支持AI的边缘设备主要包括智能手机、智能扬声器、PC/平板电脑、头戴式显示器、汽车、无人机、机器人以及安防摄像头等。

过去几年来,德国汉诺威工业展(Hannover Fair)一直被视为“工业4.0”的风向标——让我们预见智能制造正以协作机器人(cobot)、数字孪生(digital twin)、混合现实(MR)、预测性维护(PdM)、无人机和AI应用作为发展焦点。TrendForce的调查显示,Universal Robots、西门子、意法半导体、赛灵思和通用电气等主要厂商正持续推陈出新强化布局。

Pulse2-F1-201912.jpg
图:2019-2022年全球智能制造市场规模。(图片来源:TrendForce)

TrendForce分析师曾伯楷说,在智能制造中,随着处理海量数据、延迟性和频宽成本的解决方案不断出现,边缘计算预计将成为预测性维护的基础。“大数据、精准度分析以及高性能硬件等三大驱动力正使AI从云端往终端设备迈进,同时促进了边缘计算与AI的结合。”

Tractica首席分析师Keith Kirkpatrick指出,随着在制造过程中不断融入AI,收集的数据、监控的流程,以及协助系统确定异常、缺陷或其它任何问题的模式识别,都变得更加精密。

“在集中式平台上部署AI解决方案的最大问题是特定机器与系统之间产生的延迟,在边缘融合AI就是为了消除这种延迟。如果检测到某种异常情况,边缘AI几乎可以即时纠正错误,这在要求极精密容差的制造时代尤为重要。”

除了延迟,网络流量也是制造或生产系统中的一大问题。“并不是他们只有几个传感器和几款边缘设备的问题。”Kirkpatrick说,“在整个生产网络中部署这项技术,网络中会产生巨大的流量,这些流量不只是数据,还包括视频流,特别是在他们通过视频进行最终检查或确保最终产品符合一定的品质标准时。减少网络数据传输,并使其在边缘就地处理,才能带来实质的好处。”

“在制造中采用AI有助于提升工业4.0中的边缘计算能力,主要体现在实时决策、降低成本、营运可靠性以及提高安全性这四个方面,并将得到更广泛的应用。”曾伯楷表示,“目前的主要挑战在于AI算法是否将持续发展并提高精度,以及企业能否负荷软硬件升级带来的成本压力。”

“边缘AI允许终端设备保留一定的决策能力,无需一直连网就能实现即时响应,避免了将所有数据传送到云端的麻烦。 ”曾伯楷认为,“因此,它确实节省了一些带宽成本与功耗。”

曾伯楷指出,融合边缘AI的智能制造,其最大优势在于增强了运营的可靠性。

AI供应商

在边缘计算领域,芯片制造商和云服务提供商均扮演着重要角色。目前涉足边缘计算领域的公司主要包括英伟达、英特尔、高通和恩智浦等芯片巨擘,以及AWS、Google和微软等云服务龙头。此外,根据TrendForce的报告,得益于政府提供的资源,台湾芯片供应商在边缘AI市场中也占据重要位置。

“AI芯片可以粗略划分为各种不同的结构,如CPU、GPU、FPGA和ASIC。相较已被芯片巨擎垄断的CPU和GPU,用于AI边缘计算的逻辑芯片,以及主要用于成像、可视化或定制化的FPGA和ASIC芯片,可望为台湾厂商提供更好的发展契机。”曾伯楷表示。

Tractica预测业界将开始使用更多的ASIC芯片,它是一种独立式芯片,可根据非常具体的任务进行编程。Kirkpatrick说:“它的功耗相对较低,可以处理特定的任务,而不像GPU那样集大成地处理所有任务,因为GPU这种集中式的处理器是能耗相当密集。”

Kirkpatrick解释说:“边缘处理面临的挑战在于处理器必须功能强大,却又不能产生过多的热或消耗过多功率,否则会影响系统的整体温度。如果温度过高,可能会导致生产出错,实现低功耗也需要额外的成本。单台机器或传感器也许花费不多,但若是成百上千个传感器,制造商就不得不考虑成本问题了。”

曾伯楷表示,工业4.0的浪潮推动着企业数字转型,通过物联网、大数据和机器人等技术,持续朝向智能制造之路挺进。但对企业而言,无论是部署工业物联网,还是引入智能制造或建设智能工厂,都是一个耗时又烧钱的过程。

曾伯楷认为,那些缺乏数字技术基础的传统制造业可以引入数字工具并整合不同的产业领域,借此转型至智能制造,并进入业界巨擘的供应链或与他们合作。

他并表示,“许多公司正在进行数字化转型,他们必须引入云端或工业物联网平台、数据分析和管理、软硬件整合以及其它技术,从而实现与云服务提供商、系统集成商和电信业者的合作。”

曾伯楷进一步补充道:“此外,无论处于供应链的上游或下游,供应商都应该进行横向整合。例如,机械制造商可以向公众发布有关的流程信息,还可以提供机械手臂的设计与原型,而工业电脑供应商可以据此提出集成解决方案,将所有的元素连接在一起。异质产业之间的这种联盟合作,最终将建构一个完整的智能制造流程。”

(原文刊登于ASPENCORE旗下Electronic Products网站,参考链接: Edge AI drives smart manufacturing。)
 

本文为《电子技术设计》2019年12月刊杂志文章,版权所有,禁止转载。免费杂志订阅申请点击这里 

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • FPGA如何促进智能工厂的实现? 随着“工业4.0”和“中国制造2025”等国家战略的推进, 智能工厂逐渐从概念宣传发展到实施执行阶段。那么,构建智能工厂需要哪些关键技术,目前面临的最大技术挑战又是什么?EDN记者日前就智能工厂的一系列问题对FPGA方案提供商Achronix 半导体公司高级产品营销经理Alok Sanghavi进行了采访。
  • 为电动汽车和新一代家电的蓬勃发展提供“动力” 电源管理是由微处理器和其他IC的不同指标来衡量的。摩尔定律认为晶体管的数目每隔18个月就会增加一倍。电源管理与每mm2的晶体管数目无关,它关注的是效率。
  • 得益于人工智能/机器学习发展,FPGA智能网卡成新宠 受到人工智能/机器学习(AI/ML)的推动,数据中心/云端和边缘计算市场快速发展。在这个市场中,智能网卡大热,其中又以FPGA为新。Achronix和BittWare共同推出的基于Speedster 7t FPGA的VectorPathS7t-VG6加速卡,让二线云服务提供商也能获得以前只有大型云服务提供商才有的采用FPGA方案的优势。
  • “全球双峰会”给中国媒体编辑带来的感受与思考 “2019 全球高科技领袖论坛 - 全球CEO峰会&全球分销与供应链领袖峰会”(下文简称“全球双峰会”) 于11月7日~8日在深圳隆重举行,期间五大活动包括全球CEO峰会和全球电子成就奖颁奖典礼,全球分销与供应链领袖峰会和全球元器件分销商卓越表现奖颁奖典礼,以及与峰会同期举行的电子成就展展会不仅给演讲嘉宾、观众留下深刻的印象,很多话题仍在持续发酵。
  • N个第一!联发科天玑1000坐实地表最强5G SoC名号 虽然MediaTek早在5月Computex期间就全球首发集成式5G SoC ,但产品名称和量产时间却迟迟未能确定。眼看友商的5G芯片一个一个被用在终端产品上,终于在11月26日, MediaTek 首款5G移动平台“天玑1000”(MT6889)在深圳正式发布 ,用多项全球第一的技术规格、参数和跑分将友商的5G芯片统统踩在地上摩擦了一遍……
  • 看不懂AI芯片推理性能跑分结果?专家教你! 继今年早些时候发表了AI训练的性能测试基准,MLPerf近期又针对AI推理性能公布了测试基准MLPerf v0.5以及各公司的AI芯片跑分结果。然而很多读者看了MLPerf跑分结果后表示一头雾水,因为有些系统看来相似分数却大不相同,而且也搞不清楚数字高低究竟代表什么……
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告