Чуйте тази статия |
Автоматизация в Ерата на IT-OT конвергенцията
Компаниите непрекъснато търсят по-добри начини да увеличат своите съществуващи оперативни натоварвания, да оптимизират производствените процеси и да намалят общите емисии на въглероден диоксид (CO2). Използването на оперативни технологии (OT) и информационни технологии (IT) помогна на предприятията да контролират по-добре операциите си чрез наблюдение на ценни активи, намаляване на повтарящите се и рутинни задачи и подобряване на контрола на качеството. Въпреки това, ИТ и ОТ традиционно се разработват поотделно, без възможност за използване на операциите и производствените данни за вземане на по-информирани решения за по-оптимизиран работен процес и добре планирани процеси на производство и поддръжка.
Появата на интернет на нещата (IoT) през последните години размива границите между двете системи, което води до по-конвергентно решение. IoT устройствата, принадлежащи към ИТ домейна, могат да събират оперативни и производствени данни от полето и да ги предават на OT системите.
Сближаването на ИТ и ОТ ще позволи на работниците да направят повече и да отидат по-далеч със своите подобрения, постигайки правилния баланс между разходите за бизнес и стратегическите технологични инвестиции. Освен това, тази конвергенция ще позволи на предприятията да ускорят своята дигитална трансформация и да оптимизират съществуващите си работни потоци, без да е необходимо бързо да се увеличават.
Графичните процесори (GPU) се оказаха идеални за изпълнение на обработката на данни въз основа на алгоритми за машинно обучение (ML), което позволява на роботите да извършват разпознаване на обекти и сливане на сензори. Допълнителен напредък дойде от разработването на специфични за приложения интегрални схеми (ASIC), които превъзхождат специфични ML приложения, като обработка на видео и разпознаване на реч.
Автоматизация на роботиката
Една от технологиите, които най-добре представят IT-OT конвергенцията, е управлението на операциите чрез автоматизация на роботиката. С автоматизираните процеси компаниите могат да анализират данни, да получат ценна информация и да получат подобрена видимост на ефективността на своите производствени обекти, което им помага да вземат решения, базирани на данни. Развитието на роботиката обаче традиционно е много сложно и предизвикателно. Тъй като се очаква търсенето на роботи да нарасне бързо, настоящият темп на иновации може да се ускори с подходящи хардуерни и софтуерни предложения.
Възходът на роботиката
Като цяло внедряването на роботи накара тези устройства да приемат нови функции, целящи да повишат безопасността на работната сила, да намалят напрегнатите и опасни задачи за човешките служители, да ускорят e- изпълнение и доставка на търговски сделки и подобряване на гъвкавостта и устойчивостта на бизнеса. Тези нови функции изискват внедряването на сензори с висока точност, които отговарят на изискванията за функционална безопасност и предотвратяване на риска, камери за откриване, локализиране и навигация и роботичен междинен софтуер за включване на приложения. През последните години ключовият напредък в хардуера за роботика позволява на производителите на оригинално оборудване за роботи (OEM) да разработват роботи, които могат да виждат и усещат своята среда:
В същото време напредъкът в софтуера и услугите също заслужава много внимание:
Чрез тези ключови подобрения роботите вече могат да работят заедно с човек безопасно и надеждно. Освен индустриалните роботизирани оръжия, през последните години се появиха повече форм-фактори, като колаборативни роботи (коботи), AGV, AMR, системи за автоматизирано съхранение и извличане (ASRS) и безпилотни летателни апарати (UAV).
Общ знаменател на всички тези роботи е способността им да възприемат и осмислят заобикалящата ги среда. Тази автономност е активирана чрез няколко ML модела, намиращи се в роботите, като откриване и сегментиране на обекти, локализиране и избягване на сблъсък, планиране на движение за навигация и манипулиране, оценка на поза и интегриране на сензори.
Edge ML позволява на потребителите на роботика да осмислят планината от данни, които събират от своите активи, и да вземат много по-добри бизнес решения въз основа на ежедневната работа, тенденциите в употребата и поведението на клиентите. em>
Edge ML в роботиката
OEM производителите на роботика са вградили edge ML в своите роботи, за да помогнат при извършването на критични функции, включително обработка на сензори, одометрия, локализиране и картографиране, визия и възприятие, и планиране на пътя. Тези ML модели, хоствани в роботи, автоматично обработват данни, събрани от роботите, и генерират изход, който диктува действията на роботите. Edge ML притежава няколко ключови предимства пред своя аналог в облака:
Edge ML позволява на потребителите на роботика да осмислят планината от данни, които събират от своите активи, и да вземат много по-добри бизнес решения въз основа на ежедневната работа, тенденциите в употребата и поведението на клиентите. За постигане на безпроблемно внедряване на ML, роботизираните OEM производители изискват правилния тип процесори, за да разрешат проблемите, свързани с поверителността на данните, енергийната ефективност и ниската латентност, като същевременно осигуряват силна изчислителна производителност на устройството. Освен това производителите на оригинално оборудване разчитат на софтуерна поддръжка на edge ML от тези доставчици на процесори, за да ускорят внедряването на edge ML. Цялостно крайно ML решение от утвърдени доставчици може да намали сложността и да ускори крайния ML дизайн и операции, като същевременно осигурява оркестрация на работното натоварване, симулация на обучение и тестване и поддръжка за преквалификация на модела.
Въпреки това внедряването на edge ML в роботи остава сложно. По-високата изчислителна способност сама по себе си не е достатъчна. Компаниите се нуждаят от предварително обучени модели, разработка и оптимизация на приложения и ML приложения за по-практически крайни потребители.
Инструменти и услуги, ускоряващи развитието на роботиката
Усъвършенстваната индустриална роботика е пълна с множество функции, способни да изпълняват редица критични за мисията функции. Изпълнението и оркестрацията на тези функции изискват силно усъвършенствани, уплътнени и мащабируеми решения за обработка, които могат да обработват множество едновременни приложения, работни натоварвания и конвейери за изводи на AI без постоянното разчитане на облачни изчислителни ресурси. Тези решения трябва също да поддържат високоскоростни интерфейси за работа с множество сензори, включени в съвременните индустриални роботи.
NVIDIA е един от ключовите доставчици на процесорни платформи, който отделя специално внимание на тази област. На GTC 2022 NVIDIA пусна комплекта за разработчици Jetson AGX Orin и System-on-Module (SOM), базирани на GPU архитектурата Ampere с до 2048 паралелни CUDA ядра, до 64 Tensor Cores и нагоре до 2 машини за ускорител на дълбоко обучение (DLA). Това решение е проектирано да се справя с непрекъснато нарастващото работно натоварване и изискванията за мулти-конкурентност, като позволява до 275 тера операции в секунда (TOPS) процесорна мощност, 8 пъти по-висока от Jetson AGX Xavier, неговия предшественик.
За да се ускори времето за пускане на пазара, NVIDIA предлага също Isaac Nova Orin, който включва два SOM Jetson AGX Orin, които предоставят до 550 TOPS изчисления с изкуствен интелект и сензорен пакет, състоящ се от до шест камери, три LiDAR сензора и осем ултразвукови сензора. Това осигурява референтен дизайн за компании, които искат техните роботи да използват пълните възможности на Jetson AGX Orin.
Въпреки това внедряването на edge ML в роботи остава сложно. По-високата изчислителна способност сама по себе си не е достатъчна. Компаниите се нуждаят от предварително обучени модели, разработка и оптимизация на приложения и ML приложения за по-практически крайни потребители. Пусната за първи път през 2018 г., NVIDIA Isaac е проектирана да поддържа разработването на роботика чрез рамка на приложения, софтуерни пакети с ML алгоритми, надстроена платформа за симулация на роботика и различни референтни проекти. През септември 2021 г. NVIDIA и Open Robotics, разработчикът на ROS, сключиха споразумение, позволяващо оперативна съвместимост между Open Robotics’ Ignition Gazebo и NVIDIA Isaac Sim. В допълнение, за разработчиците, които разглеждат съществуващи модели, за да опростят своя процес на разработване на модели, NVIDIA TAO Transfer Learning Toolkit ги улеснява да адаптират допълнително предварително обучени ML модели от NVIDIA за конкретни случаи на употреба.
Със софтуерната поддръжка от NVIDIA OEM производителите и крайните потребители на роботика обучават и оптимизират виртуално роботи за широк набор от задачи. Isaac Sim осигурява реалистична среда за обучение на модели за навигация и манипулиране. В случаите, когато данните от реалния свят са редки и трудни за получаване, точните данни могат да бъдат допълнени със синтетични данни, за да се намали времето за обучение на модели. Компаниите, опериращи с голям флот от AMR в производствени обекти, могат да използват облачно базирания комплект за разработка на софтуер (SDK) на платформата NVIDIA DeepMap, за да ускорят картографирането на роботи на обширни съоръжения от седмици до дни, NVIDIA cuOpt интерфейс за програмиране на приложения (API), за да активират почти реални оптимизации за маршрутизиране на времето и платформа NVIDIA Metropolis за интегриране на готови видеокамери и сензори с активиран AI видео анализ.
В допълнение, NVIDIA изгради нарастваща екосистема, която притежава опит в областта на изграждането на роботи с платформата Jetson. Това включва 105 компании, специализирани в AI софтуер, хардуер и услуги за проектиране на приложения, сензори и периферни устройства, инструменти за разработчици, системи за разработка и други, предоставящи допълнителни решения и услуги с добавена стойност. Водещи партньори включват SICK, LIPS, FRAMOS, Universal Robots и e-con Systems силен>. Чрез тази екосистема OEM производителите на роботика и крайните потребители могат да очакват цялостни, интегрирани и персонализирани изживявания, базирани на дълбоко разбиране на техните нужди.
Очаква се пазарът на вътрешна логистика за мобилни роботи да нарасне от 9 милиарда щатски долара през 2022 г. до над 36 милиарда щатски долара до 2030 г. Както AGV, така и AMR се използват в изоставени и зелени складове за обработка на материали .
Търговските възможности изобилстват
Въпреки че все още са силно централизирани в индустрията, технологичните иновации в хардуера, софтуера и бизнес моделите ускоряват внедряването на роботи във всички основни пазарни вертикали. В резултат на това пазарът на вътрешна логистика за мобилни роботи се очаква да нарасне от 9 милиарда щатски долара през 2022 г. до над 36 милиарда щатски долара до 2030 г. Както AGV, така и AMR се разполагат в изоставени и зелени складове за обработка на материали.
Сега AMR и мотокари се използват за обработка на материали и мобилна манипулация в производството, което се очаква да нарасне от 2,3 милиарда щатски долара през 2022 г. на 36,4 милиарда щатски долара до 2030 г. В бъдеще се очаква AMR и четириногите роботи да станат все по-известни при доставка, събиране на данни, сигурност и почистване. Очаква се пазарът на роботика за доставка и търговия на дребно да нарасне от по-малко от 1 милиард щатски долара и 1,3 милиарда щатски долара през 2022 г. съответно до 16,2 милиарда щатски долара и 8,4 милиарда щатски долара до 2030 г.
Роботика и машинно обучение
Тъй като компаниите продължават да дигитализират и автоматизират настоящите си работни потоци, те не трябва да пренебрегват значението на роботиката и базираната на машинно обучение автоматизация. Появата на бизнес среда, управлявана от данни, модерни ML технологии, специализирана платформа за разработка на роботика и стабилна партньорска екосистема създава нови възможности за приемане и внедряване на роботи на различни пазари.
Несъмнено текущото и незабавно внедряване на роботиката е силно натоварено към по-големите компании. Все пак нововъзникващите технологии представляват възможност за доставчиците на роботика успешно да намалят бариерата за приемане за малки и средни предприятия. Цялостно хардуерно и софтуерно решение, подобно на предлаганото от NVIDIA, прави тези технологии по-достъпни както за OEM производителите на роботика, така и за крайните потребители. Освен това, партньорството с опитна компания с подходяща роботизирана екосистема, т.е. от крайния ML чипсет слой до софтуера и слоя на приложенията, позволява на OEM производителите на роботика да се съсредоточат върху усъвършенстването на своя хардуерен дизайн и разширяване на пазарното си присъствие.
За автора
Lian Jye Su, главен анализатор в ABI Research, отговаря за организирането на изследвания, свързани с роботиката, изкуствения интелект (AI) и машинното обучение (ML). Той ръководи изследвания в нововъзникващи и ключови тенденции в тези индустрии, навлизайки дълбоко в напредъка в ключови компоненти, регионалната динамика в роботиката и внедряването на AI, както и бъдещите им въздействия и последици.
Свързано съдържание