| Listen to this article |
Automation in the Age of IT-OT Convergence
Companies are constantly looking for better ways to augment their existing operational workloads, optimize production processes, and reduce overall Carbon Dioxide (CO2) emissions.L'utilisation des technologies opérationnelles (OT) et des technologies de l'information (TI) a aidé les entreprises à mieux contrôler leurs opérations en surveillant les actifs précieux, en réduisant les tâches répétitives et routinières et en améliorant le contrôle de la qualité.Cependant, l'informatique et l'OT ont été traditionnellement développés séparément sans aucune capacité d'exploiter les opérations et les données de production pour prendre des décisions plus éclairées pour un flux de travail plus optimisé et des processus de production et de maintenance bien planifiés.
L'émergence de l'Internet des objets (IoT) ces dernières années brouille les frontières entre les deux systèmes, conduisant à une solution plus convergente.Les appareils IoT appartenant au domaine informatique peuvent collecter des données opérationnelles et de production sur le terrain et les communiquer aux systèmes OT.
La convergence de l'informatique et de l'OT permettra aux travailleurs de faire plus et d'aller plus loin avec leurs améliorations, concluant le bon équilibre entre le coût des affaires et l'investissement technologique stratégique.En outre, cette convergence permettra aux entreprises d'accélérer leur transformation numérique et d'optimiser leurs flux de travail existants, le tout sans avoir à évoluer rapidement.
Les unités de traitement des graphiques (GPU) se sont révélées idéales pour exécuter le traitement des données sur la base des algorithmes d'apprentissage automatique (ML), permettant aux robots d'effectuer la reconnaissance des objets et la fusion des capteurs.D'autres avancées proviennent du développement du circuit intégré spécifique à l'application (ASIC) qui excelle dans des applications ML spécifiques, telles que le traitement vidéo et la reconnaissance de la parole.
Robotics Automation
One of the technologies that best represent IT-OT convergence is operations management through robotics automation.Avec les processus automatisés, les entreprises peuvent analyser les données, obtenir des informations précieuses et obtenir une amélioration de la visibilité des performances de leurs sites de production, les aidant à prendre des décisions basées sur les données.Cependant, le développement de la robotique est traditionnellement très complexe et difficile.Comme la demande de robots devrait augmenter rapidement, le taux actuel d'innovation peut être accéléré avec les offres matérielles et logicielles appropriées.
The Rise of Robotics
In general, the deployment of robots has led these devices to host new functions aiming to increase workforce safety, reduce strenuous and hazardous tasks for human employees, accelerate e-commerce fulfillment and delivery, and enhance business flexibility and resilience.Ces nouvelles fonctions nécessitent la mise en œuvre de capteurs à haute précision qui répondent aux exigences fonctionnelles de la sécurité et de la prévention des risques, des caméras pour la détection, la localisation et la navigation et la robotique Middleware pour l'intégration de l'application.Ces dernières années, les principales progrès du matériel robotique permettent aux fabricants d'équipements d'origine en robotique (OEM) de développer des robots qui peuvent voir et ressentir leur environnement:
Dans le même temps, les progrès des logiciels et des services méritent également beaucoup d'attention:
Grâce à ces avancées clés, les robots peuvent désormais travailler aux côtés d'un humain en toute sécurité et de manière fiable.Outre les armes de la robotique industrielle, davantage de facteurs de forme ont émergé ces dernières années, tels que les robots collaboratifs (cobots), les AGV, les AMR, le stockage automatisé et les systèmes de récupération (ASR) et les véhicules aériens sans pilote (UAV).
Un dénominateur commun sur tous ces robots est leur capacité à percevoir et à donner un sens à leur environnement.Cette autonomie est activée via plusieurs modèles ML trouvés dans les robots, tels que la détection et la segmentation des objets, la localisation et l'évitement des collisions, la planification de mouvement pour la navigation et la manipulation, l'estimation de la pose et l'intégration des capteurs.
Edge ML permet aux utilisateurs de la robotique de donner un sens à la montagne de données qu'ils collectent à partir de leurs actifs et prennent de bien meilleures décisions commerciales en fonction du fonctionnement quotidien, des tendances d'utilisation et des comportements des clients.
Edge ML in Robotics
Robotics OEMs have embedded edge ML into their robots to help with performing critical functions, including sensor processing, odometry, localization and mapping, vision and perception, and path planning.Ces modèles ML hébergés à l'intérieur des robots traitent automatiquement les données collectées par les robots et génèrent une sortie qui dicte les actions des robots.Edge ML détient plusieurs avantages clés par rapport à son homologue cloud:
Edge ML permet aux utilisateurs de la robotique de donner un sens à la montagne de données qu'ils collectent à partir de leurs actifs et prennent de bien meilleures décisions commerciales en fonction du fonctionnement quotidien, des tendances d'utilisation et des comportements des clients.Pour atteindre le déploiement de ML Edge sans couture, les OEM de robotique nécessitent le bon type de processeurs pour résoudre les préoccupations concernant la confidentialité des données, l'efficacité énergétique et la faible latence, tout en offrant de fortes performances informatiques à disposition.De plus, les OEM s'appuient sur la prise en charge du logiciel Edge ML de ces fournisseurs de processeurs pour accélérer le déploiement Edge ML.Une solution complète de ML de bord des fournisseurs établis peut réduire la complexité, et accélérer la conception et les opérations de la ML des bords, tout en fournissant une orchestration de charge de travail, une simulation de formation et de test, et le support de recyclage du modèle.
Cela dit, le déploiement Edge ML dans les robots reste complexe.Une capacité de calcul plus élevée n'est pas suffisante.Les entreprises ont besoin de modèles pré-formés, de développement et d'optimisation des applications, et d'applications ML pour des utilisateurs finaux plus pratiques.
Tools and Services Speeding Robotics Development
Advanced industrial robotics are packed with multiple features capable of executing a number of mission-critical functions.L'exécution et l'orchestration de ces fonctions nécessitent des solutions de traitement hautement sophistiquées, densification et évolutives qui peuvent traiter plusieurs applications simultanées, charges de travail et pipelines d'inférence IA sans la dépendance constante aux ressources de cloud computing.Ces solutions devraient également prendre en charge les interfaces à grande vitesse pour gérer les multiples capteurs présentés dans les robots industriels modernes.
Nvidia est l'un des principaux fournisseurs de plate-forme de processeur pour consacrer une attention particulière à ce domaine. At GTC 2022, NVIDIA launched the Jetson AGX Orin developer kit and System-on-Module (SOM) based on the Ampere GPU architecture with up to 2,048 parallel CUDA cores, up to 64 Tensor Cores, and up to 2 Deep Learning Accelerator (DLA) engines.Cette solution est conçue pour gérer les demandes de charge de travail et de multi-monnaie toujours croissantes en permettant jusqu'à 275 opérations TERA par seconde (sommet) de la puissance de traitement, 8x plus haut que Jetson Agx xavier, son prédécesseur.
To accelerate time-to-market, NVIDIA also offers Isaac Nova Orin, which features two Jetson AGX Orin SOMs that provide up to 550 TOPS of AI compute, and a sensor suite consisting of up to six cameras, three LiDAR sensors, and eight ultrasonic sensors.Cela fournit une conception de référence aux entreprises qui souhaitent que leurs robots tirent parti des capacités complètes de Jetson Agx Orin.
Cela dit, le déploiement Edge ML dans les robots reste complexe.Une capacité de calcul plus élevée n'est pas suffisante.Les entreprises ont besoin de modèles pré-formés, de développement et d'optimisation des applications, et d'applications ML pour des utilisateurs finaux plus pratiques.Lancé pour la première fois en 2018, Nvidia Isaac a été conçue pour prendre en charge le développement de la robotique via un cadre d'application, des packages logiciels avec des algorithmes ML, une plate-forme de simulation robotique améliorée et divers conceptions de référence. In September 2021, NVIDIA and Open Robotics, the developer of ROS, entered into an agreement enabling interoperability between Open Robotics’ Ignition Gazebo and NVIDIA Isaac Sim.De plus, pour les développeurs qui examinent les modèles existants pour simplifier leur processus de développement de modèles, la boîte à outils d'apprentissage NVIDIA Tao Transfer permet d'adapter plus facilement les modèles ML pré-formés par NVIDIA pour des cas d'utilisation spécifiques.
Avec le support logiciel de NVIDIA, les OEM de robotique et les utilisateurs finaux forment et optimisent les robots pour une largeur de tâches pratiquement.Isaac Sim offre un environnement réaliste pour former des modèles de navigation et de manipulation.Dans les cas où les données du monde réel sont rares et difficiles à obtenir, les données précises peuvent être augmentées avec des données synthétiques pour réduire le temps de formation modèle.Les entreprises exploitant une grande flotte d'AMR sur les sites de production peuvent utiliser le kit de développement logiciel basé sur le cloud de la plateforme NVIDIA DeepMap pour accélérer la cartographie des robots des installations étendues de semaines à des jours,Optimisations de routage temporel et plate-forme NVIDIA Metropolis pour intégrer des caméras vidéo et des capteurs avec une analyse vidéo compatible avec l'IA.
De plus, Nvidia a construit un écosystème croissant qui possède une expertise du domaine dans la construction de robots avec la plate-forme Jetson.Cela comprend 105 entreprises spécialisées dans les logiciels d'IA, les services de conception matérielle et d'applications, les capteurs et les périphériques, les outils de développement, les systèmes de développement, etc., offrant des solutions et services complémentaires et à valeur ajoutée. Leading partners include SICK, LIPS, FRAMOS, Universal Robots, and e-con Systems.Grâce à cet écosystème, les OEM de robotique et les utilisateurs finaux peuvent s'attendre à des expériences de bout en bout, intégrées et sur mesure basées sur une compréhension approfondie de leurs besoins.
Le marché intralogistique des robots mobiles devrait passer de 9 milliards de dollars américains en 2022 pour dépasser 36 milliards de dollars d'ici 2030.AGVS et AMRS sont déployés dans les arbres de jeu industriel et de Greenfield pour la manutention des matériaux.
Commercial Opportunities Abound
While still heavily centralized in the industry, technological innovations across hardware, software, and business models accelerate robotic deployment across all major market verticals.En conséquence, le marché intralogistique des robots mobiles devrait passer de 9 milliards de dollars américains en 2022 pour dépasser 36 milliards de dollars d'ici 2030.AGVS et AMRS sont déployés dans les arbres de jeu industriel et de Greenfield pour la manutention des matériaux.
Maintenant, les AMR et les chariots élévateurs sont utilisés pour la manutention des matériaux et la manipulation mobile dans la fabrication, qui devrait passer de 2 $ US.3 milliards en 2022 à 36 $ US.4 milliards d'ici 2030.À l'avenir, les AMR et les robots quadrupèdes devraient devenir plus importants dans la livraison, la collecte de données, la sécurité et le nettoyage.Le marché de la livraison et de la robotique de détail du dernier mile devrait augmenter de moins de 1 milliard de dollars et 1 $ US.3 milliards en 2022 à 16 $ US.2 milliards et 8 $ US.4 milliards d'ici 2030, respectively.
Robotics and ML
As companies continue to digitalize and automate their current workflows, they should not overlook the importance of robotics and ML-based automation.L'émergence d'un environnement commercial axé sur les données, des technologies Edge ML, une plate-forme de développement robotique dédiée et un écosystème partenaire robuste créent de nouvelles opportunités pour accepter et adopter des robots sur divers marchés.
Sans aucun doute, l'adoption actuelle et immédiate de la robotique est fortement pondérée envers les grandes entreprises.Pourtant, les technologies émergentes offrent aux fournisseurs de robotiques l'occasion de réduire avec succès la barrière d'adoption pour les petites et moyennes entreprises.Une solution matérielle et logicielle complète, comme celle proposée par NVIDIA, rend ces technologies plus accessibles aux OEM de robotique et aux utilisateurs finaux.De plus, en partenariat avec une entreprise expérimentée avec un écosystème de robotique approprié, je.e., de la couche de chipset Edge ML à la couche logicielle et applications, permet aux OEM de robotique de se concentrer sur la perfectionnement de leur conception matérielle et élargir leur présence sur le marché.
About the Author
Lian Jye Su, Principal Analyst at ABI Research, is responsible for orchestrating research related to robotics, Artificial Intelligence (AI), and Machine Learning (ML).Il mène des recherches sur les tendances émergentes et clés de ces industries, plongeant profondément dans les progrès des composantes clés, la dynamique régionale en robotique et les adoptions de l'IA, ainsi que leurs impacts et implications futurs.
Contenu connexe
