Menurut Laporan Pasar AI dan AI Industri 2021-2026 yang baru dirilis, tingkat adopsi AI di lingkungan industri meningkat dari 19 persen menjadi 31 persen hanya dalam waktu dua tahun. Selain 31 persen responden yang telah menerapkan AI secara penuh atau sebagian dalam operasional mereka, 39 persen lainnya saat ini sedang menguji atau menguji coba teknologi tersebut.
AI muncul sebagai teknologi utama bagi produsen dan perusahaan energi di seluruh dunia, dan analisis IoT memprediksi bahwa pasar solusi AI industri akan menunjukkan tingkat pertumbuhan tahunan gabungan (CAGR) pascapandemi yang kuat sebesar 35% hingga mencapai $102,17 miliar pada tahun 2026.
Era digital telah melahirkan Internet of Things. Kemunculan kecerdasan buatan telah mempercepat laju perkembangan Internet of Things.
Mari kita lihat beberapa faktor yang mendorong munculnya AI industri dan AIoT.
Faktor 1: Semakin banyak perangkat lunak untuk AIoT industri
Pada tahun 2019, ketika analitik IoT mulai mencakup AI industri, hanya ada sedikit produk perangkat lunak AI khusus dari vendor teknologi operasional (OT). Sejak saat itu, banyak vendor OT telah memasuki pasar AI dengan mengembangkan dan menyediakan solusi perangkat lunak AI dalam bentuk platform AI untuk pabrik.
Menurut data, hampir 400 vendor menawarkan perangkat lunak AIoT. Jumlah vendor perangkat lunak yang bergabung dengan pasar AI industri telah meningkat drastis dalam dua tahun terakhir. Selama studi, IoT Analytics mengidentifikasi 634 pemasok teknologi AI untuk produsen/pelanggan industri. Dari perusahaan-perusahaan ini, 389 (61,4%) menawarkan perangkat lunak AI.
Platform perangkat lunak AI baru ini berfokus pada lingkungan industri. Selain Uptake, Braincube, atau C3 AI, semakin banyak vendor teknologi operasional (OT) yang menawarkan platform perangkat lunak AI khusus. Contohnya termasuk rangkaian analitik dan AI Genix Industrial dari ABB, rangkaian Inovasi FactoryTalk dari Rockwell Automation, platform konsultasi manufaktur milik Schneider Electric, dan yang terbaru, add-on spesifik. Beberapa platform ini menargetkan berbagai macam kasus penggunaan. Misalnya, platform Genix dari ABB menyediakan analitik canggih, termasuk aplikasi dan layanan siap pakai untuk manajemen kinerja operasional, integritas aset, keberlanjutan, dan efisiensi rantai pasokan.
Perusahaan-perusahaan besar mulai memamerkan perangkat lunak AI mereka di pasaran.
Ketersediaan perangkat lunak AI juga didorong oleh perangkat lunak baru yang spesifik untuk kasus penggunaan yang dikembangkan oleh AWS dan perusahaan besar seperti Microsoft dan Google. Sebagai contoh, pada bulan Desember 2020, AWS merilis Amazon SageMaker JumpStart, sebuah fitur Amazon SageMaker yang menyediakan serangkaian solusi siap pakai dan dapat disesuaikan untuk kasus penggunaan industri yang paling umum, seperti PdM, visi komputer, dan mengemudi otonom. Penerapannya hanya dengan beberapa klik.
Solusi perangkat lunak khusus kasus penggunaan mendorong peningkatan kegunaan.
Rangkaian perangkat lunak yang spesifik untuk kasus penggunaan tertentu, seperti yang berfokus pada pemeliharaan prediktif, semakin umum. IoT Analytics mengamati bahwa jumlah penyedia yang menggunakan solusi perangkat lunak manajemen data produk (PdM) berbasis AI meningkat menjadi 73 pada awal tahun 2021 karena meningkatnya keragaman sumber data dan penggunaan model pra-pelatihan, serta meluasnya adopsi teknologi peningkatan data.
Faktor 2: Pengembangan dan pemeliharaan solusi AI disederhanakan
Pembelajaran mesin otomatis (AutoML) menjadi produk standar.
Karena kompleksitas tugas yang berkaitan dengan pembelajaran mesin (ML), pertumbuhan pesat aplikasi pembelajaran mesin telah menciptakan kebutuhan akan metode pembelajaran mesin siap pakai yang dapat digunakan tanpa keahlian khusus. Bidang penelitian yang dihasilkan, yaitu otomatisasi progresif untuk pembelajaran mesin, disebut AutoML. Berbagai perusahaan memanfaatkan teknologi ini sebagai bagian dari penawaran AI mereka untuk membantu pelanggan mengembangkan model ML dan mengimplementasikan kasus penggunaan industri dengan lebih cepat. Pada November 2020, misalnya, SKF mengumumkan produk berbasis autoML yang menggabungkan data proses mesin dengan data getaran dan suhu untuk mengurangi biaya dan memungkinkan model bisnis baru bagi pelanggan.
Operasi pembelajaran mesin (ML Ops) menyederhanakan manajemen dan pemeliharaan model.
Disiplin baru operasi pembelajaran mesin bertujuan untuk menyederhanakan pemeliharaan model AI di lingkungan manufaktur. Performa model AI biasanya menurun seiring waktu karena dipengaruhi oleh beberapa faktor di dalam pabrik (misalnya, perubahan distribusi data dan standar kualitas). Akibatnya, pemeliharaan model dan operasi pembelajaran mesin menjadi penting untuk memenuhi persyaratan kualitas tinggi lingkungan industri (misalnya, model dengan performa di bawah 99% mungkin gagal mengidentifikasi perilaku yang membahayakan keselamatan pekerja).
Dalam beberapa tahun terakhir, banyak perusahaan rintisan telah bergabung dengan dunia Operasi Mesin (ML Ops), termasuk DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, dan Weights & Biases. Perusahaan-perusahaan mapan telah menambahkan operasi pembelajaran mesin ke dalam penawaran perangkat lunak AI mereka yang sudah ada, termasuk Microsoft, yang memperkenalkan deteksi pergeseran data di Azure ML Studio. Fitur baru ini memungkinkan pengguna untuk mendeteksi perubahan dalam distribusi data input yang menurunkan kinerja model.
Faktor 3: Kecerdasan buatan diterapkan pada aplikasi dan kasus penggunaan yang ada
Penyedia perangkat lunak tradisional menambahkan kemampuan AI.
Selain perangkat lunak AI horizontal besar yang sudah ada seperti MS Azure ML, AWS SageMaker, dan Google Cloud Vertex AI, rangkaian perangkat lunak tradisional seperti Sistem Manajemen Pemeliharaan Terkomputerisasi (CAMMS), Sistem Eksekusi Manufaktur (MES), atau Perencanaan Sumber Daya Perusahaan (ERP) kini dapat ditingkatkan secara signifikan dengan menambahkan kapabilitas AI. Sebagai contoh, penyedia ERP, Epicor Software, menambahkan kapabilitas AI ke produk-produknya yang sudah ada melalui Epicor Virtual Assistant (EVA). Agen EVA cerdas digunakan untuk mengotomatiskan proses ERP, seperti penjadwalan ulang operasi manufaktur atau melakukan kueri sederhana (misalnya, mendapatkan detail tentang harga produk atau jumlah komponen yang tersedia).
Kasus penggunaan industri ditingkatkan dengan menggunakan AIoT.
Beberapa kasus penggunaan industri sedang ditingkatkan dengan menambahkan kemampuan AI ke infrastruktur perangkat keras/lunak yang ada. Contoh nyata adalah visi mesin dalam aplikasi pengendalian kualitas. Sistem visi mesin tradisional memproses gambar melalui komputer terintegrasi atau diskret yang dilengkapi perangkat lunak khusus yang mengevaluasi parameter dan ambang batas yang telah ditentukan (misalnya, kontras tinggi) untuk menentukan apakah objek menunjukkan cacat. Dalam banyak kasus (misalnya, komponen elektronik dengan bentuk kabel yang berbeda), jumlah positif palsu sangat tinggi.
Namun, sistem-sistem ini sedang dihidupkan kembali melalui kecerdasan buatan. Misalnya, penyedia visi mesin industri, Cognex, merilis alat Pembelajaran Mendalam baru (Vision Pro Deep Learning 2.0) pada Juli 2021. Alat-alat baru ini terintegrasi dengan sistem visi tradisional, memungkinkan pengguna akhir untuk menggabungkan pembelajaran mendalam dengan alat visi tradisional dalam aplikasi yang sama guna memenuhi tuntutan lingkungan medis dan elektronik yang menuntut pengukuran goresan, kontaminasi, dan cacat lainnya yang akurat.
Faktor 4: Perangkat keras AIoT industri sedang ditingkatkan
Chip AI berkembang pesat.
Chip AI perangkat keras tertanam berkembang pesat, dengan beragam pilihan yang tersedia untuk mendukung pengembangan dan penerapan model AI. Contohnya termasuk unit pemrosesan grafis (GPU) terbaru NVIDIA, A30 dan A10, yang diperkenalkan pada Maret 2021 dan cocok untuk kasus penggunaan AI seperti sistem rekomendasi dan sistem visi komputer. Contoh lainnya adalah Tensor Processing Unit (TPU) generasi keempat Google, yang merupakan sirkuit terpadu tujuan khusus (ASics) canggih yang dapat mencapai efisiensi dan kecepatan hingga 1.000 kali lebih tinggi dalam pengembangan dan penerapan model untuk beban kerja AI tertentu (misalnya, deteksi objek, klasifikasi gambar, dan tolok ukur rekomendasi). Penggunaan perangkat keras AI khusus mengurangi waktu komputasi model dari hitungan hari menjadi hitungan menit, dan telah terbukti menjadi pengubah permainan dalam banyak kasus.
Perangkat keras AI yang canggih segera tersedia melalui model bayar per penggunaan.
Perusahaan-perusahaan superskala terus meningkatkan server mereka agar sumber daya komputasi tersedia di cloud sehingga pengguna akhir dapat menerapkan aplikasi AI industri. Pada November 2021, misalnya, AWS mengumumkan peluncuran resmi instans berbasis GPU terbarunya, Amazon EC2 G5, yang ditenagai oleh GPU NVIDIA A10G Tensor Core, untuk berbagai aplikasi pembelajaran mesin (ML), termasuk visi komputer dan mesin rekomendasi. Sebagai contoh, penyedia sistem deteksi Nanotronics menggunakan contoh Amazon EC2 dari solusi kendali mutu berbasis AI-nya untuk mempercepat upaya pemrosesan dan mencapai tingkat deteksi yang lebih akurat dalam pembuatan mikrochip dan nanotube.
Kesimpulan dan Prospek
AI akan segera hadir, dan akan hadir di mana-mana dalam aplikasi baru, seperti PdM berbasis AI, serta sebagai penyempurnaan perangkat lunak dan kasus penggunaan yang sudah ada. Perusahaan-perusahaan besar meluncurkan beberapa kasus penggunaan AI dan melaporkan keberhasilan, dan sebagian besar proyek memiliki imbal hasil investasi yang tinggi. Secara keseluruhan, kebangkitan cloud, platform IoT, dan chip AI yang canggih menyediakan platform bagi generasi baru perangkat lunak dan optimasi.
Waktu posting: 12-Jan-2022