很快，工業(yè)互聯(lián)網(wǎng)將擁有數(shù)千億連接的工業(yè)資產(chǎn)，以計算機速度持續(xù)運行。這將導(dǎo)致來自車間機器和傳感器的大量數(shù)據(jù)。分析運營數(shù)據(jù)以預(yù)測運營異常、機器故障和產(chǎn)品質(zhì)量，同時利用工業(yè) AI 改善工廠車間運營，可以提高生產(chǎn)率并節(jié)約數(shù)萬億美元的成本。

流程和離散制造業(yè)占全球數(shù)字化轉(zhuǎn)型支出的三分之一以上。然而，工廠中的數(shù)據(jù)一直難以使用，許多公司被困在試點階段，通常被稱為試點煉獄?？紤]到 OT 數(shù)據(jù)的數(shù)量、準確性和質(zhì)量，第一個關(guān)鍵挑戰(zhàn)是讓這些數(shù)據(jù)為構(gòu)建和服務(wù) AI 模型做好準備。

為了大規(guī)模應(yīng)用人工智能，企業(yè)制造商必須經(jīng)常使用幾十年來以獨特方式創(chuàng)建的數(shù)百萬個標簽。在車間，數(shù)據(jù)由各種機器和許多基于操作的源生成。更復(fù)雜的是，數(shù)據(jù)通常在歷史學家和數(shù)據(jù)湖中匯總，因此人工智能從業(yè)者很難理解單個標記來自何處以及它們代表什么。

答案在于使用人工智能對這些數(shù)據(jù)進行自動內(nèi)省和標記。

為了解決這個挑戰(zhàn)，視窗機利用英偉達 AI 平臺和微軟 Azure 基礎(chǔ)設(shè)施，將數(shù)據(jù)映射到全球范圍內(nèi)的資產(chǎn)，跨越多個機器、傳感器、線路和工廠。他們通過利用現(xiàn)代愿景、時間序列和 NLP 算法、預(yù)訓(xùn)練模型以及 NGC 云提供的配方實現(xiàn)了這一點，所有這些都可以在 Microsoft Azure Marketplace 上獲得。使用 NVIDIA GPU 加速技術(shù)，Sight Machine設(shè)想為制造業(yè)做出變革性貢獻。

這一舉措?yún)R集了英偉達 AI 平臺和專業(yè)知識，在深入學習，微軟的端到端流和 AI 解決方案制造，以及視場機器的十年專業(yè)發(fā)展啟發(fā)式數(shù)據(jù)標簽和應(yīng)用人工智能到工廠。

Sight Machine 首席執(zhí)行官喬恩·索貝爾（ Jon Sobel ）表示：“這項工作解決了制造業(yè)轉(zhuǎn)型的最后一個關(guān)鍵瓶頸，并將迅速加速工廠人工智能的日常使用?！薄?/p>

圖 1 具有 NVIDIA Triton 和 Azure 機器學習集成的視覺機器解決方案。

具體而言， Sight Machine 的工具了解 OT 數(shù)據(jù)，并將工廠數(shù)據(jù)映射到其流模型中。通過解決人工智能的問題，并與英偉達的專家聯(lián)手， Sight Machine 為制造商提供了比以前更快地準備好數(shù)據(jù)人工智能的工具。這節(jié)省了制造商的時間和費用，并使數(shù)據(jù)科學家能夠廣泛選擇現(xiàn)代 GPU 加速算法。如果沒有 RAPIDS 框架和 SDK ，它們可以處理數(shù)據(jù)量、多樣性和保真度。

該解決方案還使數(shù)據(jù)科學團隊能夠使用 NVIDIA GPU – 加速計算進行實驗，以找到并訓(xùn)練最佳模型。然后，他們可以使用 NVIDIA Triton 推理服務(wù)器和 Azure 機器學習來優(yōu)化模型的服務(wù)和編排。該解決方案使用 NVIDIA Metropolis 進行計算機視覺、 NVIDIA 時間序列預(yù)測和機器學習和 DL 算法的綜合組合，以及 NVIDIA Riva 進行 NLP 和對話人工智能技術(shù)，以便及時組織和向用戶傳達上下文感知的見解。

例如， one Sight 機床為大型化學品制造商的每個工廠位置自動執(zhí)行標記到資產(chǎn)的映射操作，目的是縮短時間以提高數(shù)據(jù)驅(qū)動的制造生產(chǎn)率。該工具還提高了標記映射過程的質(zhì)量，并通過提高效率和自動化為內(nèi)部團隊創(chuàng)造了能力。

“英偉達專注于 GPU 加速整個數(shù)據(jù)科學管道，包括 ETL 、 ML 和深度學習算法，允許工業(yè)公司完全解決復(fù)雜、速度、準確性和體積的數(shù)據(jù)，以工業(yè)用人工智能來解鎖數(shù)萬億美元的價值，” Paresh Kharya 說。 NVIDIA 產(chǎn)品管理高級總監(jiān)?！拔覀兣c視窗機的合作以及英偉達平臺在微軟 Azure 基礎(chǔ)設(shè)施上的應(yīng)用，將加速工廠級的 AI LED 數(shù)字化改造?！?/p>

視窗機器的平臺還使用 Azure 數(shù)據(jù)湖、 Azure 機器學習、 Azure PurVIEW 與英偉達 AI 平臺集成，通過 AI 加速標簽到資產(chǎn)映射。

“我們很高興看到這些合作伙伴共同解決阻礙工廠轉(zhuǎn)型的問題。 NVIDIA 已在 Microsoft Azure 基礎(chǔ)設(shè)施上開發(fā)了一套全面的工具，而 Sight Machine 擁有行業(yè)和技術(shù)經(jīng)驗，能夠快速將工廠數(shù)據(jù)變?yōu)楝F(xiàn)實和規(guī)模，使我們的共同客戶能夠?qū)崿F(xiàn)工業(yè) 4.0 的好處，”微軟制造和供應(yīng)鏈首席技術(shù)官 Indranil Sircar 說。

客戶的一個例子是Essex Furakawa。埃塞克斯 Furakawa 為電動汽車提供關(guān)鍵線路。要在十幾家工廠每天提取數(shù)百萬磅的銅，將其轉(zhuǎn)化為無缺陷的涂層電線，并管理數(shù)千臺機器和數(shù)百個 SKU 的生產(chǎn)，這是一項極具挑戰(zhàn)性的任務(wù)。所有這些都是在管理能源、生產(chǎn)完美產(chǎn)品和在競爭激烈的條件下工作的同時完成的。

“兩年前，我們開始與視窗機合作，我很高興地分享到合作伙伴已經(jīng)成長為包括微軟和 NVIDIA 。在他們的幫助下，通過視覺機器平臺，我們已經(jīng)能夠從工廠數(shù)據(jù)生成實時數(shù)據(jù)基礎(chǔ)。這個基礎(chǔ)使我們能夠理解和優(yōu)化每一個產(chǎn)品。每一臺機器都使用標準化的、準確的信息。我們可以看到我們從未在遠程和實時地看到的東西，并且這個數(shù)據(jù)基礎(chǔ)給了我們一個新的組織能力?！?Jacques Wannenburg 說，信息技術(shù)高級副總裁埃塞克斯。

關(guān)于作者

Piyush Modi 在 NVIDIA 負責工業(yè)部門的全球業(yè)務(wù)發(fā)展和戰(zhàn)略。他積極與初創(chuàng)公司、原始設(shè)備制造商、系統(tǒng)集成商、研究社區(qū)和主要工業(yè)客戶合作，以推進可重復(fù)和可部署的工業(yè)AI技術(shù)和解決方案。

審核編輯：郭婷