برنامه های کاربردی سنتی هوش مصنوعی به طور معمول برای آموزش مدل، استنباط و تجزیه و تحلیل داده ها به سرورهای ابری تکیه می کنند، در حالی که دستگاه های انتخابی داده ها را جمع آوری می کنند و آن را به ابر آپلود می کنند.در محیط های تولید صنعتیبا این حال، این رویکرد ممکن است توسط تاخیر شبکه، قابلیت اطمینان اتصال، امنیت داده ها، هزینه های پهنای باند و نیاز به عملیات مداوم محدود شود.شرکت های بیشتری معماری های AI Edge را اتخاذ می کنند، استفاده از نتیجه گیری هوش مصنوعی، پردازش داده ها و قابلیت های تصمیم گیری انتخاب شده در کامپیوترهای صنعتی، دروازه های لبه ای و دستگاه های هوشمند که به منبع داده نزدیک تر هستند.
به عنوان مثال، در یک خط تولید خودکار، دوربین های صنعتی تصاویر محصول را ضبط می کنند،و یک کامپیوتر حاشیه ای از مدل های هوش مصنوعی برای شناسایی نقص ها در زمان واقعی قبل از ارسال نتایج به سیستم کنترل تولید استفاده می کند. بازرسی به صورت محلی انجام می شود، در حالی که ابر به روز رسانی مدل، جمع آوری داده ها، تجزیه و تحلیل متقابل کارخانه و بهینه سازی بلند مدت را مدیریت می کند.هوش مصنوعی لبه ای جایگزین محاسبات ابری نمی شود. در عوض، یک معماری همکاری را امکان پذیر می کند که در آن مدل ها در ابر آموزش می بینند، نتیجه گیری در لبه انجام می شود،و اقدامات توسط دستگاه های انتهای انجام می شود.این یک محرک مهم در پشت انتقال کامپیوترهای صنعتی از ترمینال های کنترل معمولی به سیستم عامل های محاسباتی هوشمند است.
در سال های اخیر، شرکت های صنعتی تمرکز خود را از پروژه های اثبات مفهوم هوش مصنوعی به سمت استقرار در جریان های کاری تولید واقعی تغییر داده اند.سری تحقیقات وضعیت هوش مصنوعی صنعتی سیسکو بررسی می کند که چگونه سازمان های صنعتی هوش مصنوعی را به کار می گیرند و فناوری عملیاتی و زیرساخت شبکه خود را تکامل می دهندیک پیام ثابت از این تحقیق به وجود می آید:موفقیت هوش مصنوعی صنعتی نه تنها به مدل ها و قدرت محاسباتی، بلکه به اتصال کارخانه، جمع آوری داده ها، ادغام سیستم و مدیریت امنیت بستگی دارد.بنابراین برای تولید کنندگان رایانه های شخصی صنعتی، رقابت فراتر از عرضه سخت افزار محاسباتی به سمت سیستم عامل های یکپارچه است که ترکیب پردازش هوش مصنوعی، اتصال شبکه،مدیریت امنیت، و ادغام سیستم.
فروشندگان رایانه های صنعتی به طور فزاینده ای هوش مصنوعی، رباتیک و ادغام سیستم را در استراتژی های محصول و اکوسیستم خود گنجانده اند.و سایر شرکت های محاسباتی جاسازی شده همچنان در سخت افزار هوش مصنوعی سرمایه گذاری می کنند، زنجیره ابزار نرم افزاری، مدیریت دستگاه و راه حل های خاص صنعت.بازار محاسبات صنعتی فراتر از رقابت مبتنی فقط بر سخت افزار IPC سنتی است. تمایز به طور فزاینده ای به شتاب AI، اکوسیستم های نرم افزاری، مدیریت دستگاه،و اتصال.ارزش یک کامپیوتر صنعتی به طور فزاینده ای نه تنها در ارائه یک کامپیوتر، بلکه در ارائه یک پلت فرم محاسباتی لبه ای قادر به اجرای برنامه های هوش مصنوعی به طور قابل اعتماد در طول زمان است.
کامپیوترهای صنعتی سنتی در درجه اول به جمع آوری داده ها، ارتباطات PLC، تعامل انسان-ماشین و نظارت بر تولید رسیدگی می کنند.و رباتیک مستقل به طور گسترده ای استفاده می شود، رایانه های شخصی صنعتی بار کاری بیشتری را شامل تشخیص نقص محصول، نگهداری تجهیزات پیش بینی، ادراک ربات، نظارت بر ایمنی صنعتی و انبار هوشمند دارند.در یک معماری کامپیوتری متضاد معمولی، CPU کنترل کلی و برنامه ریزی سیستم را مدیریت می کند، GPU محاسبات موازی و نتیجه گیری بینایی را انجام می دهد و NPU نتیجه گیری هوش مصنوعی انرژی کارآمد را تسریع می کند.محاسبات متضاد در حال تبدیل شدن به یک جهت طراحی مهم برای نسل بعدی دستگاه های AI Edge است.
هوش مصنوعی فیزیکی بر توانایی سیستم های هوش مصنوعی برای درک دنیای واقعی و انجام وظایف فیزیکی از طریق روبات ها و تجهیزات اتوماسیون تمرکز دارد. کاربردهای شامل روبات های انسان نما،بازوهای رباتیک صنعتی، ربات های متحرک مستقل (AMRs) و وسایل نقلیه هدایت شده خودکار (AGVs) ، ربات های بازرسی و سیستم های انبار سازی خودکار.و ترمینال های کنترلبا تکامل وظایف از اجرای اقدامات فردی به ادراک مستقل و همکاری پیچیده، سیستم عامل های محاسباتی باید داده های بیشتری را در زمان واقعی پردازش کنند.بنابراین روبات های صنعتی در حال تبدیل شدن به نقاط پایانی مهم محاسبات لبه ای هستند، در حالی که رایانه های لبه ای بخش مهمی از قابلیت های ادراک، نتیجه گیری و ارتباطات را که از آنها پشتیبانی می کنند، فراهم می کنند.
در خطوط تولید در تولید نیمه هادی، قطعات خودرو، الکترونیک و بسته بندی مواد غذایی، دوربین های صنعتی برای بازرسی کیفیت، اندازه گیری ابعاد،و تجزیه و تحلیل نقصبا افزایش تعداد دوربین ها، وضوح تصاویر و پیچیدگی الگوریتم هوش مصنوعی، حجم داده های تولید شده در کارخانه نیز در حال رشد است. یک جریان کاری معمولی شامل دوربین های صنعتی است که تصاویر را ضبط می کنند.,انتقال آنها از طریق شبکه به یک کامپیوتر لبه ای، اجرای مدل های دید در یک GPU یا NPU، بازگشت نتایج بازرسی به سیستم کنترل تولید،و همگام سازی داده های بازرسی با ابر. ویدئوی چند جریان، ترمینال های بینایی بی سیم و تجهیزات بازرسی تلفن همراه نیاز به اتصال قابل اعتماد و خروجی داده کافی دارند.مهم است که توجه داشته باشید که مسیر داده های اولیه برای بینایی ماشین صنعتی اغلب به استفاده از Ethernet صنعتی یا رابط های اختصاصی، بسته به پهنای باند، فاصله،و الزامات تعیین کنندهوای فای به طور کلی به عنوان یک گزینه مکمل برای انتشار بی سیم، نقاط پایانی تلفن همراه و نگهداری از راه دور بهتر است.
استفاده تجاری از هوش مصنوعی صنعتی به بیش از GPU نیاز دارد. همچنین به سازگاری معماری پردازنده، استفاده از مدل و به روزرسانی ها، مدیریت برنامه های موجود در کانتینرها،نظارت از راه دور دستگاه، امنیت سایبری و نگهداری طولانی مدت. فروشندگان سیستم عامل محاسباتی صنعتی از کیت های توسعه نرم افزار، پشتیبانی از لینوکس، مدیریت کانتینر، به روزرسانی های over-the-air (OTA) ،و مدیریت چرخه زندگی دستگاه برای ساده سازی روند توسعه، تأیید و مقیاس بندی برنامه های کاربردی هوش مصنوعی.برای تامین کنندگان ماژول های بی سیم، در دسترس بودن درایورها، سازگاری لینوکس، SDK ها، اسناد فنی،و قابلیت های ادغام پلتفرم عوامل مهمی در تصمیمات خرید مشتری خواهد بود.
رشد هوش مصنوعی صنعتی خواسته های جدیدی را برای شبکه های صنعتی ایجاد می کند. ربات های تلفن همراه نیاز به اتصال بی سیم مداوم دارند، دوربین های صنعتی نیاز به انتقال داده های تصویری دارند،ترمینال های نگهداری از راه دور نیاز به دسترسی به اطلاعات تجهیزات دارند.شبکه های صنعتی سیم کشی سنتی همچنان ضروری هستند، اما اتصال بی سیم می تواند انعطاف پذیری بیشتری را برای تجهیزات تلفن همراه ارائه دهد.خطوط تولیدی انعطاف پذیرگزارش های ردیابی WLAN شرکت IDC می تواند به نشان دادن پذیرش Wi-Fi 7 در زیرساخت های شبکه شرکت کمک کند.با این حال، بازار نقاط دسترسی شرکت باید از بازار ماژول های بی سیم متمایز شود: ارسال نقاط دسترسی یا سهم درآمد نباید به عنوان شاخص های مستقیم تقاضا برای،یا حمل و نقل، ماژول های وای فای صنعتی.
Wi-Fi 7 (IEEE 802.11be) پیشرفت هایی در پهنای باند کانال، نوسازی، عملیات چند لینک (MLO) و ارتباطات چند کاربر را معرفی می کند.برای محاسبات حاشیه ای هوش مصنوعی و رایانه های شخصی صنعتی، ارزش آن محدود به سرعت داده های اوج نیست. همچنین قابلیت های اتصال اضافی را برای برنامه های پهنای باند بالا فراهم می کند.چندین دستگاه متصل، و محیط های بی سیم چالش برانگیز.
Wi-Fi 7 از پهنای باند کانال تا 320 MHz در باند 6 GHz پشتیبانی می کند، دو برابر حداکثر پهنای باند کانال 160 MHz موجود با Wi-Fi 6/6E.این باعث ایجاد مزایای بالقوه برای ویدیو چند جریان با وضوح بالا می شود، انتقال داده های بینایی ماشین، ترمینال های بازرسی صنعتی بی سیم و انتقال فایل های بزرگ.دسترسی به کانال های 320 مگاهرتز بستگی به در دسترس بودن طیف 6 گیگاهرتز مربوطه در هر بازار هدف داردسرعت تولید واقعی نیز تحت تاثیر فاصله، کیفیت سیگنال، تداخل، طراحی آنتن و پیکربندی شبکه قرار می گیرد.
Wi-Fi 7 مدولاسیون 4096-QAM را معرفی می کند. در شرایط سیگنال ایده آل می تواند داده های بیشتری را در واحد زمان نسبت به مدولاسیون 1024-QAM استفاده شده توسط Wi-Fi 6 انتقال دهد.مدولاسیون بالاتر نیز نیاز به کیفیت سیگنال بهتر دارد.تجهیزات فلزی، سازه های کارخانه، تداخل الکترومغناطیسی و تحرک دستگاه می توانند بر عملکرد دنیای واقعی تأثیر بگذارند.
MLO به یک دستگاه اجازه می دهد تا از طریق چندین لینک باند فرکانس ارتباط برقرار کند و این لینک ها را با توجه به قابلیت های دستگاه و شرایط شبکه برنامه ریزی کند.مزایای بالقوه شامل بهبود اتصال در محیط های بی سیم پیچیده است، استفاده کارآمدتر از منابع پیوند، کاهش تاخیر در برخی سناریوها و انعطاف پذیری بیشتر اتصال.MLO نباید به عنوان یک تضمین از روانینگ کاملا بی نقص یا ارتباطات زمان واقعی صنعتی تعیین کننده تفسیر شود. قابلیت های واقعی آن بستگی به اجرای دستگاه مشتری دارد.,نقطه دسترسی و چیپست
علاوه بر دسترسی به شبکه محلی، دستگاه های محاسباتی لبه صنعتی ممکن است نیاز به برقراری ارتباط با دستگاه های محیطی در نزدیکی داشته باشند، مانند سنسورهای بلوتوث، ابزارهای راه اندازی صنعتی،دستگاه های رابط بی سیم انسان-ماشینWi-Fi برای اتصال شبکه محلی با سرعت بالا استفاده می شود، در حالی که بلوتوث از ارتباطات کوتاه مدت و تعامل محیطی پشتیبانی می کند.ترکیب این دو پروتکل می تواند پیچیدگی طراحی مرتبط با ماژول های اتصال جداگانه را کاهش دهدنتایج واقعی، با این حال، بستگی به همزیستی رادیویی، طرح آنتن، پشتیبانی راننده و نیازهای دستگاه نهایی دارد.
همانطور که رایانه های شخصی صنعتی از ترمینال های محاسباتی معمولی به سیستم عامل های محاسباتی AI تبدیل می شوند، ماژول های بی سیم باید با معماری های دستگاه جدید سازگار شوند.الزامات اتصال یک کامپیوتر صنعتی عمدتاً به محیط نصب آن بستگی دارد، رابط های پلت فرم میزبان، فضای موجود و توابع ارتباطی مورد نظر.
O2072PM یک ماژول ترکیبی Wi-Fi 7 و بلوتوث 6.0 از QOGRISYS است. این ماژول دارای یک فرم فاکتور 22 × 30 میلی متر و یک رابط PCIe M.2 است.ویژگی های اصلی آن شامل پلت فرم Qualcomm QCC2072 است، 2.4 گیگاهرتز/5 گیگاهرتز/6 گیگاهرتز عملیات سه باند، 2T2R MIMO، حداکثر نرخ PHY نظری 5.8 گیگابایت در ثانیه، و بهبود Wi-Fi 7.2 رابط به طور گسترده ای در کامپیوترهای جاسازی شده و مادربرد های صنعتی استفاده می شودمادربرد های صنعتی، سیستم عامل های محاسباتی جاسازی شده و کامپیوترهای هوش مصنوعی پیشرفته مجهز به یک M سازگار2 اسلات و رابط میزبان می تواند اتصال بی سیم را در مرحله طراحی مادربرد ادغام کندبرنامه های کاربردی بالقوه شامل کامپیوترهای صنعتی، جعبه های هوش مصنوعی لبه ای، سیستم عامل های کامپیوتری رباتیک و سیستم های دید ماشین انتخاب شده است.طراحان باید برآورد کنند که آیا Ethernet صنعتی یا یک رابط اختصاصی هنوز هم بر اساس پهنای باند ضروری است.، فاصله، و الزامات تعیین کننده رابط میزبان بلوتوث، پشتیبانی از راننده، سازگاری با سیستم عامل،و جزئیات ادغام پلتفرم نیز باید با اسناد مربوطه محصول بررسی شود..
O2072PB دارای فاکتور فرم فشرده 13 × 15 میلی متری است که آن را برای طرح های مادربرد جاسازی شده با فضای محدود مناسب می کند.ویژگی های اصلی آن شامل پلت فرم Qualcomm QCC2072 است، واي فاي 7 و بلوتوث 60، 2.4 گیگاهرتز/5 گیگاهرتز/6 گیگاهرتز، 2T2R MIMO، و حداکثر سرعت PHY نظری 5.8 Gbps.ارزش اصلی آن در یکپارچه سازی فشرده نه فقط دنبال کردن سرعت های بی سیم بالاتر است.نقش ماژول کوچکتر می تواند انعطاف پذیری بیشتری را برای ترمینال های بینایی هوش مصنوعی، دروازه های صنعتی فشرده، دستگاه های کنترل هوشمند و سیستم های رباتیک جاسازی شده فراهم کند.طرح های نهایی هنوز باید محل قرار دادن آنتن 2T2R را در نظر بگیرند، عایق RF، مدیریت حرارتی، تداخل از اجزای نزدیک، و ساختار مکانیکی محفظه نهایی.
در تولید نیمه هادی، الکترونیک خودرو، الکترونیک مصرفی و تولید دقیق، بینایی ماشین در حال حاضر برای بازرسی کیفیت محصول، اندازه گیری ابعاد،و تجزیه و تحلیل نقص. مدل های بینایی هوش مصنوعی سیستم های بازرسی را قادر می سازد تا کارهای پیچیده تر پردازش تصویر را انجام دهند. برای ترمینال های بینایی که از بازگشت داده های بی سیم، نگهداری از راه دور یا همکاری چند دستگاه پشتیبانی می کنند,Wi-Fi 7 می تواند به عنوان یک گزینه اتصال مکمل عمل کند.
ربات ها باید به پلتفرم های کامپیوتری، سیستم های مدیریت و سایر تجهیزات متصل باشند.و بازپرداخت داده ها برای سیستم های رباتیک انتخاب شده، در حالی که بلوتوث می تواند از لبه ها و تعاملات کوتاه مدت پشتیبانی کند.
رایانه های لبه صنعتی در نزدیکی تجهیزات برای مدیریت جمع آوری داده ها، نتیجه گیری هوش مصنوعی، نظارت بر دستگاه ها و اتصال ابری مستقر می شوند. رابط های آنها معمولاً شامل اترنت، USB، PCIe،RS-485، واي فاي و بلوتوث
در شرکت های برق، تاسیسات پتروشیمی، سیستم های حمل و نقل ریلی و پارک های صنعتی بزرگ، روبات های بازرسی ویدئوهای با وضوح بالا، تصاویر حرارتی، مقادیر دما،و داده های وضعیت تجهیزات. هوش مصنوعی کناری می تواند تجزیه و تحلیل تصویر و تشخیص ناهنجاری را به صورت محلی انجام دهد. Wi-Fi 7 می تواند دسترسی شبکه با سرعت بالا را برای تجهیزات بازرسی تلفن همراه در امکانات دارای زیرساخت های بی سیم مناسب فراهم کند.
تعمیرات تجهیزات صنعتی به طور فزاینده ای از راه دور و دیجیتالی شده است. Wi-Fi 7 می تواند اتصال شبکه بی سیم با سرعت بالا را برای رایانه های صنعتی فراهم کند.در حالی که بلوتوث می تواند از تعامل با دستگاه های محیطی نزدیک پشتیبانی کندبرای سازندگان تجهیزات، این قابلیت ها می توانند پیاده سازی و نگهداری را انعطاف پذیر تر کنند.
انبار هوشمند ترکیبی از شناسایی مبتنی بر هوش مصنوعی، هماهنگی ناوگان ربات، مرتب سازی خودکار و مدیریت دیجیتال است. تجهیزات تلفن همراه باید با سیستم های مدیریت انبار ارتباط برقرار کنند.پلتفرم های محاسبات لبه ایقابلیت های پهنای باند بالا و چند لینک Wi-Fi 7 گزینه اتصال دیگری را برای محیط هایی با انتشار دستگاه های بی سیم متراکم ارائه می دهد.استفاده های واقعی هنوز باید برای رومینگ تأیید شوند، پوشش، انتقال شبکه و ثبات تاخیر.
IDC هزینه های جهانی را برای زیرساخت های هوش مصنوعی، از جمله محاسبات شتاب دهنده، سرورها، ذخیره سازی و زمینه های مرتبط، پیگیری می کند. این ارقام سرمایه گذاری نشان دهنده توسعه گسترده تر زیرساخت های هوش مصنوعی،اما آنها نباید به عنوان اندازه بازار هوش مصنوعی لبه صنعتی تفسیر شوند یا برای تخمین مستقیم تقاضا برای ماژول های Wi-Fi استفاده شوند.برای بخش محاسبات صنعتی، یک سوال مرتبط تر این است که چگونه قابلیت های محاسبات هوش مصنوعی از مراکز داده به کارخانه ها، انبارها، سیستم های حمل و نقل گسترش می یابد.و زیرساخت های انرژیهنگامی که از آخرین نسخه ردیاب زیرساخت های هوش مصنوعی سه ماهه جهانی IDC استفاده می کنید، تاریخ انتشار گزارش، سه ماهه گزارش، ارز و دسته بندی های هزینه پوشش داده شده را مشخص کنید.
مرحله بعدی هوش مصنوعی صنعتی شامل چیزی فراتر از استفاده از تعداد محدودی از سیستم های بازرسی بینایی هوش مصنوعی خواهد بود. انتظار می رود قابلیت های هوش مصنوعی در تجهیزات تولید بیشتری گسترش یابد.مناطق کارخانهسیستم عامل های محاسباتی لبه ای باید داده ها را به صورت محلی پردازش کنند در حالی که با سیستم عامل های ابری، شبکه های صنعتی و دستگاه های تلفن همراه هماهنگ می شوند.
با گسترش سیستم های بینایی هوش مصنوعی، روبات ها و دستگاه های صنعتی تلفن همراه، محیط های صنعتی نیاز به طیف گسترده تری از گزینه های اتصال بی سیم دارند.Wi-Fi 7 قابلیت های جدیدی را برای ارتباطات پهنای باند بالا و چند لینک فراهم می کند، اما ارزش استقرار هنوز هم به پوشش شبکه، مقررات طیف، قابلیت های نقطه دسترسی، سازگاری نقطه پایانی و تأیید در محل بستگی دارد.
