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(jì)算機(jī)速度持續(xù)運(yùn)行。這將導(dǎo)致來(lái)自車(chē)間機(jī)器和傳感器的大量數(shù)據(jù)。分析運(yùn)營(yíng)數(shù)據(jù)以預(yù)測(cè)運(yùn)營(yíng)異常、機(jī)器故障和產(chǎn)品質(zhì)量，同時(shí)利用工業(yè) AI 改善工廠(chǎng)車(chē)間運(yùn)營(yíng)，可以提高生產(chǎn)率并節(jié)約數(shù)萬(wàn)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(chǎng)中的數(shù)據(jù)一直難以使用，許多公司被困在試點(diǎn)階段，通常被稱(chēng)為試點(diǎn)煉獄?？紤]到 OT 數(shù)據(jù)的數(shù)量、準(zhǔn)確性和質(zhì)量，第一個(gè)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(zhǔn)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(lái)以獨(dú)特方式創(chuàng)建的數(shù)百萬(wàn)個(gè)標(biāo)簽。在車(chē)間，數(shù)據(jù)由各種機(jī)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(xué)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(gè)標(biāo)記來(lái)自何處以及它們代表什么。

答案在于使用人工智能對(duì)這些數(shù)據(jù)進(jìn)行自動(dòng)內(nèi)省和標(biāo)記。

為了解決這個(gè)挑戰(zhàn)，視窗機(jī)利用英偉達(dá) AI 平臺(tái)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(gè)機(jī)器、傳感器、線(xiàn)路和工廠(chǎng)。他們通過(guò)利用現(xiàn)代愿景、時(shí)間序列和 NLP 算法、預(yù)訓(xùn)練模型以及 NGC 云提供的配方實(shí)現(xiàn)了這一點(diǎn)，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(xiàn)。

這一舉措?yún)R集了英偉達(dá) AI 平臺(tái)和專(zhuān)業(yè)知識(shí)，在深入學(xué)習(xí)，微軟的端到端流和 AI 解決方案制造，以及視場(chǎng)機(jī)器的十年專(zhuān)業(yè)發(fā)展啟發(fā)式數(shù)據(jù)標(biāo)簽和應(yīng)用人工智能到工廠(chǎng)。

Sight Machine 首席執(zhí)行官喬恩·索貝爾（ Jon Sobel ）表示：“這項(xiàng)工作解決了制造業(yè)轉(zhuǎn)型的最后一個(gè)關(guān)鍵瓶頸，并將迅速加速工廠(chǎng)人工智能的日常使用。”。

圖 1 具有 NVIDIA Triton 和 Azure 機(jī)器學(xué)習(xí)集成的視覺(jué)機(jī)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(chǎng)數(shù)據(jù)映射到其流模型中。通過(guò)解決人工智能的問(wèn)題，并與英偉達(dá)的專(zhuān)家聯(lián)手， Sight Machine 為制造商提供了比以前更快地準(zhǔn)備好數(shù)據(jù)人工智能的工具。這節(jié)省了制造商的時(shí)間和費(fèi)用，并使數(shù)據(jù)科學(xué)家能夠廣泛選擇現(xiàn)代 GPU 加速算法。如果沒(méi)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(xué)團(tuán)隊(duì)能夠使用 NVIDIA GPU – 加速計(jì)算進(jìn)行實(shí)驗(yàn)，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(jī)器學(xué)習(xí)來(lái)優(yōu)化模型的服務(wù)和編排。該解決方案使用 NVIDIA Metropolis 進(jìn)行計(jì)算機(jī)視覺(jué)、 NVIDIA 時(shí)間序列預(yù)測(cè)和機(jī)器學(xué)習(xí)和 DL 算法的綜合組合，以及 NVIDIA Riva 進(jìn)行 NLP 和對(duì)話(huà)人工智能技術(shù)，以便及時(shí)組織和向用戶(hù)傳達(dá)上下文感知的見(jiàn)解。

例如， one Sight 機(jī)床為大型化學(xué)品制造商的每個(gè)工廠(chǎng)位置自動(dòng)執(zhí)行標(biāo)記到資產(chǎn)的映射操作，目的是縮短時(shí)間以提高數(shù)據(jù)驅(qū)動(dòng)的制造生產(chǎn)率。該工具還提高了標(biāo)記映射過(guò)程的質(zhì)量，并通過(guò)提高效率和自動(dòng)化為內(nèi)部團(tuán)隊(duì)創(chuàng)造了能力。

“英偉達(dá)專(zhuān)注于 GPU 加速整個(gè)數(shù)據(jù)科學(xué)管道，包括 ETL 、 ML 和深度學(xué)習(xí)算法，允許工業(yè)公司完全解決復(fù)雜、速度、準(zhǔn)確性和體積的數(shù)據(jù)，以工業(yè)用人工智能來(lái)解鎖數(shù)萬(wàn)億美元的價(jià)值，” Paresh Kharya 說(shuō)。 NVIDIA 產(chǎn)品管理高級(jí)總監(jiān)?！拔覀兣c視窗機(jī)的合作以及英偉達(dá)平臺(tái)在微軟 Azure 基礎(chǔ)設(shè)施上的應(yīng)用，將加速工廠(chǎng)級(jí)的 AI LED 數(shù)字化改造?！?/p>

視窗機(jī)器的平臺(tái)還使用 Azure 數(shù)據(jù)湖、 Azure 機(jī)器學(xué)習(xí)、 Azure PurVIEW 與英偉達(dá) AI 平臺(tái)集成，通過(guò) AI 加速標(biāo)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(chǎng)轉(zhuǎn)型的問(wèn)題。 NVIDIA 已在 Microsoft Azure 基礎(chǔ)設(shè)施上開(kāi)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(yàn)，能夠快速將工廠(chǎng)數(shù)據(jù)變?yōu)楝F(xiàn)實(shí)和規(guī)模，使我們的共同客戶(hù)能夠?qū)崿F(xiàn)工業(yè) 4.0 的好處，”微軟制造和供應(yīng)鏈?zhǔn)紫夹g(shù)官 Indranil Sircar 說(shuō)。

客戶(hù)的一個(gè)例子是Essex Furakawa。埃塞克斯 Furakawa 為電動(dòng)汽車(chē)提供關(guān)鍵線(xiàn)路。要在十幾家工廠(chǎng)每天提取數(shù)百萬(wàn)磅的銅，將其轉(zhuǎn)化為無(wú)缺陷的涂層電線(xiàn)，并管理數(shù)千臺(tái)機(jī)器和數(shù)百個(gè) SKU 的生產(chǎn)，這是一項(xiàng)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(jìng)爭(zhēng)激烈的條件下工作的同時(shí)完成的。

“兩年前，我們開(kāi)始與視窗機(jī)合作，我很高興地分享到合作伙伴已經(jīng)成長(zhǎng)為包括微軟和 NVIDIA 。在他們的幫助下，通過(guò)視覺(jué)機(jī)器平臺(tái)，我們已經(jīng)能夠從工廠(chǎng)數(shù)據(jù)生成實(shí)時(shí)數(shù)據(jù)基礎(chǔ)。這個(gè)基礎(chǔ)使我們能夠理解和優(yōu)化每一個(gè)產(chǎn)品。每一臺(tái)機(jī)器都使用標(biāo)準(zhǔn)化的、準(zhǔn)確的信息。我們可以看到我們從未在遠(yuǎn)程和實(shí)時(shí)地看到的東西，并且這個(gè)數(shù)據(jù)基礎(chǔ)給了我們一個(gè)新的組織能力。” Jacques Wannenburg 說(shuō)，信息技術(shù)高級(jí)副總裁埃塞克斯。

關(guān)于作者

Piyush Modi 在 NVIDIA 負(fù)責(zé)工業(yè)部門(mén)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(hù)合作，以推進(jìn)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