Tradycyjne aplikacje AI zazwyczaj polegają na serwerach chmurowych do trenowania modeli, wnioskowania i analizy danych, podczas gdy urządzenia końcowe zbierają dane i przesyłają je do chmury. Jednak w środowiskach produkcji przemysłowej takie podejście może być ograniczone przez opóźnienia sieciowe, niezawodność połączeń, bezpieczeństwo danych, koszty przepustowości i potrzebę ciągłego działania. W rezultacie coraz więcej firm przyjmuje architektury Edge AI, wdrażając wnioskowanie AI, przetwarzanie danych i wybrane możliwości decyzyjne na komputerach przemysłowych, bramach brzegowych i inteligentnych urządzeniach zlokalizowanych bliżej źródła danych.
Na przykład, na zautomatyzowanej linii produkcyjnej, kamery przemysłowe przechwytują obrazy produktów, a komputer brzegowy wykorzystuje modele AI do identyfikacji defektów w czasie rzeczywistym, zanim wyśle wyniki do systemu sterowania produkcją. Inspekcja jest wykonywana lokalnie, podczas gdy chmura obsługuje aktualizacje modeli, agregację danych, analizy międzyfabryczne i długoterminową optymalizację.Edge AI nie zastępuje przetwarzania w chmurze. Zamiast tego umożliwia architekturę współpracującą, w której modele są trenowane w chmurze, wnioskowanie odbywa się na brzegu sieci, a działania są wykonywane przez urządzenia końcowe.Jest to ważny czynnik napędzający przejście komputerów przemysłowych z konwencjonalnych terminali sterowania na inteligentne platformy obliczeniowe.
W ostatnich latach firmy przemysłowe przesunęły swoje zainteresowanie z projektów proof-of-concept AI na wdrożenia w rzeczywistych procesach produkcyjnych. Badania Cisco dotyczące stanu przemysłowej sztucznej inteligencji analizują, w jaki sposób organizacje przemysłowe wdrażają AI i rozwijają swoją technologię operacyjną oraz infrastrukturę sieciową. Z tych badań wyłania się spójny przekaz:sukces przemysłowej sztucznej inteligencji zależy nie tylko od modeli i mocy obliczeniowej, ale także od łączności na hali produkcyjnej, akwizycji danych, integracji systemów i zarządzania bezpieczeństwem.Dla producentów komputerów przemysłowych konkurencja przenosi się zatem poza dostarczanie sprzętu obliczeniowego w kierunku zintegrowanych platform, które łączą przetwarzanie AI, łączność sieciową, zarządzanie bezpieczeństwem i integrację systemów.
Dostawcy rozwiązań przetwarzania przemysłowego coraz częściej włączają edge AI, robotykę i integrację systemów do swoich strategii produktowych i ekosystemowych. Advantech, ADLINK i inne firmy zajmujące się przetwarzaniem wbudowanym nadal inwestują w sprzęt edge AI, narzędzia programistyczne, zarządzanie urządzeniami i rozwiązania branżowe. Te wydarzenia wskazują, żerynek przetwarzania przemysłowego wykracza poza konkurencję opartą wyłącznie na tradycyjnym sprzęcie IPC. Różnicowanie coraz bardziej zależy od akceleracji AI, ekosystemów oprogramowania, zarządzania urządzeniami i łączności.Wartość komputera przemysłowego będzie coraz bardziej polegać nie tylko na dostarczaniu komputera, ale na dostarczaniu platformy przetwarzania brzegowego zdolnej do niezawodnego uruchamiania aplikacji AI przez dłuższy czas.
Tradycyjne komputery przemysłowe obsługiwały głównie akwizycję danych, komunikację PLC, interakcję człowiek-maszyna i monitorowanie produkcji. Wraz z coraz szerszym zastosowaniem wizji AI, inteligentnej inspekcji i robotyki autonomicznej, komputery przemysłowe przejmują coraz bardziej wymagające zadania, w tym wykrywanie defektów produktów, predykcyjne utrzymanie ruchu urządzeń, percepcję robotów, monitorowanie bezpieczeństwa przemysłowego i inteligentne magazynowanie. W typowej architekturze przetwarzania heterogenicznego, CPU obsługuje ogólne sterowanie i harmonogramowanie systemu, GPU wykonuje obliczenia równoległe i wnioskowanie wizyjne, a NPU przyspiesza energooszczędne wnioskowanie AI.Przetwarzanie heterogeniczne staje się ważnym kierunkiem projektowania dla urządzeń Edge AI nowej generacji.
Fizyczna sztuczna inteligencja koncentruje się na umożliwieniu systemom AI rozumienia świata rzeczywistego i wykonywania zadań fizycznych za pomocą robotów i sprzętu automatyki. Zastosowania obejmują roboty humanoidalne, ramiona robotów przemysłowych, autonomiczne roboty mobilne (AMR) i automatycznie kierowane pojazdy (AGV), roboty inspekcyjne i zautomatyzowane systemy magazynowania. Roboty muszą łączyć się z kamerami, czujnikami, siłownikami i terminalami sterowania. W miarę ewolucji zadań od wykonywania pojedynczych akcji do autonomicznej percepcji i złożonej współpracy, platformy obliczeniowe muszą przetwarzać więcej danych w czasie rzeczywistym.Roboty przemysłowe stają się zatem ważnymi punktami końcowymi przetwarzania brzegowego, podczas gdy komputery brzegowe stanowią kluczową część możliwości percepcji, wnioskowania i komunikacji, które je wspierają.
Na liniach produkcyjnych w produkcji półprzewodników, komponentów samochodowych, elektroniki i opakowań żywności, kamery przemysłowe są używane do kontroli jakości, pomiarów wymiarowych i analizy defektów. Wraz ze wzrostem liczby kamer, rozdzielczości obrazu i złożoności algorytmów AI, rośnie również ilość danych generowanych na hali produkcyjnej. Typowy przepływ pracy obejmuje przechwytywanie obrazów przez kamery przemysłowe, przesyłanie ich przez sieć do komputera brzegowego, uruchamianie modeli wizyjnych na GPU lub NPU, zwracanie wyników inspekcji do systemu sterowania produkcją i synchronizację danych inspekcyjnych z chmurą. Wideo wielostrumieniowe, bezprzewodowe terminale wizyjne i mobilny sprzęt inspekcyjny wymagają niezawodnej łączności i wystarczającej przepustowości danych.Należy zauważyć, że główna ścieżka danych dla przemysłowej wizji maszynowej często nadal będzie wykorzystywać Industrial Ethernet lub dedykowane interfejsy, w zależności od wymagań dotyczących przepustowości, odległości i determinizmu. Wi-Fi jest generalnie lepiej pozycjonowane jako opcja uzupełniająca dla wdrożeń bezprzewodowych, mobilnych punktów końcowych i zdalnej konserwacji.
Komercyjne wdrożenie przemysłowej sztucznej inteligencji wymaga więcej niż tylko GPU. Zależy również od kompatybilności architektury procesora, wdrażania i aktualizacji modeli, zarządzania aplikacjami w kontenerach, zdalnego monitorowania urządzeń, cyberbezpieczeństwa i długoterminowej konserwacji. Dostawcy platform przetwarzania przemysłowego wykorzystują zestawy narzędzi programistycznych, wsparcie dla Linuksa, zarządzanie kontenerami, aktualizacje over-the-air (OTA) i zarządzanie cyklem życia urządzeń, aby uprościć proces tworzenia, walidacji i skalowania aplikacji AI.Dla dostawców modułów bezprzewodowych, dostępność sterowników, kompatybilność z Linuksem, SDK, dokumentacja techniczna i możliwości integracji platformy będą ważnymi czynnikami przy podejmowaniu decyzji zakupowych przez klientów.
Rozwój przemysłowej sztucznej inteligencji stawia nowe wymagania przed sieciami przemysłowymi. Roboty mobilne potrzebują stałej łączności bezprzewodowej, kamery przemysłowe muszą przesyłać dane obrazu, terminale zdalnej konserwacji potrzebują dostępu do informacji o sprzęcie, a wiele komputerów brzegowych musi wymieniać dane. Tradycyjne sieci przemysłowe przewodowe pozostają niezbędne, ale łączność bezprzewodowa może oferować większą elastyczność dla sprzętu mobilnego, elastycznych linii produkcyjnych i tymczasowych wdrożeń. Raporty IDC dotyczące śledzenia sieci WLAN w przedsiębiorstwach mogą pomóc zilustrować adopcję Wi-Fi 7 w infrastrukturze sieciowej przedsiębiorstw.Jednak rynek punktów dostępowych dla przedsiębiorstw musi być odróżniony od rynku modułów bezprzewodowych: udziały w dostawach lub przychodach punktów dostępowych nie powinny być traktowane jako bezpośrednie wskaźniki popytu na moduły Wi-Fi przemysłowe lub ich dostaw.
Wi-Fi 7 (IEEE 802.11be) wprowadza ulepszenia w zakresie szerokości pasma kanału, modulacji, Multi-Link Operation (MLO) i komunikacji wieloużytkownikowej.Dla przetwarzania brzegowego AI i komputerów przemysłowych jego wartość nie ogranicza się do maksymalnych szybkości transmisji danych. Zapewnia również dodatkowe możliwości łączności dla aplikacji o dużej przepustowości, wielu podłączonych urządzeń i trudnych środowisk bezprzewodowych.
Wi-Fi 7 obsługuje szerokości pasma kanału do 320 MHz w paśmie 6 GHz, podwajając maksymalną szerokość pasma kanału 160 MHz dostępną w Wi-Fi 6/6E. Stwarza to potencjalne korzyści dla wielostrumieniowego wideo w wysokiej rozdzielczości, transferu danych wizji maszynowej, bezprzewodowych terminali inspekcji przemysłowej i transferu dużych plików. Dostęp do kanałów 320 MHz zależy od dostępności odpowiedniego spektrum 6 GHz na każdym docelowym rynku. Rzeczywista przepustowość jest również zależna od odległości, jakości sygnału, zakłóceń, konstrukcji anteny i konfiguracji sieci.
Wi-Fi 7 wprowadza modulację 4096-QAM. W idealnych warunkach sygnału może przesyłać więcej danych na jednostkę czasu niż modulacja 1024-QAM używana w Wi-Fi 6. Jednak modulacja wyższego rzędu wymaga również lepszej jakości sygnału. Metalowy sprzęt, konstrukcje fabryczne, zakłócenia elektromagnetyczne i mobilność urządzeń mogą wpływać na rzeczywistą wydajność.
MLO pozwala urządzeniu na komunikację przez wiele łączy w różnych pasmach częstotliwości i harmonogramowanie tych łączy zgodnie z możliwościami urządzenia i warunkami sieciowymi. Potencjalne korzyści obejmują poprawę łączności w złożonych środowiskach bezprzewodowych, bardziej efektywne wykorzystanie zasobów łącza, zmniejszenie opóźnień w niektórych scenariuszach i większą elastyczność połączeń.MLO nie należy interpretować jako gwarancji całkowicie płynnego roamingu lub deterministycznych przemysłowych komunikacji w czasie rzeczywistym. Jego rzeczywiste możliwości zależą od implementacji przez urządzenie klienckie, punkt dostępowy i chipset.
Oprócz dostępu do sieci lokalnej, urządzenia przetwarzania brzegowego AI mogą potrzebować komunikować się z pobliskimi urządzeniami peryferyjnymi, takimi jak czujniki Bluetooth, narzędzia do uruchamiania przemysłowego, bezprzewodowe urządzenia interfejsu człowiek-maszyna, tagi śledzenia zasobów i sprzęt pomiarowy. Wi-Fi jest używane do szybkiej łączności w sieci lokalnej, podczas gdy Bluetooth obsługuje komunikację krótkiego zasięgu i interakcję z urządzeniami peryferyjnymi. Połączenie obu protokołów może zmniejszyć złożoność projektową związaną z oddzielnymi modułami łączności. Rzeczywiste wyniki zależą jednak od współistnienia radiowego, układu anten, wsparcia sterowników i wymagań urządzenia końcowego.
W miarę ewolucji komputerów przemysłowych z konwencjonalnych terminali obliczeniowych w platformy przetwarzania brzegowego AI, moduły bezprzewodowe muszą dostosować się do nowych architektur urządzeń. Wymagania dotyczące łączności komputera przemysłowego zależą przede wszystkim od jego środowiska instalacji, interfejsów platformy hosta, dostępnej przestrzeni i zamierzonych funkcji komunikacyjnych.
O2072PM to moduł combo Wi-Fi 7 i Bluetooth 6.0 firmy QOGRISYS. Posiada format 22 x 30 mm i interfejs M.2 PCIe. Według informacji o produkcie, jego kluczowe cechy to platforma Qualcomm QCC2072, działanie w paśmie trójzakresowym 2,4 GHz/5 GHz/6 GHz, 2T2R MIMO, maksymalna teoretyczna szybkość PHY 5,8 Gb/s i ulepszenia Wi-Fi 7. Interfejsy M.2 są szeroko stosowane w komputerach wbudowanych i płytach głównych przemysłowych. Płyty główne przemysłowe, platformy przetwarzania wbudowanego i komputery edge AI wyposażone w kompatybilne gniazdo M.2 i interfejs hosta mogą integrować łączność bezprzewodową na etapie projektowania płyty głównej. Potencjalne zastosowania obejmują komputery przemysłowe, skrzynki edge AI, platformy obliczeniowe dla robotów i wybrane systemy wizji maszynowej. W przypadku głównej ścieżki danych w zastosowaniach wizji maszynowej, projektanci powinni ocenić, czy Industrial Ethernet lub dedykowany interfejs pozostają niezbędne w oparciu o wymagania dotyczące przepustowości, odległości i determinizmu. Interfejs hosta Bluetooth, wsparcie sterowników, kompatybilność z systemem operacyjnym i szczegóły integracji platformy powinny być również zweryfikowane w odpowiedniej dokumentacji produktu.
O2072PB ma kompaktowy format 13 x 15 mm, co czyni go odpowiednim do projektowania płyt głównych wbudowanych z ograniczoną przestrzenią. Według informacji o produkcie, jego kluczowe cechy to platforma Qualcomm QCC2072, Wi-Fi 7 i Bluetooth 6.0, działanie w paśmie 2,4 GHz/5 GHz/6 GHz, 2T2R MIMO i maksymalna teoretyczna szybkość PHY 5,8 Gb/s.Jego główna wartość polega na kompaktowej integracji, a nie tylko na dążeniu do wyższych prędkości bezprzewodowych.Mniejszy rozmiar modułu może zapewnić większą elastyczność układu dla terminali wizyjnych AI, kompaktowych bram przemysłowych, inteligentnych urządzeń sterujących i wbudowanych systemów robotycznych. Ostateczne projekty muszą nadal uwzględniać rozmieszczenie anten 2T2R, izolację RF, zarządzanie termiczne, zakłócenia od pobliskich komponentów i konstrukcję mechaniczną gotowej obudowy.
W produkcji półprzewodników, elektronice samochodowej, elektronice użytkowej i precyzyjnej produkcji, wizja maszynowa jest już wykorzystywana do kontroli jakości produktów, pomiarów wymiarowych i analizy defektów. Modele wizyjne AI umożliwiają systemom inspekcyjnym obsługę bardziej złożonych zadań przetwarzania obrazu. Dla terminali wizyjnych obsługujących bezprzewodowy transfer danych, zdalną konserwację lub współpracę wielu urządzeń, Wi-Fi 7 może służyć jako uzupełniająca opcja łączności.
Roboty muszą pozostać połączone z platformami obliczeniowymi, systemami zarządzania i innym sprzętem. Wi-Fi 7 może zapewnić szybki dostęp bezprzewodowy, uruchamianie i transfer danych dla wybranych systemów robotycznych, podczas gdy Bluetooth może obsługiwać urządzenia peryferyjne i interakcje krótkiego zasięgu.
Przemysłowe komputery brzegowe są wdrażane blisko sprzętu w celu obsługi akwizycji danych, wnioskowania AI, monitorowania urządzeń i łączności z chmurą. Ich interfejsy zazwyczaj obejmują Ethernet, USB, PCIe, RS-485, Wi-Fi i Bluetooth.
W energetyce, zakładach petrochemicznych, systemach transportu szynowego i dużych parkach przemysłowych, roboty inspekcyjne zbierają wideo w wysokiej rozdzielczości, obrazy termiczne, odczyty temperatury i dane o stanie urządzeń. Edge AI może lokalnie wykonywać analizę obrazu i wykrywanie anomalii. Wi-Fi 7 może zapewnić szybki dostęp sieciowy dla mobilnego sprzętu inspekcyjnego w obiektach z odpowiednią infrastrukturą bezprzewodową.
Konserwacja urządzeń przemysłowych staje się coraz bardziej zdalna i zdigitalizowana. Wi-Fi 7 może zapewnić szybką łączność sieci bezprzewodowej dla komputerów przemysłowych, podczas gdy Bluetooth może obsługiwać interakcję z pobliskimi urządzeniami peryferyjnymi. Dla producentów sprzętu możliwości te mogą sprawić, że wdrożenie i konserwacja będą bardziej elastyczne.
Inteligentne magazynowanie łączy identyfikację opartą na AI, koordynację flot robotów, automatyczne sortowanie i zarządzanie cyfrowe. Sprzęt mobilny musi komunikować się z systemami zarządzania magazynem, platformami przetwarzania brzegowego i sieciami dostępu bezprzewodowego. Wysoka przepustowość Wi-Fi 7 i możliwości wielołączeniowe oferują kolejną opcję łączności dla środowisk z gęstym rozmieszczeniem urządzeń bezprzewodowych. Rzeczywiste wdrożenia muszą być nadal walidowane pod kątem roamingu, zasięgu, przejść sieciowych i stabilności opóźnień.
IDC śledzi globalne wydatki na infrastrukturę AI, w tym akcelerowane obliczenia, serwery, pamięć masową i powiązane obszary. Te dane inwestycyjne odzwierciedlają szerszy rozwój infrastruktury AI, ale nie powinny być interpretowane jako wielkość rynku przemysłowego edge AI ani używane do bezpośredniego szacowania popytu na moduły Wi-Fi. Dla sektora przetwarzania przemysłowego bardziej istotne pytanie brzmi, w jaki sposób możliwości obliczeniowe AI rozszerzają się z centrów danych do fabryk, magazynów, systemów transportowych i infrastruktury energetycznej. Cytując najnowsze wydanie IDC's Worldwide Quarterly AI Infrastructure Tracker, należy podać datę publikacji raportu, kwartał raportowania, walutę i kategorie wydatków objęte raportem.
Następna faza przemysłowej sztucznej inteligencji będzie obejmować więcej niż tylko wdrożenie ograniczonej liczby systemów inspekcji wizyjnej AI. Oczekuje się, że możliwości AI rozszerzą się na więcej urządzeń produkcyjnych, obszarów fabrycznych i systemów zarządzania. Platformy przetwarzania brzegowego będą musiały przetwarzać dane lokalnie, jednocześnie koordynując z platformami chmurowymi, sieciami przemysłowymi i urządzeniami mobilnymi.
Wraz z coraz szerszym rozpowszechnieniem systemów wizji AI, robotów i mobilnych urządzeń przemysłowych, środowiska przemysłowe będą wymagały szerszego zakresu opcji łączności bezprzewodowej. Wi-Fi 7 zapewnia nowe możliwości dla komunikacji o dużej przepustowości i wielołączeniowej, ale wartość wdrożenia nadal będzie zależeć od zasięgu sieci, przepisów dotyczących spektrum, możliwości punktów dostępowych, kompatybilności punktów końcowych i walidacji na miejscu.
