Procesy kontrolne, SCADA i HMI są wiodącymi zastosowaniami obliczeń brzegowych; zwiększanie możliwości kontrolnych jest powszechnym zastosowaniem sztucznej inteligencji.
Do rozważenia
Zrozumienie badań inżynierii sterowania w zakresie wykorzystania kontrolerów brzegowych, sztucznej inteligencji i uczenia maszynowego w automatyce, sterowaniu i oprzyrządowaniu.
Przegląd kluczowych wyników badań.
W lutym i marcu 2023 r. amerykański Control Engineering przeprowadził badanie wśród swoich subskrybentów na temat “Edge computing i technologii sztucznej inteligencji”, aby dowiedzieć się, w jaki sposób technologie te są wykorzystywane w automatyce, sterowaniu i oprzyrządowaniu. Około połowa respondentów zgadza się, że przetwarzanie brzegowe jest lepszym celem dla oprogramowania/algorytmów sztucznej inteligencji (AI) niż programowalne sterowniki logiczne. Moc obliczeniowa, możliwości sieciowe i niezawodność to główne powody, dla których respondenci wykorzystują sztuczną inteligencję w przetwarzaniu brzegowym. Najważniejsze powody, dla których respondenci używają sztucznej inteligencji/uczenia maszynowego (ML), to dostęp do możliwości wcześniej niedostępnych w innym oprogramowaniu (61%) oraz ulepszanie tradycyjnych metod sterowania (58%). Poniżej znajduje się podsumowanie wyników.
Edge computing dla automatyki, sterowania i oprzyrządowania
Spośród respondentów badania 98% korzysta w jakiś sposób z Edge Computing. Edge Computing jest najczęściej wykorzystywany w procesach sterowania (51%) oraz w oprogramowaniu do kontroli nadzorczej i akwizycji danych (SCADA) (50%) do automatyzacji, kontroli i oprzyrządowania oraz w oprogramowaniu interfejsu człowiek-maszyna (46): jest to remis trójstronny, biorąc pod uwagę margines błędu.
Wsparcie techniczne w zakresie sterowania, automatyzacji lub oprzyrządowania jest wykorzystywane lub oczekuje się, że będzie wykorzystywane do przetwarzania brzegowego przez 28% respondentów. Kolejne 21% wskazało na wsparcie działu technologii operacyjnych (OT) lub inżynierii.
Połowa respondentów stwierdziła, że przetwarzanie brzegowe jest wykorzystywane, ponieważ umożliwia bardziej elastyczny i responsywny system monitorowania i kontroli w porównaniu z innymi urządzeniami obliczeniowymi lub logicznymi, a także zapewnia rozwiązania kontrolne nowej generacji, takie jak AI/ML. Mniej więcej tyle samo respondentów stwierdziło, że wspiera to podejmowanie lepszych decyzji dzięki szybszemu przetwarzaniu danych w czasie rzeczywistym.
Wśród respondentów 88% korzysta z zasobów w chmurze z przetwarzaniem brzegowym; analityka (55%) i pamięć / przechowywanie (50%) są najważniejszymi zasobami w chmurze.
Sztuczna inteligencja, uczenie maszynowe
53% respondentów nabyło AI/ML za pośrednictwem aplikacji dostarczonej im przez dostawcę lub dystrybutora automatyki, sterowania lub oprzyrządowania.
Wśród respondentów 73% korzysta ze sztucznej inteligencji/ML w celu uzyskania wsparcia technicznego w zakresie sterowania, automatyzacji lub oprzyrządowania; 47% w celu uzyskania wsparcia OT lub działu inżynieryjnego.
Najważniejsze powody, dla których respondenci korzystają z AI/ML, to dostęp do funkcji wcześniej niedostępnych w innym oprogramowaniu (61%) oraz ulepszenie tradycyjnych metod kontroli (58%).
Po początkowym uruchomieniu i regularnym działaniu 22% respondentów twierdzi, że aktualizuje model danych, który pomaga kierować aplikacją AI/ML w czasie rzeczywistym; 16% co tydzień; 12% dwa razy w roku i 11% codziennie.
Edge computing, sztuczna inteligencja i uczenie maszynowe
Około połowa (51%) respondentów zgadza się, że przetwarzanie brzegowe jest lepszym celem dla oprogramowania/algorytmów sztucznej inteligencji niż programowalne sterowniki logiczne (PLC).
Moc obliczeniowa (38%), możliwości sieciowe (37%) i niezawodność (32%) to trzy najważniejsze powody, dla których respondenci wykorzystują sztuczną inteligencję w obliczeniach brzegowych.
Osoby, zespoły lub działy zajmujące się automatyką, sterowaniem lub oprzyrządowaniem w firmach respondentów są najbardziej zaangażowane w specyfikację i/lub zakup technologii Edge Computing, podczas gdy osoby, zespoły lub działy zajmujące się technologiami informatycznymi są najbardziej zaangażowane w nabywanie aplikacji AI/ML.
