AI Suite на Industrial Edge

Изтеглете подробна архитектура (PDF)

Изтеглете подробен PDF

Ниво на полето: Industrial Edge като слой за изпълнение на AI

Устройствата Industrial Edge седят директно на магазина и се свързват с PLC, задвижвания, роботи, камери и всяко друго оборудване за автоматизация, използвайки предварително конфигурирани конектори за PROFINET, S7, OPC UA, Ethernet/IP, Modbus TCP и други. Тъй като библиотеката на конекторите покрива оборудване от всеки доставчик, архитектурата също пасва на браунфилд среди, без да изисква подмяна на хардуера.

Набор от локални приложения работи на крайното устройство заедно с конекторите:

• AI Inference Server за изпълнение на модел на устройството, поддържащ използване на визия, времеви редове и пакетни изводи

  случаи

• Приложение Vision Connector за свързване към GigE индустриални камери и RTSP камери за предоставяне на данни за зрение за извод
• Vision Data Collector за заснемане на изображения и метаданни от камери и системи за зрение, заедно с резултати от изводи от време на изпълнение, захранващи тръбопровода за (повторно) training за данни
• Industrial Information Hub, който картографира необработените PLC маркери и резултатите от изводите до последователен модел на семантични данни, преди данните да напуснат устройството
• LiveTwin и Virtual PLC за цифрова двойна симулация и виртуално управление
• Mendix on Edge за ролеви операторски интерфейси, които обхващат както ръбовите, така и нагоре по веригата системи
• Energy Manager и информация за ефективността на оперативните КПИ, включително потреблението на енергия и OEE
• ИТ конектори за свързване с корпоративни системи

Databus, базиран на MQTT, свързва тези приложения помежду си на устройството и осигурява гръбнака за публикуване и абониране за предаване на резултати от изводи, показания на сензори и събития до фабрично ниво. Данните за зрението между конектора за зрение и сървъра за изводи се предават с помощта на ZMQ за обработка на по-големи, високочестотни полезни товари.

Фабрично ниво: оперативният слой на AI

AI Asset Manager работи на виртуално устройство Industrial Edge на фабрично ниво и действа като едно гише за всички дейности, свързани с ИИ, на етажа на магазина. Той се намира между средата за разработка по-горе и крайните устройства по-долу, координирайки пълния експлоатационен жизнен цикъл на AI решенията.

AI Asset Manager: разпределение на модели и операции

Задачата на AI Asset Manager е да получава пакетирани модели на AI от средата за разработка, да ги разгръща в правилните инстанции на AI Inference Server в целия флот и да събира показатели за производителността на модела и дейността на изводите. Той управлява версионирането на решения за AI, следи състоянието на внедряване на ниво устройство и осигурява оперативния интерфейс, чрез който екипите за автоматизация управляват AI, без да е необходимо да взаимодействат с веригите инструменти за разработка.

Използвайте AI Asset Manager за:

• Изтегляне на пакетирани модели от тръбопровода за развитие на ниво ИТ и разпределянето им към крайни устройства
• Управление на версиите на моделите в флот от устройства Industrial Edge, включително връщане и поетапно внедряване
• Събиране на показатели за изводи и данни за ефективност от внедрени модели
• Осигуряване на единен оперативен изглед на състоянието на решението за изкуствен интелект на всички устройства и сайтове

AI Asset Manager не е инструмент за разработка. Той не обучава модели, не валидира набори от данни или управлява инфраструктурата за развитие. Тези отговорности принадлежат на работния процес на MLOP в облака или локална среда за разработка. AI SDK пакетира AI модела и доставя артефакти за четене за внедряване в архитектурния слой на ниво фабрика, където обхватът на AI Asset Manager започва [AN1] и завършва, когато оперативните показатели се връщат обратно в цикъла на разработка.

Industrial Edge Management (Virtual, Pro или Cloud) се справя с по-широкия слой за управление на устройствата: внедряване на приложения, натискане на актуализации на фърмуера и конфигурацията, наблюдение на състоянието на устройството и управление на Industrial Edge Hub като глобално хранилище за приложения. Той работи заедно с AI Asset Manager, вместо да го заменя - Edge Management се справя с платформата; AI Asset Manager се справя с AI решенията, работещи на тази платформа.

ИТ и корпоративно ниво: среда за развитие на AI

Разработването на модели се извършва в облачни или локални среди с помощта на Siemens AI SDK. Тръбопроводът на това ниво обхваща целия жизнен цикъл на разработка, преди моделите да достигнат фабриката.

Siemens AI SDK: разработване на модели и опаковане

AI SDK предоставя на учените по данни инструментите за пакетиране и валидиране на техните AI модели в среда по техен избор. Това е библиотека на python, която предоставя методи за дефиниране на интерфейси за данни за AI модели с други системи (автоматизация, например), дефиниране на изисквания за изпълнение и пакетиране на AI модела заедно с бизнес логиката в артефакт, който може да бъде изпълнен напълно офлайн на магазина.

Използвайте AI SDK за:

• Опаковане на AI модели и генериране на валидирани, разгърнати артефакти за AI Asset Manager, които в крайна сметка могат да бъдат изпълнени от AI Inference Server на магазина, като се използват производствени данни в реално време от различни източници.
• Интегриране с AWS, Azure или локални MLOP среди за доставяне на пакетирани AI модели на фабрично ниво

Веднъж опаковани, моделите се изтеглят от AI Asset Manager и се разпространяват в автопарка. Актуализираните модели, обучени за нови производствени данни, следват същия път, затваряйки цикъла от разработване до внедряване.

Защо пълният пакет е разположен заедно

Реалистичното внедряване използва и трите нива в комбинация, защото те се справят с различни проблеми. Помислете за внедряване на визуална проверка на качеството на електроника за монтажна линия:

• Vision Data Collector заедно с приложението за визуален конектор улавя изображения на сглобени табла на всяка инспекционна станция. Изображенията и метаданните се вливат в зоната за кацане на данни (съхранение в облак, (S) FTP) за консумация от работния процес на mLoPS
• Учените по данни използват свой собствен работен процес на MLOP, за да (повторно) обучат AI модел за класификация на дефекти върху тези производствени данни, да го валидират и да го опаковат като разгръщаем артефакт, използвайки AI SDK
• AI Asset Manager изтегля пакетирания модел и го разгръща на AI Inference Server на съответните устройства Industrial Edge във всички инспекционни станции
• Приложението Vision Connector осигурява свързаност с камерите на станцията за заснемане на изображението на платката и го предоставя като вход към модела на AI на сървъра за изводи
• AI Inference Server стартира модела локално на всяка станция, класифицирайки платките като пропуснати или неуспешни в реално време без облачна зависимост
• Резултатите от изводите се публикуват в базата данни и ro

  насочени към системи за управление на качеството или табла за управление на оператора

• Мениджърът на активи също събира индикативни показатели от всяко внедряване и позволява на потребителя да управлява таблото за лесна визуализация и тревожност въз основа на правилата
• Изображенията на дефектите и резултатите от класификацията се връщат обратно в тръбопровода за данни чрез колектор на данни за зрение. Моделът е преквалифициран върху разширени данни, преопакован и изтласкан обратно към флота

Без AI Inference Server, изводът изисква облачна свързаност и въвежда латентност, несъвместима с проверката на скоростта на линията, освен разходите, които се правят за всяка транзакция с данни. Без AI Asset Manager внедряването на актуализиран модел на петдесет станции в три обекта би било петдесет ръчни операции. Без колектора на данни за визията и структуриран тръбопровод за данни, данните за training не отразяват реалните производствени условия и качеството на модела се влошава с течение на времето. AI SDK позволява обединяване на повторяемата доставка чрез стандартизиране на доставения артефакт, агностичен към вида на AI модела, който се внедрява.