Esta arquitectura describe cómo desarrollar, implementar y operar modelos de IA en la fábrica mediante Siemens Industrial Edge. AI Suite proporciona la infraestructura para conectar equipos, capturar datos de producción, ejecutar la inferencia de IA en dispositivos periféricos y gestionar las soluciones de IA en varios sitios.
Es un requisito previo tener un modelo de IA listo para usar la Suite de IA Industrial de Siemens, que dé a los usuarios la libertad de elegir el flujo de trabajo de MLOps que elijan o ampliarlo para llevar los modelos de IA al taller.
El SDK de IA de Siemens se encarga de empaquetar sus modelos de IA actuales en un artefacto de tiempo de ejecución que se puede ejecutar sin conexión en los dispositivos del taller, con la definición de las interfaces de intercambio de datos con otros sistemas de entornos locales o en la nube. El gestor de activos de IA actúa como centro operativo para la distribución, el despliegue y la supervisión de modelos. El servidor de inferencia de IA ejecuta modelos localmente en el dispositivo perimetral, cerca de la máquina.
Conecte los equipos de taller independientes del proveedor a Industrial Edge mediante conectores preconfigurados.
Ejecute aplicaciones industriales y de IA en Industrial Edge, independientemente de los casos de uso: visión, inferencia de datos por lotes o series temporales.
El gestor de activos de IA se ejecuta en un dispositivo Industrial Edge (virtual) y actúa como ventanilla única para todas las actividades relacionadas con la IA. Gestión, distribución y operaciones de soluciones de IA.
Desarrolle, valide y empaquete modelos de IA con el SDK de IA de Siemens en entornos de nube o locales.
Para la mayoría de los fabricantes, el obstáculo para escalar la IA no es la calidad de los modelos, sino la infraestructura necesaria para que esos modelos funcionen en los equipos de producción y sigan funcionando de forma fiable en muchos sitios. Cada máquina, línea o planta presenta nuevos desafíos de integración, y la brecha entre los entornos de ciencia de datos y los sistemas de automatización no tiene un puente natural en la mayoría de las organizaciones.
La suite de inteligencia artificial elimina esa barrera al proporcionar una infraestructura completa y en capas diseñada específicamente para las operaciones industriales de IA. Los dispositivos Industrial Edge se conectan a equipos de cualquier proveedor y ejecutan la inferencia de IA a nivel local, sin necesidad de conectividad a la nube para tomar decisiones en tiempo real. El gestor de activos de IA proporciona un punto de control único para el despliegue, el control de versiones y la supervisión de los modelos en cualquier número de dispositivos. El SDK de IA de Siemens permite a los científicos de datos empaquetar y validar modelos en el entorno que elijan (AWS, Azure o local) y empaquetarlos en artefactos que el gestor de activos de IA pueda distribuir a la flota.
El resultado es una ruta repetible y escalable desde los datos de producción sin procesar hasta la inferencia de IA desplegada, basada en estándares abiertos y operable por ingenieros de automatización sin una gran experiencia en MLOps.
Los dispositivos Industrial Edge se encuentran directamente en el taller y se conectan a PLC, variadores, robots, cámaras y cualquier otro equipo de automatización mediante conectores preconfigurados para PROFINET, S7, OPC UA, EtherNet/IP, Modbus TCP y otros. Como la biblioteca de conectores cubre equipos de cualquier proveedor, la arquitectura también se adapta a entornos abandonados sin necesidad de reemplazar el hardware.
En el dispositivo periférico se ejecuta un conjunto de aplicaciones locales junto con los conectores:
casos
Databus, basado en MQTT, conecta estas aplicaciones entre sí en el dispositivo y proporciona la red troncal de publicación y suscripción para pasar los resultados de las inferencias, las lecturas de los sensores y los eventos al nivel de fábrica. Los datos de visión entre el conector de visión y el servidor de inferencias se transmiten mediante ZMQ para gestionar cargas útiles más grandes y de alta frecuencia.
El gestor de activos de IA funciona en un dispositivo Industrial Edge virtual a nivel de fábrica y actúa como ventanilla única para todas las actividades relacionadas con la IA en el taller. Se encuentra entre el entorno de desarrollo superior y los dispositivos periféricos de abajo, y coordina todo el ciclo de vida operativo de las soluciones de IA.
El trabajo del gestor de activos de IA consiste en recibir modelos de IA empaquetados del entorno de desarrollo, desplegarlos en las instancias correctas del servidor de inferencia de IA de la flota y recopilar métricas sobre el rendimiento de los modelos y la actividad de inferencia. Gestiona el control de versiones de las soluciones de IA, supervisa el estado de despliegue a nivel de dispositivo y proporciona la interfaz operativa a través de la cual los equipos de automatización gestionan la IA sin necesidad de interactuar con las cadenas de herramientas de desarrollo.
Utilice el gestor de activos de IA para:
El gestor de activos de IA no es una herramienta de desarrollo. No entrena modelos, valida conjuntos de datos ni gestiona la infraestructura de desarrollo. Esas responsabilidades pertenecen al flujo de trabajo de MLOps en el entorno de desarrollo local o en la nube. El SDK de IA empaqueta el modelo de IA y ofrece artefactos de lectura para el despliegue a la capa de arquitectura a nivel de fábrica, donde el alcance del gestor de activos de IA comienza [AN1] y termina cuando las métricas operativas se incorporan al ciclo de desarrollo.
Industrial Edge Management (virtual, Pro o Cloud) se encarga de la capa más amplia de gestión de dispositivos: implementar aplicaciones, publicar actualizaciones de firmware y configuración, supervisar el estado de los dispositivos y gestionar el Industrial Edge Hub como repositorio mundial de aplicaciones. Funciona junto con el gestor de activos de IA en lugar de sustituirlo. Edge Management se encarga de la plataforma; el gestor de activos de IA se encarga de las soluciones de IA que se ejecutan en esa plataforma.
El desarrollo del modelo se lleva a cabo en entornos de nube o locales mediante el SDK de IA de Siemens. El proceso a este nivel cubre todo el ciclo de vida del desarrollo antes de que los modelos lleguen a la fábrica.
El SDK de IA proporciona a los científicos de datos las herramientas necesarias para empaquetar y validar sus modelos de IA en el entorno que elijan. Es una biblioteca de Python que proporciona métodos para definir interfaces de datos para modelos de IA con otros sistemas (automatización, por ejemplo), definir los requisitos de tiempo de ejecución y empaquetar el modelo de IA junto con la lógica empresarial en un artefacto que se puede ejecutar completamente sin conexión en el taller.
Utilice el SDK de IA para:
Una vez empaquetados, el gestor de activos de IA extrae los modelos y los distribuye a la flota. Los modelos actualizados que se basan en los nuevos datos de producción siguen el mismo camino, cerrando el ciclo del desarrollo al despliegue.
Un despliegue realista utiliza los tres niveles en combinación porque solucionan problemas distintos. Considere el despliegue de una inspección de calidad visual en una línea de montaje de productos electrónicos:
utilizado para sistemas de gestión de la calidad o paneles de mando de operadores
Sin el servidor de inferencia de IA, la inferencia requiere conectividad a la nube e introduce una latencia incompatible con la inspección a velocidad de línea, aparte de los costes en los que se incurre en cada transacción de datos. Sin el gestor de activos de IA, implementar un modelo actualizado en cincuenta estaciones de tres sitios equivaldría a cincuenta operaciones manuales. Sin el recopilador de datos de visión y una canalización de datos estructurados, los datos de entrenamiento no reflejan las condiciones reales de producción y la calidad del modelo se degrada con el tiempo. El SDK de IA permite unir las piezas de la entrega repetible mediante la estandarización del artefacto entregado, independiente del tipo de modelo de IA que se esté desplegando.
Industrial Edge se conecta a los equipos de cualquier proveedor de automatización mediante protocolos estándar. Funciona en entornos abandonados sin reemplazar el hardware ni depender de un solo proveedor.
El SDK de IA se adapta a los flujos de trabajo de la ciencia de datos; el gestor de activos de IA se encarga del despliegue en el taller. Los ingenieros despliegan sin experiencia en MLOps; los científicos de datos crean sin una infraestructura de automatización del aprendizaje.
Ejecutar la inferencia localmente en el dispositivo perimetral elimina los viajes de ida y vuelta a la nube para tomar decisiones sensibles a la latencia. La detección de defectos, el marcado de anomalías y la monitorización de los parámetros se realizan en la máquina.
El recopilador de datos Vision y el Industrial Information Hub capturan datos de condiciones de producción reales y se estructuran de forma coherente. Las modelos se entrenan con la realidad del taller, no con datos sintéticos o de laboratorio.
La misma arquitectura dirige una estación de inspección o cientos de sitios. La gestión central a través de la gestión de activos de IA y la gestión de Edge Industrial hace que la escalación sea cuestión de configuración, no de reingeniería
• Servidor de inferencia de IA para la ejecución de modelos en el dispositivo en casos de uso de visión, series temporales e inferencia por lotes
• Recopilador de datos de visión para la captura de imágenes y metadatos de las cámaras y sistemas de visión del taller
• Gestor de activos de IA: distribución de modelos, coordinación del despliegue, gestión de versiones, métricas de inferencia y supervisión operativa en toda la flota
• Servidor FTP (S): almacenamiento de imágenes y metadatos entre Edge y el nivel de TI
• SDK de IA de Siemens para el empaquetado, la validación y la entrega de modelos (AWS, Azure, local)
• Zona de aterrizaje de datos para la ingesta estructurada de datos de producción
• Maquetas de artefactos empaquetados para su distribución a través de AI Asset Manager