Questa architettura descrive come sviluppare, implementare e gestire modelli di intelligenza artificiale in fabbrica utilizzando Siemens Industrial Edge. AI Suite fornisce l'infrastruttura per connettere le apparecchiature, acquisire dati di produzione, eseguire l'inferenza AI su dispositivi edge e gestire le soluzioni di intelligenza artificiale su più siti.
È un prerequisito avere un modello di intelligenza artificiale pronto all'uso della Siemens Industrial AI Suite, che dia agli utenti la libertà di scegliere un flusso di lavoro MLOps di loro scelta o estenderlo per portare i modelli di intelligenza artificiale in officina.
Il Siemens AI SDK si occupa di impacchettare i modelli di intelligenza artificiale esistenti in un artefatto di runtime che può essere eseguito offline sui dispositivi dell'officina, completo della definizione delle interfacce di scambio di dati con altri sistemi da ambienti cloud o on-premise. L'AI Asset Manager funge da hub operativo per la distribuzione, l'implementazione e il monitoraggio dei modelli. L'AI Inference Server esegue i modelli localmente sul dispositivo edge, vicino alla macchina.
Colleghi le apparecchiature di officina indipendenti dal fornitore a Industrial Edge tramite connettori preconfigurati.
Esegui app industriali e di intelligenza artificiale su Industrial Edge, indipendentemente dai casi d'uso: visione, inferenza di dati di serie temporali o batch.
AI Asset Manager in esecuzione su un dispositivo Industrial Edge (virtuale), che funge da sportello unico per tutte le attività relative all'IA. Gestione, distribuzione e operazioni delle soluzioni di intelligenza artificiale.
Sviluppa, convalida e impacchetta modelli di intelligenza artificiale con Siemens AI SDK in ambienti cloud o on-premise.
Per la maggior parte dei produttori, l'ostacolo alla scalabilità dell'intelligenza artificiale non è la qualità dei modelli, è l'infrastruttura necessaria per far funzionare quei modelli sulle apparecchiature di produzione e mantenerli funzionanti in modo affidabile in molti siti. Ogni macchina, linea o impianto introduce nuove sfide di integrazione e il divario tra ambienti di scienza dei dati e sistemi di automazione non ha un ponte naturale nella maggior parte delle organizzazioni.
L'AI Suite elimina questa barriera fornendo un'infrastruttura completa e stratificata creata appositamente per le operazioni industriali di intelligenza artificiale. I dispositivi Industrial Edge si connettono alle apparecchiature di qualsiasi fornitore ed eseguono l'inferenza AI localmente, senza richiedere la connettività cloud per decisioni in tempo reale. L'AI Asset Manager fornisce un unico punto di controllo per l'implementazione, il controllo delle versioni e il monitoraggio dei modelli su qualsiasi numero di dispositivi. L'SDK AI di Siemens consente ai data scientist di impacchettare e convalidare i modelli nel loro ambiente preferito, AWS, Azure o on-premise, e di impacchettarli in artefatti che AI Asset Manager può distribuire alla flotta.
Il risultato è un percorso ripetibile e scalabile dai dati di produzione grezzi all'inferenza AI implementata, basato su standard aperti e utilizzabile da ingegneri dell'automazione senza una profonda esperienza in MLOps.
I dispositivi Industrial Edge si trovano direttamente in officina e si collegano a PLC, azionamenti, robot, telecamere e qualsiasi altra apparecchiatura di automazione utilizzando connettori preconfigurati per PROFINET, S7, OPC UA, EtherNet/IP, Modbus TCP e altri. Poiché la libreria di connettori copre apparecchiature di qualsiasi fornitore, l'architettura si adatta anche agli ambienti dismessi senza richiedere la sostituzione dell'hardware.
Una serie di app locali viene eseguita sul dispositivo edge insieme ai connettori:
casi
Databus, basato su MQTT, collega queste app tra loro sul dispositivo e fornisce la spina dorsale di pubblicazione e sottoscrizione per trasmettere i risultati di inferenza, le letture dei sensori e gli eventi fino al livello di fabbrica. I dati di visione tra il connettore di visione e il server di inferenza vengono trasmessi utilizzando ZMQ per gestire payload più grandi e ad alta frequenza.
L'AI Asset Manager funziona su un dispositivo Industrial Edge virtuale a livello di fabbrica e funge da sportello unico per tutte le attività relative all'intelligenza artificiale in officina. Si colloca tra l'ambiente di sviluppo superiore e i dispositivi edge sottostanti e coordina l'intero ciclo di vita operativo delle soluzioni di intelligenza artificiale.
Il compito di AI Asset Manager è ricevere modelli di intelligenza artificiale confezionati dall'ambiente di sviluppo, distribuirli nelle istanze corrette di AI Inference Server in tutta la flotta e raccogliere metriche sulle prestazioni del modello e sull'attività di inferenza. Gestisce il controllo delle versioni delle soluzioni di intelligenza artificiale, monitora lo stato di implementazione a livello di dispositivo e fornisce l'interfaccia operativa attraverso la quale i team di automazione gestiscono l'intelligenza artificiale senza dover interagire con le toolchain di sviluppo.
Usa AI Asset Manager per:
L'AI Asset Manager non è uno strumento di sviluppo. Non addestra modelli, convalida set di dati o gestisce l'infrastruttura di sviluppo. Tali responsabilità appartengono al flusso di lavoro MLOps nel cloud o nell'ambiente di sviluppo locale. AI SDK impacchetta il modello AI e fornisce artefatti pronti per l'implementazione al livello di architettura di livello di fabbrica, dove l'ambito di AI Asset Manager inizia [AN1] e termina quando le metriche operative rientrano nel ciclo di sviluppo.
Industrial Edge Management (Virtual, Pro o Cloud) gestisce il più ampio livello di gestione dei dispositivi: distribuzione di app, invio di aggiornamenti del firmware e della configurazione, monitoraggio dello stato dei dispositivi e gestione dell'Industrial Edge Hub come archivio globale di app. Funziona insieme all'AI Asset Manager anziché sostituirlo: Edge Management gestisce la piattaforma; AI Asset Manager gestisce le soluzioni di intelligenza artificiale in esecuzione su quella piattaforma.
Lo sviluppo del modello avviene in ambienti cloud o on-premise utilizzando Siemens AI SDK. La pipeline a questo livello copre l'intero ciclo di vita dello sviluppo prima che i modelli raggiungano la fabbrica.
L'AI SDK fornisce ai data scientist gli strumenti per impacchettare e convalidare i loro modelli di intelligenza artificiale in un ambiente di loro scelta. È una libreria Python che fornisce metodi per definire interfacce dati per i modelli di intelligenza artificiale con altri sistemi (automazione, ad esempio), definire i requisiti di runtime e impacchettare il modello di intelligenza artificiale insieme alla logica di business in un artefatto che può essere eseguito completamente offline in officina.
Usa l'AI SDK per:
Una volta confezionati, i modelli vengono raccolti da AI Asset Manager e distribuiti alla flotta. I modelli aggiornati addestrati su nuovi dati di produzione seguono lo stesso percorso, chiudendo il ciclo dallo sviluppo all'implementazione.
Un'implementazione realistica utilizza tutti e tre i livelli in combinazione perché gestiscono problemi distinti. Consideri l'implementazione di un controllo visivo della qualità su una linea di assemblaggio di componenti elettronici:
dedicato ai sistemi di gestione della qualità o ai cruscotti degli operatori
Senza l'AI Inference Server, l'inferenza richiede la connettività cloud e introduce una latenza incompatibile con l'ispezione della velocità di linea, a parte i costi sostenuti per ogni transazione di dati. Senza AI Asset Manager, l'implementazione di un modello aggiornato su cinquanta stazioni in tre siti richiederebbe cinquanta operazioni manuali. Senza il vision data collector e una pipeline di dati strutturata, i dati di training non riflettono le condizioni di produzione reali e la qualità del modello si degrada nel tempo. AI SDK consente di mettere insieme la consegna ripetibile standardizzando l'artefatto consegnato, indipendentemente dal tipo di modello di intelligenza artificiale implementato.
Industrial Edge si connette alle apparecchiature di qualsiasi fornitore di automazione tramite protocolli standard. Funziona in ambienti dismessi senza sostituzione dell'hardware o lock-in da un solo fornitore.
L'AI SDK si adatta ai flussi di lavoro di data science; AI Asset Manager gestisce l'implementazione in officina. Gli ingegneri implementano senza competenze in MLOps; i data scientist costruiscono senza un'infrastruttura di automazione dell'apprendimento.
L'esecuzione dell'inferenza localmente sul dispositivo edge elimina i roundtrip nel cloud per decisioni sensibili alla latenza. Il rilevamento dei difetti, la segnalazione delle anomalie e il monitoraggio dei parametri avvengono sulla macchina.
Il Vision Data Collector e l'Industrial Information Hub acquisiscono dati da condizioni di produzione reali, strutturati in modo coerente. I modelli si allenano sulla realtà in officina, non su dati sintetici o di laboratorio.
La stessa architettura gestisce una stazione di ispezione o centinaia di siti. La gestione centralizzata tramite AI Asset Manager e Industrial Edge Management rende la scalabilità una questione di configurazione, non di reingegnerizzazione
• AI Inference Server per l'esecuzione di modelli su dispositivo in casi d'uso di visione, serie temporali e inferenza batch
• Vision Data Collector per l'acquisizione di immagini e metadati da telecamere e sistemi di visione in officina
• AI Asset Manager: distribuzione dei modelli, coordinamento dell'implementazione, gestione delle versioni, metriche di inferenza e monitoraggio operativo in tutta la flotta
• Server FTP (S): gestione temporanea di immagini e metadati tra Edge e livello IT
• Siemens AI SDK per la creazione di modelli, la convalida e la consegna (AWS, Azure, on-prem)
• Zona di atterraggio dei dati per l'inserimento strutturato dei dati di produzione
• Artefatti del modello confezionati per la distribuzione tramite AI Asset Manager