Industrial Edge のAIスイート

詳細なアーキテクチャをダウンロード（PDF）

詳細なPDFをダウンロードする

分野レベル：AI実行レイヤーとしてのIndustrial Edge

Industrial Edge デバイスは製造現場に直接置かれ、PROFINET、S7、OPC UA、イーサネット/IP、Modbus TCPなどの事前設定されたコネクタを使用して、PLC、ドライブ、ロボット、カメラ、その他の自動化機器に接続します。コネクタライブラリはあらゆるベンダーの機器に対応しているので、このアーキテクチャはハードウェアを交換しなくてもブラウンフィールド環境にも適合します。

ローカルアプリのセットは、コネクタと一緒にエッジデバイス上で動作します。

• デバイス上でモデルを実行するためのAI推論サーバーで、ビジョン、時系列、バッチ推論の使用をサポートします

  ケース

• GigE産業用カメラとRTSPカメラに接続して推論用のビジョンデータを配信するためのビジョンコネクタアプリケーション
• カメラやビジョンシステムから画像やメタデータをキャプチャし、ランタイムからの推論結果をキャプチャして、（再）training データパイプラインに供給するためのビジョンデータコレクター
• データがデバイスから送信される前に、生のPLCタグと推論結果を一貫したセマンティックデータモデルにマッピングするIndustrial Information Hub
• デジタルツインシミュレーションと仮想制御のためのLiveTwinと仮想PLC
• エッジシステムとアップストリームシステムの両方にまたがるロールベースのオペレーターインターフェース用のMendix on Edgeです
• エネルギー消費量やOEE を含む運用上のKPIに関するEnergy Manager とPerformance Insight
• エンタープライズシステムに接続するためのITコネクター

MQTTをベースにしたデータバスは、デバイス上でこれらのアプリを相互に接続し、推論結果、センサーの読み取り値、イベントを工場レベルまで渡すためのパブリッシュ/サブスクライブのバックボーンを提供します。ビジョンコネクタと推論サーバー間のビジョンデータは、より大きな高周波ペイロードを処理するためにZMQを使用して送信されます。

工場レベル：AI運用レイヤー

AI Asset Managerは、工場レベルの仮想Industrial Edge デバイス上で動作し、製造現場でのすべてのAI関連活動のワンストップショップとして機能します。上の開発環境と下のエッジデバイスの間に位置し、AIソリューションの運用ライフサイクル全体を調整します。

AI アセットマネージャー:モデルの配布と運用

AI Asset Managerの仕事は、パッケージ化されたAIモデルを開発環境から受け取り、それらを全機種の適切なAI Inference Serverインスタンスにデプロイし、モデルのパフォーマンスと推論アクティビティに関するメトリックを収集することです。AIソリューションのバージョン管理を管理し、デバイスレベルの展開状況を監視し、自動化チームが開発ツールチェーンを操作することなくAIを管理するための運用インターフェイスを提供します。

AIアセットマネージャーは次の用途に使用してください。

• パッケージ化されたモデルをITレベルの開発パイプラインから引き出して、エッジデバイスに配布する
• ロールバックや段階的ロールアウトを含む、さまざまなIndustrial Edge デバイスにわたるモデルバージョンの管理
• デプロイされたモデルからの推論指標とパフォーマンスデータの収集
• すべてのデバイスとサイトのAIソリューションの状態を一元的に把握できます

AI アセットマネージャーは開発ツールではありません。モデルのトレーニング、データセットの検証、開発インフラの管理は行いません。これらの責任は、クラウドまたはオンプレミスの開発環境におけるMLOpsワークフローに属します。AI SDKはAIモデルをパッケージ化し、すぐに展開できるアーティファクトを工場レベルのアーキテクチャレイヤーに配信します。このレイヤーでは、AI Asset Managerの範囲は [AN1] から始まり、運用指標が開発サイクルにフィードバックされた時点で終了します。

Industrial Edge 管理（仮想、プロ、クラウド）は、アプリの展開、ファームウェアと構成の更新のプッシュ、デバイスの状態の監視、グローバルアプリリポジトリとしてのIndustrial Edge Hub 管理など、より広範なデバイス管理レイヤーを処理します。AI Asset Managerを置き換えるのではなく、連携して機能します。エッジ・マネジメントはプラットフォームを処理し、AIアセット・マネージャーはそのプラットフォームで実行されるAIソリューションを処理します。

ITと企業レベル：AI開発環境

モデル開発は、Siemens AI SDKを使用してクラウド環境またはオンプレミス環境で行われます。このレベルのパイプラインは、モデルが工場に到着する前の開発ライフサイクル全体をカバーします。

シーメンスのAI SDK：モデル開発とパッケージング

AI SDKは、データサイエンティストに、選択した環境でAIモデルをパッケージ化して検証するためのツールを提供します。これはPythonライブラリで、他のシステムとのAIモデルのデータインターフェイスを定義したり（自動化など）、ランタイム要件を定義したり、AIモデルをビジネスロジックと一緒にアーティファクトにパッケージ化したりして、ショップフロアで完全にオフラインで実行できるようにする方法を提供します。

AI SDKは次の目的で使用してください。

• AIモデルをパッケージ化し、検証済みのデプロイ可能なアーティファクトをAI Asset Manager用に生成します。最終的には、さまざまなソースからのリアルタイムの生産データを使用して、製造現場のAI Inference Serverで実行できます。
• AWS、Azure、またはオンプレミスの MLOps 環境と統合して、パッケージ化されたAIモデルを工場レベルに提供する

パッケージ化されたモデルは、AI Asset Managerによって引き出され、車両に配布されます。新しい生産データでトレーニングされた最新のモデルは同じ道をたどり、開発から展開までのループを閉じます。

フルスイートをまとめて導入する理由

現実的な展開では、3つのレベルすべてを組み合わせて使用します。なぜなら、それらは異なる問題を処理するからです。電子機器の組立ラインでの目視品質検査の導入を考えてみましょう：

• ビジョンデータコレクターとビジョンコネクタアプリケーションは、各検査ステーションで組み立てられたボードの画像をキャプチャします。画像とメタデータは、MLOpsワークフローで使用するためにデータランディングゾーン（クラウドストレージ、（S）FTP）に送られます
• データサイエンティストは独自のMLOpsワークフローを使用して、その生産データで欠陥分類AIモデルを（再）トレーニングし、検証し、AI SDKを使用して展開可能なアーティファクトとしてパッケージ化します。
• AI Asset Managerは、パッケージ化されたモデルを取り出して、すべての検査ステーションの関連するIndustrial Edge デバイスのAI推論サーバーに展開します
• Vision Connectorアプリケーションは、ステーションカメラに接続してボードの画像をキャプチャし、それを推論サーバー上のAIモデルへの入力として提供します
• AI Inference Serverは各ステーションでローカルにモデルを実行し、クラウドに依存せずにボードを合格か不合格かをリアルタイムで分類します
• 推論結果はデータバスとROに公開されます

  品質管理システムやオペレーターダッシュボードに適しています

• また、Asset Managerは、各導入環境から指標となる指標を収集し、ユーザーがダッシュボードに表示できるようにして、ルールに基づいて簡単に視覚化し、警告できるようにします
• 欠陥画像と分類結果は、ビジョンデータコレクターを介してデータパイプラインに戻ります。モデルは拡張されたデータに基づいて再トレーニングされ、再パッケージ化され、艦隊に戻されます

AI Inference Serverがないと、推論にはクラウド接続が必要で、データトランザクションごとに発生するコストは別として、回線速度検査とは相容れない遅延が発生します。AI Asset Managerがなければ、3つのサイトの50のステーションに更新されたモデルを導入すると、50回の手動操作になります。ビジョンデータコレクターと構造化データパイプラインがなければ、training データは実際の生産条件を反映せず、モデルの品質は時間の経過とともに低下します。AI SDKを使用すると、展開されているAIモデルの種類に関係なく、配信されたアーティファクトを標準化することで、繰り返し可能な配信をつなぎ合わせることができます。