Deze architectuur beschrijft hoe AI-modellen op de fabrieksvloer kunnen worden ontwikkeld, geïmplementeerd en gebruikt met behulp van Siemens Industrial Edge. AI Suite biedt de infrastructuur om apparatuur aan te sluiten, productiegegevens vast te leggen, AI-inferentie uit te voeren op randapparaten en AI-oplossingen te beheren op meerdere locaties.
Het is een vereiste om een AI-model klaar te hebben voor gebruik van de Siemens Industrial AI Suite, zodat gebruikers de vrijheid hebben om een MLOps-workflow naar keuze te kiezen of deze uit te breiden om AI-modellen naar de werkvloer te brengen.
De AI SDK van Siemens zorgt ervoor dat uw bestaande AI-modellen worden verpakt in een runtime-artefact dat offline kan worden uitgevoerd op apparaten op de werkvloer, compleet met de definitie van interfaces voor gegevensuitwisseling met andere systemen vanuit de cloud of op locatie. De AI Asset Manager fungeert als de operationele hub voor de distributie, implementatie en monitoring van modellen. De AI Inference Server voert modellen lokaal uit op het randapparaat, dicht bij de machine.
Verbind leveranciersonafhankelijke apparatuur op de werkvloer met Industrial Edge via vooraf geconfigureerde connectoren.
Voer AI en industriële apps uit op Industrial Edge, gebruiksklaar: vision, tijdreeksen of batchgegevens afleiden.
AI Asset Manager draait op een (virtueel) Industrial Edge-apparaat, dat fungeert als de one-stop-shop voor alle AI-gerelateerde activiteiten. Beheer, distributie en bedrijfsvoering van AI-oplossingen.
Ontwikkel, valideer en verpak AI-modellen met de Siemens AI SDK in de cloud of op locatie.
Voor de meeste fabrikanten ligt de belemmering voor schaalvergroting van AI niet in de kwaliteit van de modellen, maar in de infrastructuur die nodig is om die modellen op productieapparatuur te laten draaien en ze op vele locaties betrouwbaar te laten draaien. Elke machine, lijn of fabriek brengt nieuwe uitdagingen op het gebied van integratie met zich mee, en de kloof tussen datawetenschappelijke omgevingen en automatiseringssystemen vormt in de meeste organisaties geen natuurlijke brug.
De AI Suite elimineert die barrière door een complete, gelaagde infrastructuur te bieden die speciaal is gebouwd voor industriële AI-activiteiten. Industrial Edge-apparaten kunnen worden aangesloten op apparatuur van elke leverancier en voeren lokaal AI-inferentie uit, zonder dat er een cloudverbinding nodig is voor beslissingen in realtime. De AI Asset Manager biedt één controlepunt voor de implementatie van modellen, versiebeheer en monitoring op een willekeurig aantal apparaten. Met de AI SDK van Siemens kunnen datawetenschappers modellen verpakken en valideren in hun omgeving naar keuze (AWS, Azure of op locatie) en deze verpakken in artefacten die de AI Asset Manager naar het wagenpark kan distribueren.
Het resultaat is een herhaalbare, schaalbare route van onbewerkte productiegegevens naar gebruikte AI-inferentie, gebaseerd op open standaarden en bedienbaar door automatiseringsingenieurs zonder diepgaande MLOP-expertise.
Industrial Edge-apparaten bevinden zich rechtstreeks op de werkvloer en kunnen worden aangesloten op PLC's, drives, robots, camera's en andere automatiseringsapparatuur met behulp van vooraf geconfigureerde connectoren voor PROFINET, S7, OPC UA, EtherNet/IP, Modbus TCP en andere. Omdat de connectorbibliotheek apparatuur van elke leverancier omvat, is de architectuur ook geschikt voor brownfield-omgevingen zonder dat de hardware hoeft te worden vervangen.
Op het randapparaat wordt naast de aansluitingen een aantal lokale apps uitgevoerd:
gevallen
Databus, gebaseerd op MQTT, verbindt deze apps met elkaar op het apparaat en biedt de ruggengraat voor het doorgeven van gevolgtrekkingsresultaten, sensorwaarden en gebeurtenissen tot op fabrieksniveau. Visiegegevens tussen de Vision-connector en de inferentieserver worden via ZMQ verzonden voor de verwerking van grotere, hoogfrequente payloads.
De AI Asset Manager draait op een virtueel Industrial Edge-apparaat op fabrieksniveau en fungeert als one-stop-shop voor alle AI-gerelateerde activiteiten op de werkvloer. Het bevindt zich tussen de ontwikkelomgeving erboven en de randapparatuur eronder en coördineert de volledige operationele levenscyclus van AI-oplossingen.
De taak van de AI Asset Manager is om verpakte AI-modellen uit de ontwikkelomgeving te ontvangen, deze in te zetten op de juiste AI Inference Server-instanties in het hele wagenpark en statistieken te verzamelen over modelprestaties en gevolgtrekkingsactiviteiten. Het beheert het versiebeheer van AI-oplossingen, bewaakt de implementatiestatus op apparaatniveau en biedt de operationele interface waarmee automatiseringsteams AI beheren zonder interactie met ontwikkeltools.
Gebruik de AI Asset Manager voor:
De AI Asset Manager is geen ontwikkelingsinstrument. Het traint geen modellen, valideert geen datasets en beheert geen ontwikkelingsinfrastructuur. Die verantwoordelijkheden behoren tot de MLops-workflow in de cloud of de ontwikkelomgeving op locatie. De AI SDK verpakt het AI-model en levert kant-en-klare artefacten naar de architectuurlaag op fabrieksniveau, waar het bereik van de AI Asset Manager begint [AN1] en eindigt wanneer de operationele statistieken worden meegenomen naar de ontwikkelingscyclus.
Industrial Edge Management (Virtual, Pro of Cloud) behandelt de bredere laag voor apparaatbeheer: apps implementeren, firmware- en configuratie-updates pushen, de status van apparaten controleren en de Industrial Edge Hub beheren als wereldwijde opslagplaats voor apps. Het werkt samen met de AI Asset Manager in plaats van deze te vervangen — Edge Management beheert het platform; de AI Asset Manager zorgt voor de AI-oplossingen die op dat platform draaien.
De ontwikkeling van modellen vindt plaats in de cloud of op locatie met behulp van de Siemens AI SDK. De pijplijn op dit niveau bestrijkt de volledige levenscyclus van de ontwikkeling voordat de modellen de fabriek bereiken.
De AI SDK biedt datawetenschappers de tools om hun AI-modellen te verpakken en te valideren in een omgeving naar keuze. Het is een Python-bibliotheek die methoden biedt om gegevensinterfaces te definiëren voor AI-modellen met andere systemen (bijvoorbeeld automatisering), de runtime-vereisten te definiëren en het AI-model samen met de bedrijfslogica te verpakken in een artefact dat volledig offline op de werkvloer kan worden uitgevoerd.
Gebruik de AI SDK voor:
Eenmaal verpakt, worden de modellen door de AI Asset Manager opgehaald en naar de vloot gedistribueerd. Bijgewerkte modellen die zijn getraind op basis van nieuwe productiegegevens volgen hetzelfde pad, waardoor de cyclus van ontwikkeling tot implementatie wordt gesloten.
Bij een realistische implementatie worden alle drie de niveaus gecombineerd, omdat ze verschillende problemen aanpakken. Overweeg een visuele kwaliteitsinspectie op een assemblagelijn voor elektronica:
afgestemd op kwaliteitsmanagementsystemen of dashboards voor operators
Zonder de AI Inference Server is voor inferentie een cloudverbinding vereist en wordt latentie geïntroduceerd die niet compatibel is met lijnsnelheidsinspectie, afgezien van de kosten die voor elke datatransactie worden gemaakt. Zonder de AI Asset Manager zou de implementatie van een bijgewerkt model op vijftig stations op drie locaties vijftig handmatige handelingen zijn. Zonder de beeldgegevensverzamelaar en een gestructureerde datapijplijn komen de trainingsgegevens niet overeen met de werkelijke productieomstandigheden en neemt de kwaliteit van het model na verloop van tijd af. AI SDK maakt het mogelijk om de herhaalbare levering samen te voegen door het geleverde artefact te standaardiseren, afhankelijk van het soort AI-model dat wordt geïmplementeerd.
Industrial Edge kan via standaardprotocollen worden aangesloten op de apparatuur van elke automatiseringsleverancier. Werkt in brownfield-omgevingen zonder vervanging van hardware of lock-in van één leverancier.
De AI SDK is geschikt voor gegevenswetenschappelijke workflows; de AI Asset Manager zorgt voor de implementatie op de werkvloer. Ingenieurs implementeren zonder MLOps-expertise; datawetenschappers bouwen zonder infrastructuur voor leerautomatisering.
Door de inferentie lokaal op het randapparaat uit te voeren, hoeft u niet meer naar de cloud te reizen voor latentiegevoelige beslissingen. Defecten worden op de machine gedetecteerd, afwijkingen worden gemarkeerd en parameters worden bewaakt.
De Vision Data Collector en Industrial Information Hub verzamelen gegevens van reële productieomstandigheden, consistent gestructureerd. Modellen trainen op de realiteit op de werkvloer, niet op synthetische gegevens of laboratoriumgegevens.
Dezelfde architectuur beheert één inspectiestation of honderden locaties. Bij centraal beheer via AI Asset Manager en Industrial Edge Management is schaalvergroting een kwestie van configuratie, niet van her-engineering
• AI Inference Server voor de uitvoering van modellen op het apparaat voor verschillende toepassingen van vision, tijdreeksen en batch-inferenties
• Vision Data Collector voor het vastleggen van beelden en metagegevens van camera's en visiesystemen op de werkvloer
• AI Asset Manager: modeldistributie, implementatiecoördinatie, versiebeheer, inferentiestatistieken en operationele monitoring in het hele wagenpark
• (S) FTP-server: staging van afbeeldingen en metagegevens tussen Edge en IT-niveau
• Siemens AI SDK voor modelverpakking, validatie en levering (AWS, Azure, op locatie)
• Landingszone voor gegevens voor gestructureerde opname van productiegegevens
• Verpakte modelartefacten voor distributie via AI Asset Manager