Essa arquitetura descreve como desenvolver, implantar e operar modelos de IA no chão de fábrica usando o Siemens Industrial Edge. O AI Suite fornece a infraestrutura para conectar equipamentos, capturar dados de produção, executar inferência de IA em dispositivos periféricos e gerenciar soluções de IA em vários locais.
É um pré-requisito ter um modelo de IA pronto para uso no Siemens Industrial AI Suite, dando aos usuários a liberdade de escolher um fluxo de trabalho MLOps de sua escolha ou estendê-lo para levar os modelos de IA ao chão de fábrica.
O Siemens AI SDK lida com o empacotamento de seus modelos de IA existentes em um artefato de tempo de execução que pode ser executado off-line em dispositivos de chão de fábrica, completo com a definição de interfaces de troca de dados com outros sistemas a partir de ambientes na nuvem ou no local. O AI Asset Manager atua como o hub operacional para distribuição, implantação e monitoramento de modelos. O AI Inference Server executa modelos localmente no dispositivo de ponta, próximo à máquina.
Conecte equipamentos de chão de fábrica independentes de fornecedores ao Industrial Edge por meio de conectores pré-configurados.
Execute aplicativos industriais e de IA no Industrial Edge, independente de casos de uso: visão, séries temporais ou inferência de dados em lote.
O AI Asset Manager é executado em um dispositivo Industrial Edge (virtual), atuando como o balcão único para todas as atividades relacionadas à IA. Gerenciamento, distribuição e operações de soluções de IA.
Desenvolva, valide e empacote modelos de IA com o Siemens AI SDK em ambientes na nuvem ou no local.
Para a maioria dos fabricantes, a barreira para escalar a IA não é a qualidade dos modelos, mas sim a infraestrutura necessária para que esses modelos funcionem em equipamentos de produção e mantê-los funcionando de forma confiável em muitos locais. Cada máquina, linha ou fábrica apresenta novos desafios de integração, e a lacuna entre ambientes de ciência de dados e sistemas de automação não tem uma ponte natural na maioria das organizações.
O AI Suite elimina essa barreira ao fornecer uma infraestrutura completa e em camadas, criada especificamente para operações industriais de IA. Os dispositivos Industrial Edge se conectam a equipamentos de qualquer fornecedor e executam inferência de IA localmente, sem exigir conectividade na nuvem para decisões em tempo real. O AI Asset Manager fornece um único ponto de controle para implantação, controle de versão e monitoramento de modelos em qualquer número de dispositivos. O Siemens AI SDK permite que cientistas de dados empacotem e validem modelos em seu ambiente preferido — AWS, Azure ou local — e os empacotem em artefatos que o AI Asset Manager pode distribuir para a frota.
O resultado é um caminho repetível e escalável dos dados brutos de produção até a inferência de IA implantada, construído com base em padrões abertos e operável por engenheiros de automação sem profundo conhecimento em MLOps.
Os dispositivos Industrial Edge ficam diretamente no chão de fábrica e se conectam a PLCs, drives, robôs, câmeras e qualquer outro equipamento de automação usando conectores pré-configurados para PROFINET, S7, OPC UA, Ethernet/IP, Modbus TCP e outros. Como a biblioteca de conectores abrange equipamentos de qualquer fornecedor, a arquitetura também se adapta a ambientes abandonados sem a necessidade de substituição de hardware.
Um conjunto de aplicativos locais é executado no dispositivo de ponta junto com os conectores:
casos
O Databus, baseado no MQTT, conecta esses aplicativos entre si no dispositivo e fornece a estrutura de publicação e assinatura para transmitir resultados de inferência, leituras de sensores e eventos até o nível de fábrica. Os dados de visão entre o conector de visão e o servidor de inferência são transmitidos usando o ZMQ para lidar com cargas úteis maiores e de alta frequência.
O AI Asset Manager é executado em um dispositivo Industrial Edge virtual no nível da fábrica e atua como o balcão único para todas as atividades relacionadas à IA no chão de fábrica. Ele fica entre o ambiente de desenvolvimento acima e os dispositivos periféricos abaixo, coordenando todo o ciclo de vida operacional das soluções de IA.
O trabalho do AI Asset Manager é receber pacotes de modelos de IA do ambiente de desenvolvimento, implantá-los nas instâncias corretas do AI Inference Server em toda a frota e coletar métricas sobre o desempenho do modelo e a atividade de inferência. Ele gerencia o controle de versão da solução de IA, monitora o status de implantação no nível do dispositivo e fornece a interface operacional por meio da qual as equipes de automação gerenciam a IA sem precisar interagir com as cadeias de ferramentas de desenvolvimento.
Use o AI Asset Manager para:
O AI Asset Manager não é uma ferramenta de desenvolvimento. Ele não treina modelos, valida conjuntos de dados nem gerencia a infraestrutura de desenvolvimento. Essas responsabilidades pertencem ao fluxo de trabalho do MLOps na nuvem ou no ambiente de desenvolvimento local. O AI SDK empacota o modelo de IA e entrega artefatos prontos para implantação na camada de arquitetura em nível de fábrica, onde o escopo do AI Asset Manager começa [AN1] e termina quando as métricas operacionais retornam ao ciclo de desenvolvimento.
O Industrial Edge Management (Virtual, Pro ou Cloud) lida com a camada mais ampla de gerenciamento de dispositivos: implantação de aplicativos, envio de atualizações de firmware e configuração, monitoramento da integridade do dispositivo e gerenciamento do Industrial Edge Hub como repositório global de aplicativos. Ele funciona junto com o AI Asset Manager em vez de substituí-lo — o Edge Management gerencia a plataforma; o AI Asset Manager lida com as soluções de IA executadas nessa plataforma.
O desenvolvimento do modelo ocorre em ambientes de nuvem ou locais usando o Siemens AI SDK. O pipeline nesse nível cobre todo o ciclo de vida de desenvolvimento antes que os modelos cheguem à fábrica.
O AI SDK fornece aos cientistas de dados as ferramentas para empacotar e validar seus modelos de IA em um ambiente de sua escolha. É uma biblioteca python que fornece métodos para definir interfaces de dados para modelos de IA com outros sistemas (automação, por exemplo), definir requisitos de tempo de execução e empacotar o modelo de IA junto com a lógica de negócios em um artefato que pode ser executado completamente offline no chão de fábrica.
Use o AI SDK para:
Depois de embalados, os modelos são retirados pelo AI Asset Manager e distribuídos para a frota. Modelos atualizados treinados com base em novos dados de produção seguem o mesmo caminho, fechando o ciclo do desenvolvimento à implantação.
Uma implantação realista usa os três níveis em combinação porque eles lidam com problemas distintos. Considere a implantação de uma inspeção visual de qualidade em uma linha de montagem de eletrônicos:
Sintonizado em sistemas de gerenciamento de qualidade ou painéis de operação
Sem o AI Inference Server, a inferência exige conectividade na nuvem e introduz latência incompatível com a inspeção na velocidade da linha, além dos custos incorridos em cada transação de dados. Sem o AI Asset Manager, implantar um modelo atualizado em cinquenta estações em três locais seriam cinquenta operações manuais. Sem o coletor de dados de visão e um pipeline de dados estruturado, os dados de treinamento não refletem as condições reais de produção e a qualidade do modelo diminui com o tempo. O AI SDK permite reunir a entrega repetível ao padronizar o artefato entregue, independente do tipo de modelo de IA que está sendo implantado.
O Industrial Edge se conecta a qualquer equipamento de fornecedor de automação por meio de protocolos padrão. Funciona em ambientes abandonados sem substituição de hardware ou dependência de um único fornecedor.
O AI SDK se adapta aos fluxos de trabalho de ciência de dados; o AI Asset Manager lida com a implantação no chão de fábrica. Engenheiros implantam sem experiência em MLOPs; cientistas de dados constroem sem aprendizado de infraestrutura de automação.
A execução local da inferência no dispositivo periférico elimina as viagens de ida e volta na nuvem para decisões sensíveis à latência. A detecção de defeitos, a sinalização de anomalias e o monitoramento de parâmetros ocorrem na máquina.
O Vision Data Collector e o Industrial Information Hub capturam dados de condições reais de produção, estruturados de forma consistente. Os modelos se baseiam na realidade do chão de fábrica, não em dados sintéticos ou de laboratório.
A mesma arquitetura opera uma estação de inspeção ou centenas de locais. O gerenciamento central por meio do AI Asset Manager e do Industrial Edge Management torna a escalabilidade uma questão de configuração, não de reengenharia
• AI Inference Server para execução de modelos no dispositivo em casos de uso de visão, séries temporais e inferência em lote
• Coletor de dados de visão para captura de imagens e metadados de câmeras de chão de fábrica e sistemas de visão
• AI Asset Manager: distribuição de modelos, coordenação de implantação, gerenciamento de versões, métricas de inferência e monitoramento operacional em toda a frota
• (S) Servidor FTP: preparação de imagens e metadados entre o Edge e o nível de TI
• SDK de IA da Siemens para embalagem, validação e entrega de modelos (AWS, Azure, local)
• Zona de destino de dados para ingestão estruturada de dados de produção
• Artefatos de modelo empacotados para distribuição por meio do AI Asset Manager