Esta arquitetura descreve como desenvolver, implementar e operar modelos de IA no chão de fábrica usando o Siemens Industrial Edge. O AI Suite fornece a infra-estrutura para ligar equipamentos, capturar dados de produção, executar inferência de IA em dispositivos de ponta e gerir soluções de IA em vários locais.
É um pré-requisito ter um modelo de IA pronto para usar o Siemens Industrial AI Suite, dando aos utilizadores a liberdade de escolher um fluxo de trabalho MLOPS de sua escolha ou estendê-lo para trazer modelos de IA para o chão de fábrica.
O Siemens AI SDK lida com o empacotamento dos seus modelos de IA existentes num artefacto de tempo de execução que pode ser executado offline em dispositivos de chão de fábrica, completo com a definição de interfaces de troca de dados com outros sistemas de cloud ou ambientes locais. O AI Asset Manager atua como o hub operacional para a distribuição, implementação e monitorização de modelos. O Servidor de Inferência AI executa modelos localmente no dispositivo de borda, perto da máquina.
Ligue o equipamento de chão de fábrica independente do fornecedor ao Industrial Edge através de conectores pré-configurados.
Execute aplicações industriais e de IA no Industrial Edge, independente do caso de uso - visão, séries temporais ou inferência de dados em lote.
AI Asset Manager a funcionar num dispositivo Industrial Edge (virtual), actuando como o One Stop Shop para todas as atividades relacionadas com IA. Gestão, distribuição e operações de soluções de IA.
Desenvolver, validar e empacotar modelos de IA com o Siemens AI SDK em ambientes cloud ou no local.
Para a maioria dos fabricantes, a barreira para escalar a IA não é a qualidade dos modelos, é a infra-estrutura necessária para que esses modelos funcionem em equipamentos de produção e mantê-los a funcionar de forma fiável em muitos locais. Cada máquina, linha ou planta introduz novos desafios de integração, e a lacuna entre os ambientes de ciência de dados e os sistemas de automação não tem uma ponte natural na maioria das organizações.
O AI Suite elimina essa barreira fornecendo uma infraestrutura completa e em camadas criada especificamente para operações industriais de IA. Os dispositivos Industrial Edge ligam-se 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 controlo para a implementação do modelo, controle de versão e monitorização em qualquer número de dispositivos. O Siemens AI SDK permite que os cientistas de dados empacotem e validem modelos no seu ambiente de escolha — AWS, Azure ou no local — e empacotá-los em artefatos que o AI Asset Manager pode distribuir à frota.
O resultado é um caminho repetível e escalável desde os dados brutos de produção até à inferência de IA implementada, construído com base em padrões abertos e operável por engenheiros de automação sem conhecimentos profundos em MLOPs.
Os dispositivos Industrial Edge ficam diretamente no chão de fábrica e conectam-se a PLCs, drives, robôs, câmaras 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 cobre equipamentos de qualquer fornecedor, a arquitetura também se adapta a ambientes brownfield sem a necessidade de substituição de hardware.
Um conjunto de aplicações locais é executado no dispositivo de borda ao lado dos conectores:
casos
O Databus, com base no MQTT, liga estas aplicações umas às outras no dispositivo e fornece a espinha dorsal de publicação e subscrição para passar resultados de inferência, leituras de sensores e eventos até ao 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 funciona num dispositivo Industrial Edge virtual a nível de fábrica e atua como balcão único para todas as atividades relacionadas com IA no chão de fábrica. Fica entre o ambiente de desenvolvimento acima e os dispositivos de ponta abaixo, coordenando o ciclo de vida operacional completo das soluções de IA.
O trabalho do AI Asset Manager é receber modelos de IA empacotados do ambiente de desenvolvimento, implementá-los nas instâncias corretas do AI Inference Server em toda a frota e recolher métricas sobre o desempenho do modelo e a atividade de inferência. Gere o controlo de versões da solução de IA, monitoriza o estado da implementação no nível do dispositivo e fornece a interface operacional através da qual as equipas de automação gerem a IA sem ter de interagir com cadeias de ferramentas de desenvolvimento.
Use o AI Asset Manager para:
O AI Asset Manager não é uma ferramenta de desenvolvimento. Não treina modelos, valida conjuntos de dados ou gere infra-estruturas de desenvolvimento. Essas responsabilidades pertencem ao fluxo de trabalho MLOPS na nuvem ou no ambiente de desenvolvimento no local. O AI SDK empacota o modelo de IA e fornece artefatos prontos para implementação para a camada de arquitetura de nível de Fábrica, onde o escopo do AI Asset Manager começa [AN1] e termina quando as métricas operacionais reagem para o ciclo de desenvolvimento.
O Industrial Edge Management (Virtual, Pro ou Cloud) lida com a camada mais ampla de gestão de dispositivos: implementação de aplicações, envio de atualizações de firmware e configuração, monitorização da integridade do dispositivo e gestão do Industrial Edge Hub como o repositório global de aplicações. Funciona em conjunto com o AI Asset Manager em vez de substituí-lo — o Edge Management lida com a plataforma; o AI Asset Manager lida com as soluções de IA executadas nessa plataforma.
O desenvolvimento do modelo ocorre em ambientes cloud ou no local utilizando o Siemens AI SDK. O pipeline a este 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 os seus modelos de IA num ambiente à 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 juntamente com a lógica de negócio num artefacto que pode ser executado completamente offline no chão de fábrica.
Utilize o AI SDK para:
Uma vez embalados, os modelos são puxados pelo AI Asset Manager e distribuídos para a frota. Modelos atualizados treinados em novos dados de produção seguem o mesmo caminho, fechando o ciclo de desenvolvimento para implementação.
Uma implementação realista usa todos os três níveis em combinação porque lidam com problemas distintos. Considere uma implementação de inspeção de qualidade visual numa linha de montagem eletrónica:
adequado aos sistemas de gestão da qualidade ou aos painéis do operador
Sem o AI Inference Server, a inferência requer conectividade na nuvem e introduz latência incompatível com a inspeção de velocidade de linha, para além dos custos incorridos para cada transação de dados. Sem o AI Asset Manager, implantar um modelo atualizado em cinquenta estações em três locais seria cinquenta operações manuais. Sem o coletor de dados de visão e um pipeline de dados estruturado, os dados de training não refletem as condições reais de produção e a qualidade do modelo se degrada ao longo do tempo. O AI SDK permite juntar a entrega repetível padronizando o artefacto entregue, independente do tipo de modelo de IA a ser implementado.
O Industrial Edge liga-se ao equipamento de qualquer fornecedor de automação através de protocolos standard. Funciona em ambientes “brownfield” sem substituição de hardware ou bloqueio de fornecedor único.
O AI SDK adapta-se a fluxos de trabalho de ciência de dados; o AI Asset Manager lida com a implementação no chão de fábricas. Engenheiros implementam sem experiência em MLOPS; cientistas de dados constroem sem infraestrutura de automação de aprendizagem.
Executar inferência localmente no dispositivo de borda elimina viagens de ida e volta na nuvem para decisões sensíveis à latência. Detecção de defeitos, sinalização de anomalias e monitorização de parâmetros acontecem na máquina.
O Vision Data Collector e o Industrial Information Hub capturam dados de condições reais de produção, estruturados de forma consistente. Os modelos treinam na realidade do chão de fábrica, não em dados sintéticos ou laboratoriais.
A mesma arquitetura administra uma estação de inspeção ou centenas de sites. A gestão central através do AI Asset Manager e Industrial Edge Management torna a escalabilidade uma questão de configuração, não de reengenharia
• Servidor de Inferência AI 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 câmaras de chão de fábrica e sistemas de visão
• AI Asset Manager: distribuição de modelos, coordenação de implementação, gestão de versões, métricas de inferência e monitorização operacional em toda a frota
• (S) Servidor FTP: teste de imagem e metadados entre o Edge e o nível de TI
• Siemens AI SDK para empacotamento de modelos, validação, entrega (AWS, Azure, no local)
• Zona de aterragem de dados para ingestão estruturada de dados de produção
• Artefatos de modelo embalados para distribuição via AI Asset Manager