Skip to main content
Цю сторінку перекладено автоматично. Перейти натомість до англійської версії?
Рішення Сіменс

Набір штучного інтелекту на Industrial Edge

Ця архітектура описує, як розробляти, розгортати та керувати моделями штучного інтелекту на заводі за допомогою Siemens Industrial Edge. AI Suite забезпечує інфраструктуру для підключення обладнання, збору виробничих даних, запуску висновків AI на периферійних пристроях та управління рішеннями AI на кількох сайтах.

Огляд

Обов'язковою умовою є наявність моделі штучного інтелекту, готової до використання Siemens Industrial AI Suite, що дає користувачам свободу вибирати робочий процес MLOPS на свій вибір або розширити його, щоб вивести моделі штучного інтелекту в цеху.

Siemens AI SDK обробляє упаковку ваших існуючих моделей штучного інтелекту в артефакт виконання, який можна виконувати в автономному режимі на пристроях цеху, а також визначити інтерфейси обміну даними з іншими системами з хмарних або локальних середовищ. Менеджер активів AI діє як операційний центр для розподілу моделей, розгортання та моніторингу. Сервер висновків AI виконує моделі локально на периферійному пристрої, поблизу машини.

Зв'язок

Підключіть обладнання магазину, що не залежить від постачальника, до Industrial Edge за допомогою попередньо налаштованих роз'ємів.

Запустити

Запустіть штучний інтелект та промислові програми на Industrial Edge, використовуйте незалежні випадки - бачення, часові ряди або пакетні висновки даних.

Єдиний магазин

Менеджер активів AI, що працює на (віртуальному) пристрої Industrial Edge, виконуючи функції єдиного магазину для всіх видів діяльності, пов'язаних із штучним інтелектом. Управління рішеннями AI, розподіл та операції.

Розробка, перевірка та пакування

Розробляйте, перевіряйте та упаковуйте моделі штучного інтелекту за допомогою Siemens AI SDK у хмарних або локальних середовищах.

Завантажити PDF

Для більшості виробників бар'єром для масштабування штучного інтелекту є не якість моделей, це інфраструктура, необхідна для того, щоб ці моделі працювали на виробничому обладнанні та надійно працювали на багатьох сайтах. Кожна машина, лінія або завод створює нові проблеми інтеграції, а розрив між середовищами науки про дані та системами автоматизації не має природного моста у більшості організацій.

AI Suite усуває цей бар'єр, забезпечуючи повну багаторівневу інфраструктуру, створену для промислових операцій з штучним інтелектом. Пристрої Industrial Edge підключаються до обладнання будь-якого постачальника та виконують висновки штучного інтелекту локально, не вимагаючи хмарного підключення для прийняття рішень у режимі реального часу. AI Asset Manager забезпечує єдину точку контролю для розгортання моделей, версій та моніторингу на будь-якій кількості пристроїв. Siemens AI SDK дозволяє дослідникам даних упаковувати та перевіряти моделі у вибраному середовищі - AWS, Azure або локально - та упаковувати їх у артефакти, які AI Asset Manager може розповсюдити у флот.

Результатом є повторюваний, масштабований шлях від необроблених виробничих даних до розгорнутого висновку штучного інтелекту, побудований на відкритих стандартах і може працювати інженерами автоматизації без глибокого досвіду MLOPS.

Детальна архітектура

    архітектурний hub ai suite детальна архітектурна діаграма, що показує потік даних від пристроїв Industrial Edge до IT-підприємства

    Завантажити детальну архітектуру (PDF)

    Завантажити детальний PDF

    Рівень поля: Industrial Edge як рівень виконання AI

    Пристрої Industrial Edge розташовані безпосередньо на цеху та підключаються до ПЛК, приводів, роботів, камер та будь-якого іншого обладнання автоматизації за допомогою попередньо налаштованих роз'ємів для PROFINET, S7, OPC UA, EtherNet/IP, Modbus TCP та інших. Оскільки бібліотека роз'ємів охоплює обладнання будь-якого постачальника, архітектура також підходить для середовищ з коричневим полем, не вимагаючи заміни обладнання.

    Набір локальних програм працює на периферійному пристрої поряд з роз'ємами:

    • Сервер висновків AI для виконання моделі на пристрої, що підтримує бачення, часові ряди та використання пакетних висновків

      справ

    • Застосування Vision Connector для підключення до промислових камер GigE та камер RTSP для передачі даних зору для висновку
    • Vision Data Collector для зйомки зображень та метаданих з камер та систем зору, а також результатів висновків під час виконання, подаючи конвеєр (перо) тренувальних даних
    • Industrial Information Hub, який відображає необроблені теги PLC та результати висновків на послідовну семантичну модель даних до того, як дані залишають пристрій
    • LiveTwin та віртуальний ПЛК для цифрового моделювання близнюків та віртуального управління
    • Mendix on Edge для рольових операторських інтерфейсів, які охоплюють як крайові, так і висхідні системи
    • Energy Manager та Performance Insight для операційних показників ефективності, включаючи споживання енергії та OEE
    • ІТ-роз'єми для підключення до корпоративних систем

    Databus, заснований на MQTT, з'єднує ці програми один з одним на пристрої та забезпечує основу публікації-підписки для передачі результатів висновків, показань датчиків та подій до заводського рівня. Дані зору між роз'ємом зору та сервером висновків передаються за допомогою ZMQ для обробки більших високочастотних корисних навантажень.

    Заводський рівень: рівень операцій AI

    Менеджер активів AI працює на віртуальному пристрої Industrial Edge на рівні заводу та діє як єдиний магазин для всіх заходів, пов'язаних із штучним інтелектом, у цеху. Він розташований між середовищем розробки вище та периферійними пристроями нижче, координуючи повний робочий життєвий цикл рішень AI.

    Менеджер активів AI: розподіл моделей та операції

    Завдання AI Asset Manager полягає в тому, щоб отримувати пакетні моделі штучного інтелекту з середовища розробки, розгортати їх у правильних екземплярах сервера висновків AI у всьому парку та збирати показники продуктивності моделі та активності висновків. Він керує версіюванням рішень AI, відстежує стан розгортання на рівні пристрою та забезпечує операційний інтерфейс, за допомогою якого команди автоматизації керують штучним інтелектом без необхідності взаємодії з ланцюгами інструментів розробки.

    Використовуйте менеджер активів AI для:

    • Вилучення пакетних моделей з конвеєра розробки на рівні ІТ та розподіл їх на периферійні пристрої
    • Керування версіями моделей на різних пристроях Industrial Edge, включаючи відкат і поетапне впровадження
    • Збір показників висновків та даних про ефективність із розгорнутих моделей
    • Забезпечення єдиного оперативного перегляду стану рішення AI на всіх пристроях і сайтах

    Менеджер активів AI не є інструментом розробки. Він не тренує моделі, не перевіряє набори даних та не керує інфраструктурою розробки. Ці обов'язки належать робочому процесу MLOPS у хмарному або локальному середовищі розробки. AI SDK упаковує модель AI та доставляє артефакти читання для розгортання на рівні архітектури фабричного рівня, де сфера застосування AI Asset Manager починається [AN1] і закінчується, коли операційні показники повертаються до циклу розробки.

    Industrial Edge Management (віртуальний, професійний або хмарний) обробляє ширший рівень управління пристроями: розгортання програм, передавання оновлень мікропрограми та конфігурації, моніторинг стану пристрою та керування Industrial Edge Hub як глобальним сховищем додатків. Він працює разом із менеджером активів AI, а не замінює його - Edge Management обробляє платформу; менеджер активів AI обробляє рішення AI, що працюють на цій платформі.

    ІТ та рівень підприємства: середовище розробки штучного інтелекту

    Розробка моделі відбувається в хмарних або локальних середовищах за допомогою Siemens AI SDK. Конвеєр на цьому рівні охоплює повний життєвий цикл розробки до того, як моделі вийдуть на завод.

    Siemens AI SDK: розробка моделей та упаковка

    AI SDK надає вченим даних інструменти для упаковки та перевірки своїх моделей штучного інтелекту в середовищі за їхнім вибором. Це бібліотека python, яка надає методи визначення інтерфейсів даних для моделей штучного інтелекту з іншими системами (наприклад, автоматизація), визначення вимог до виконання та упаковки моделі AI разом із бізнес-логікою в артефакт, який можна виконати повністю офлайн на робочому майданчику.

    Використовуйте AI SDK для:

    • Упаковка моделей штучного інтелекту та генерування перевірених артефактів, які можна розгорнути для AI Asset Manager, які в кінцевому підсумку можуть бути виконані Сервером висновків AI на виробничому майданчику, використовуючи виробничі дані в режимі реального часу з різних джерел.
    • Інтеграція з AWS, Azure або локальними середовищами MLOPS для доставки пакетних моделей штучного інтелекту на заводський рівень

    Після упаковки моделі витягуються менеджером активів AI та розподіляються на флот. Оновлені моделі, навчені новим виробничим даним, йдуть тим самим шляхом, закриваючи цикл від розробки до розгортання.

    Чому повний пакет розгортається разом

    Реалістичне розгортання використовує всі три рівні в поєднанні, оскільки вони вирішують різні проблеми. Розглянемо розгортання візуального контролю якості на конвеєрі електроніки:

    • Збірник даних Vision разом із програмою зорового з'єднувача знімає зображення зібраних дощок на кожній інспекційній станції. Зображення та метадані надходять у зону посадки даних (хмарне сховище, (S) FTP) для споживання робочим процесом MLops
    • Науковці даних використовують власний робочий процес MLOPS для (перепідготовки) моделі штучного інтелекту класифікації дефектів на цих виробничих даних, їх перевірки та упаковки як артефакт, що можна розгорнути, використовуючи AI SDK
    • Менеджер активів AI витягує упаковану модель та розгортає її на сервері висновків AI на відповідних пристроях Industrial Edge на всіх інспекційних станціях
    • Додаток Vision Connector забезпечує підключення до камер станції для зйомки зображення плати та надає його як вхід до моделі AI на сервері висновків
    • Сервер висновків AI запускає модель локально на кожній станції, класифікуючи плати як прохідні або невдалі в режимі реального часу без хмарної залежності
    • Результати висновків публікуються в Databus та ro

      застосовано до систем управління якістю або інформаційних панелей операторів

    • Менеджер активів також збирає орієнтовні показники з кожного розгортання та дозволяє користувачеві використовувати інформаційну панель для легкої візуалізації та тривоги на основі правил
    • Зображення дефектів та результати класифікації надходять назад у конвеєр даних через збирач даних зору. Модель перекваліфікується за розширеними даними, переупаковується та відсувається назад у флот

    Без сервера висновків AI для висновку вимагає підключення до хмари та вводить затримку, несумісну з перевіркою швидкості лінії, крім витрат, які виникають за кожну транзакцію даних. Без AI Asset Manager розгортання оновленої моделі на п'ятдесяти станціях на трьох сайтах було б п'ятдесят ручних операцій. Без збирача даних бачення та структурованого конвеєра даних навчальні дані не відображають реальних виробничих умов, а якість моделі з часом погіршується. AI SDK дозволяє об'єднати повторювану доставку шляхом стандартизації поставленого артефакту, що не залежить від типу моделі штучного інтелекту, що розгортається.

    Цінності та переваги

    Компоненти