Op weg naar realtime continue AI voor fabrieken

TOKYO - Elk bedrijf dat zijn vertrouwen heeft gezworen voor 'slimme productie', belooft zijn hoop op AI.

Deze dappere nieuwe wereld vereist een grote investering in dure AI-systemen, samen met de kosten van het opzetten van een "lerend" platform en het contacteren van cloudserviceproviders. Het grootse plan begint met het verzamelen van big data, zodat de machine iets kan leren en ontdekken dat voorheen onbekend was.

Dat is de theorie.

In de echte wereld vinden veel bedrijven AI echter moeilijk te implementeren. Sommigen geven de schuld aan hun onervarenheid in AI, of een tekort aan interne datawetenschappers om het meeste uit AI te halen. Anderen klagen dat ze geen proof of concept van hun geïnstalleerde AI-systemen hebben kunnen vaststellen. In ieder geval beginnen fabrikanten te beseffen dat AI geen "als je het bouwt, komen ze"-deal.

Voer Renesas Electronics in.

Het Japanse chipbedrijf claimt een leidende positie in de wereldwijde markt voor fabrieksautomatisering. Het stelt "realtime continue AI" voor voor de wereld van operationele technologie (OT). Deze benadering staat in schril contrast met 'statistische AI', vaak gebruikt door big data-bedrijven om automatisering in de wereld van informatietechnologie (IT) te promoten.

klik voor grotere afbeelding

Statistische AI ​​voor IT versus continue AI voor OT (Bron:Renesas)

Yoshikazu Yokota, executive vice president en general manager van de business unit industriële oplossingen bij Renesas, vertelde EE Times dat embedded AI van cruciaal belang is voor foutdetectie en voorspellend onderhoud in OT. Wanneer een anomalie opduikt in een bepaald systeem of proces, kan embedded AI "lokaal en realtime beslissingen nemen", legde hij uit. Renesas kwam drie jaar geleden met het idee voor "AI op eindpunten" en begon ermee te experimenteren in zijn eigen Naka-halfgeleiderfabriek.

"Ons plan is om realtime inferentie in OT mogelijk te maken, terwijl we de AI-mogelijkheden op eindpunten stapsgewijs vergroten", zegt Yokota.

Yoshikazu Yokota, executive vice president bij Renesas, is van plan zich te concentreren op het aanbieden van realtime inferentie in OT. (Foto:EE Times)

Door AI in kleine stapjes naar de fabrieksvloeren te brengen, hoopt Renesas klanten te helpen die momenteel worstelen om het proof-of-concept van hun eigen AI-implementatie te voltooien en inzicht te krijgen in hun investeringsrendement in AI.

Wanneer AI toepassen op OT
Mitsuo Baba, senior directeur van de strategie- en planningsdivisie van Renesas' Industrial Solution business unit, vertelde ons dat AI het beste kan worden toegepast op OT wanneer specifieke problemen, bijvoorbeeld in productielijnen, al zijn geïdentificeerd.

Stel bijvoorbeeld dat er een zeer bekwame operationeel manager is die genoeg ervaring heeft om bepaalde anomalieën in een fabriek op te sporen. In plaats van deze manager te sturen om elke fase van het productieproces te bekijken, "kunnen we AI gebruiken om de grens te trekken - en te definiëren - wanneer en waar een abnormale situatie begint te ontstaan ​​tijdens de productiefouten", zei Baba. AI kan het waakzame oog zijn dat de productielijn continu in de gaten houdt, om te voorkomen dat kleine productdefecten doorgaan naar de volgende productiefase.

In een dergelijk voorbeeld van fabrieksautomatisering hoeft AI slechts één keer te worden getraind op basis van vooraf geïdentificeerde problemen. AI-inferentie wordt in realtime uitgevoerd op eindpuntapparaten, zonder terug te keren naar de cloud. Baba zei dat 30 Kbytes aan gegevens meestal genoeg is voor eindpuntinferentie, vergeleken met statistische AI ​​die zowel leren als inferentie doet, waarvoor doorgaans gegevens tot 300 megabyte in de cloud moeten worden verwerkt.

Kortom, Renesas pleit voor AI-inferentie die op een MCU kan worden gedaan.

In plaats van bestaande productielijnen te vervangen door gloednieuwe AI-compatibele machines, wat kostbaar zou zijn, stelt Renesas een "AI Unit Solution" -kit voor die kan worden bevestigd aan de huidige productieapparatuur.

Baba zei dat Renesas niet van plan is om AI-chipbedrijven zoals Nvidia uit te dagen. "Ons doel is om leiding te geven aan een nieuw marktsegment van embedded AI, waarin de benodigde gegevens voor inferentie zo klein zijn dat het zelfs op bestaande MCU/MPU kan draaien", zegt Baba.