Vedi traduzione automatica
#News
{{{sourceTextContent.title}}}
Sistemi AI per applicazioni in qualsiasi settore industriale
{{{sourceTextContent.subTitle}}}
Sistemi AI per applicazioni in qualsiasi settore industriale
Le applicazioni nel campo dell'Intelligenza Artificiale (AI) trovano sempre più spazio in quasi tutti i settori industriali e sono un fattore decisivo per il progresso della creazione di valore aziendale. La trasformazione digitale richiede cicli di innovazione sempre più brevi da parte della scienza, della ricerca e dei fornitori di tecnologia, e anche un nuovo livello di prestazioni di alto livello nell'hardware e nel software, poiché le applicazioni AI possono essere realizzate solo sulla base di processi ad alta intensità di dati e di calcolo.
Assistenza sanitaria: Una corsa più veloce contro il tempo con l'IA
Nel trattamento dei pazienti, ad esempio, l'IA può offrire vantaggi in termini di tempo per quanto riguarda la prevenzione, la diagnosi e la terapia. Le possibilità di recupero aumentano con il grado di risultati diagnostici, come i raggi X, CTA, MRT o ultrasuoni. Applicazioni di IA che strutturano e analizzano enormi quantità di dati in un breve lasso di tempo sono necessarie per integrare le diagnosi del personale medico. Ci vogliono solo pochi secondi perché possano fornire i risultati per la valutazione da parte dei medici. I sistemi di intelligenza artificiale possono collegare dati provenienti da fonti quali i metodi di imaging, la genomica e la proteomica e fornire un supporto significativo per la prevenzione e la terapia. Nel caso di malattie epidemiche e metastatiche, la velocità con un tasso di errore pari a zero è determinante per la diagnosi, la terapia e il recupero del paziente.
Industria energetica: manutenzione predittiva attraverso la diagnostica preventiva
La produzione e la fornitura di energia supportata dall'AI consente processi fluidi e la prevenzione precoce di malfunzionamenti attraverso sistemi diagnostici preventivi. Le strategie di manutenzione predittiva basata sull'intelligenza artificiale per la fornitura di energia e l'automazione industriale ottimizzano la manutenzione degli impianti, consentono il controllo remoto in tempo reale e adattano i programmi di manutenzione alle condizioni reali. L'apprendimento delle macchine e l'apprendimento profondo aiutano a rilevare le deviazioni in una fase iniziale utilizzando algoritmi di pianificazione, nonché a segnalare anomalie come squilibri, disallineamenti o crepe nel materiale di turbine e compressori. L'analisi dei dati dei sistemi AI permette di rilevare le disfunzioni nel momento in cui si verificano, anche prima che abbiano un impatto negativo. Contribuiscono ad evitare tempi di fermo produzione e potenziali pericoli in termini di sicurezza dell'impianto, funzionamento dell'impianto, alimentazione continua e ambiente
Potenza di calcolo scalabile per ML, DL, Inferencing, DL
In qualsiasi settore industriale, potenti componenti hardware e software sono essenziali se le soluzioni AI basate sull'apprendimento profondo, l'apprendimento automatico e l'inferenza devono svolgere il loro ruolo di applicazioni critiche per il sistema. I sistemi devono analizzare grandi quantità di dati in un periodo di tempo molto breve. La potenza di calcolo necessaria per l'elaborazione in parallelo è fornita da CPU multicore, unità di elaborazione video (VPU), unità di elaborazione grafica (GPU) o Field Programmable Gate Array (FPGA), che calcolano reti neurali con potenza di calcolo nell'intervallo di operazioni di Tera al secondo. La Intel® OpenVino™ Video Processing API supportata dal framework software IIoT SUSiEtec permette di scalare modelli di rete neurale, una volta creati, e di eseguirli opzionalmente su CPU Intel® multicore, GPU, VPU e FPGA, consentendo così un aumento esponenziale delle prestazioni. Gli esistenti modelli di rete neurale addestrati possono anche essere convertiti in Intel® OpenVino™ con poco sforzo. Oltre alle piattaforme basate su Intel® e NXP per l'inferencing, da luglio 2019 Kontron, in qualità di NVIDIA Preferred Partner, utilizza anche le GPU del leader internazionale del mercato delle schede grafiche e delle GPU per l'apprendimento approfondito (formazione)
Le GPU NVIDIA fanno parte del più potente server Kontron con montaggio a rack KISS V3 4U SKX-AI. Il server scalabile è dotato di due potenti processori della serie Intel® Xeon® SP, che possono essere espansi con dodici moduli DIMM DDR4-2666 e fino a 768 GB di RAM con supporto ECC. Fino a tre schede GPU high-end a doppia larghezza di fascia alta NVIDIA® TESLA® V100 offre prestazioni GPU estremamente elevate. Le GPU eseguono con precisione la matematica della matrice necessaria per il rendering e la simulazione di neuroni artificiali. Le GPU NVIDIA supportano quindi i processori Intel® Xeon® nella formazione delle reti neurali. Per lo sviluppo del software, gli utenti possono utilizzare il potente CUDA Toolkit di NVIDIA
Soluzioni per l'apprendimento a macchina e l'apprendimento profondo
La potenza di calcolo, sia locale che ottenuta dalla nuvola, è sempre necessaria per l'apprendimento a macchina e profondo. Di solito le reti neurali prefabbricate sono addestrate per le funzioni di riconoscimento automatico. Il processo completo per l'apprendimento profondo si compone di quattro fasi:
1. Raccolta dei campioni
2. Fase di formazione
3. Trasformare la rete di apprendimento
4. Integrazione della rete addestrata in un prodotto
Per le applicazioni AI che devono fornire risultati in breve tempo o addirittura in tempo reale, è necessario un computer di bordo che sia strettamente collegato all'applicazione in rete. Per l'addestramento delle reti neurali spesso ha senso utilizzare le grandi capacità del server nel cloud, ma ci sono anche molti casi in cui il materiale didattico deve rimanere locale e viene utilizzato un server di formazione edge training
Un esempio è l'ispezione visiva. Qui, le registrazioni di una telecamera collegata via USB o in rete vengono analizzate e valutate direttamente sul dispositivo edge, ad esempio KBox B-202-CFL o KISS V3 4U-SKX da una rete neurale addestrata in un processo chiamato 'Inference'. Oltre all'ispezione visiva, sono possibili anche applicazioni AI per il riconoscimento e la riproduzione di testi, nonché per il riconoscimento di modelli audio e di comportamento. Il riconoscimento audio, ad esempio, può essere utilizzato per identificare vibrazioni insolite che indicano un componente difettoso della macchina. Ad esempio, gli assi dei treni potrebbero essere controllati durante il funzionamento. I firewall nelle reti IT possono apprendere ciò che corrisponde al normale comportamento della rete e avvisare in caso di attività insolite e avviare misure protettive e difensive.
Prospettive e compiti dell'IA
Il Prof. Dr. Andreas Dengel, site manager DFKI a Kaiserslautern, riassume i compiti che l'AI dovrà svolgere in futuro: "Le persone hanno esperienza e agiscono intuitivamente. Sulla base di grandi quantità di dati, il KI può fornire suggerimenti di azione o assumere compiti impossibili per l'uomo. La grande opportunità di questa simbiosi per il lavoro sta nel fatto che l'IA agisce come un potenziatore di prestazioni intellettuali e quindi completa ed espande le capacità umane. È importante rendere i processi decisionali trasparenti e comprensibili e definire standard internazionali" (Fonte)
+++
