Home Blogs Edge AI-Anwendungsfälle untersuchen
Applications

Edge AI-Anwendungsfälle untersuchen

About The Author

Outline

In der gesamten IT-Landschaft von Unternehmen werden zwei Technologien in den kommenden Jahren sicherlich einen großen Einfluss haben: Künstliche Intelligenz (KI) und Edge-Computing. In einer kürzlich durchgeführten Umfragegaben 95 % der Führungskräfte an, dass ihre Unternehmen davon profitieren würden, KI in ihren täglichen Betrieb einzubinden. Ebenso zeigen Forschungen im Bereich Edge Computing , dass 54 % der Unternehmen derzeit eine Edge-Computing-Architektur verwenden oder in den nächsten 12 Monaten einsetzen. Weitere 30 % beabsichtigen, eine Edge-Architektur in den nächsten 24 Monaten zu evaluieren.

Aufgrund des starken, fast universellen Interesses an diesen Technologien ist es sicherlich nicht allzu weit, zu vermuten, dass die Kombination von KI und Edge Computing Unternehmen interessieren wird. Darüber hinaus eröffnet diese Kombination eine Reihe neuer und aufregender Anwendungsbereiche, die sonst nicht möglich wären. In diesem Blog werden zwei Beispiele vorgestellt.

KI-Modelle und -Anwendungen müssen größtenteils in der Cloud gehostet und trainiert werden, die sich gut für detaillierte Analysen eignet, bei denen die inhärente Latenz der Cloud kein Problem darstellt. Für Anwendungen, die ein KI-basiertes System benötigen, um Aktionen in Echtzeit auszuführen, ist die Latenz beim hin- und Herschieben von Daten in ein Rechenzentrum, das Tausende von Kilometern entfernt sein könnte, jedoch ein echter Hopping.

Genau hier kommt Edge Intelligence ins Spiel. Da die Verarbeitung näher an die Quelle der Datengenerierung heranrückt, löst Edge Intelligence mehrere Einschränkungen zentralisierter Datenverarbeitung, wie Latenz, Bandbreite und Sicherheit, und behält dabei alle Vorteile der Cloud, einschließlich Skalierbarkeit und Ausfallsicherheit, bei. Das Edge Intelligence-Modell minimiert auch die Abhängigkeit von externen Netzwerkkonnektivität, ein wichtiger Aspekt für unternehmenskritische Anwendungen an entfernten Standorten wie Bergwerken oder Ölplattformen, die regelmäßig mit Verbindungsproblemen konfrontiert sind.

Wir haben die vollständig integrierte Edge-KI-Plattform entwickelt, um Unternehmen bei der effizienten Implementierung und Implementierung dieser Technologien auf sinnvolle Weise zu unterstützen. Es eignet sich gut für eine breite Palette von Anwendungsbereichen und Anwendungsfällen in der Fertigung, im Einzelhandel, im Gesundheitswesen, in Medien und Unterhaltung und vielem mehr. Die Möglichkeiten sind fast endlos.

Da viele Unternehmen bereits Edge-Computing-Initiativen betreiben, ist ein Großteil der Infrastruktur, die für die Bereitstellung von Edge-AI-Anwendungen benötigt wird, bereits vorhanden oder wird in Kürze umgesetzt. Wir haben Edge KI als eine Echtzeit-Plattform für nutzbare Daten und maschinelles Lernen (ML) mit Cloud-unabhängiger Vernetzung entwickelt. Das bedeutet, dass Unternehmen die Plattform schon heute nutzen können, ohne dass fundierte Expertise in den Bereichen Datenwissenschaft und KI erforderlich ist. Und wie die folgenden beiden Anwendungsfälle zeigen, lassen sich Lösungen auf der Basis von Edge-KI einfach bereitstellen, verwalten und bedienen.

KI-gesteuerte Gesichtserlaubnis

Selbst Überwachungskameras und Zugangskontrollmechanismen wie Ausweiskarten, Produktionsanlagen und andere Einrichtungen haben Schwierigkeiten, diese Daten in Echtzeit zu verarbeiten, um zu verhindern, dass unbefugte Benutzer richtlinienwidrig auf eingeschränkte Orte zugreifen können. Es ist viel zu einfach für einen unbefugten Besucher oder sogar einen Mitarbeiter, Zugang zu erhalten, indem er einen autorisierten Mitarbeiter durch „Tailgating“ (unbefugten Zutritt zu einem gesicherten Bereich erhält, indem er genau jemandem folgt, der die Zutrittsberechtigung hat) oder indem er eine Entschuldigung dafür gibt, warum er das Werk betreten sollte.

Neben externen Besuchern gelten in einigen Produktionsstätten strenge Richtlinien darüber, auf welche Bereiche Mitarbeiter aus anderen Teilen der Werkstatt unter anderem aus Sicherheits- oder Qualitätskontrollgründen zugreifen dürfen. Für das Sicherheitspersonal, das die Anlage überwacht, kann es schwierig sein, mit Sicherheit zu wissen, welche Mitarbeiter an welchen Standorten zugelassen sind. Diese Situation, in der es einfach keine gute Lösung gibt, die auch ständige Wachsamkeit erfordert, ist ideal für eine Gesichtserkennungslösung auf der Basis der Edge KI-Plattform geeignet.

Die Implementierung eines Gesichtserkennungssystems ist relativ einfach. Zunächst wird ein Netzwerk von IP-basierten Kameras rund um die Einrichtung eingerichtet. Für eingeschränkte Bereiche in einer Werkhalle sind die Kameras beispielsweise mit einem weichen Grenzwert für die Sichtweite der Kamera konfiguriert. Wenn sich jemand außerhalb dieser weichen Grenze befindet, wird die Kamera sie außer Acht lassen. Das System erkennt Personen, die einen geschützten Bereich betreten, und stellt in Echtzeit fest, ob die Person berechtigt ist oder nicht. Dadurch kann ein großer physischer Arbeitsbereich in mehrere logische Arbeitszonen unterteilt und genau überwacht werden.

In einer kürzlich durchgeführten Umfrage gaben 95 % der Führungskräfte an, dass ihre Unternehmen davon profitieren würden, KI in ihren täglichen Betrieb einzubinden.

Die Verwaltung und Bedienung des Gesichtserkennungssystems erfordert keine besonderen Fähigkeiten oder umfassende Schulung, die die Akzeptanz behindern könnten. Gesichter und Fotos von Mitarbeitern befinden sich in der Regel in HR-Systemen und können zusammen mit Zugriffsregeln und -Richtlinien einfach in das Gesichtserkennungssystem importiert werden. Temporäre Autorisierungen werden als Teil der Standardsicherheitsprotokolle verwaltet, und Geräte können nach Bedarf direkt im System verwaltet und verlagert oder ausgetauscht werden.

Im Vergleich zu Cloud-reinen Alternativen schützt eine Edge-basierte Lösung Unternehmen vor potenziellen Haftungsansprüchen und rechtlichen Herausforderungen, die mit dem Senden personenbezogener Daten, wie z. B. Gesichtern von Personen in die Cloud, ohne deren Erlaubnis verbunden sind. Die Konfiguration des Systems, um sicherzustellen, dass alle erfassten Daten nicht außerhalb eines Campus gespeichert werden, vermeidet solche Herausforderungen.

Ein weiterer Vorteil der kantenbasierten Gesichtserkennung ist die Inferenz in Echtzeit. Das System kann sofort reagieren, wenn ein nicht autorisierter Benutzer erkannt wird. Dies geschieht nicht nahezu in Echtzeit, sondern in Echtzeit mit nur wenigen Millisekunden Latenz. Jeder Eindringling wird sofort erkannt, und eine Warnung wird unverzüglich über einen Multimedia Messaging Service (MMS) an das Sicherheitspersonal gesendet, wobei der unbefugte Benutzer einen Kopfschuss erhält, sodass das Sicherheitsteam geeignete Maßnahmen ergreifen kann.

Zusammenfassend lässt sich sagen, dass die Vorteile eines Gesichtserkennungssystems, das auf einem Edge-Computing-Modell basiert, Folgendes umfassen:

  • Genaue Überwachung großer Werkshallen mit mehreren geschützten Bereichen

  • Einfache Geräteverwaltung und -Konfiguration

  • Intelligenter Schutz vor potenzieller Haftung durch das Senden von Gesichtsdaten an die Cloud

  • Echte Echtzeitwarnungen, wenn ein nicht autorisierter Besucher erkannt wird

Optische Inspektion trifft auf die Kante

Ein weiterer Anwendungsfall, der sich gut für Edge AI eignet, ist die automatisierte optische Inspektion verschiedener Teile und Baugruppen während des gesamten Herstellungsprozesses. Traditionelle Bildverarbeitungssysteme werden seit langem zur Qualitätskontrolle und Validierung eingesetzt, um alles von Elektroniksystemen bis hin zu Pharmazeutika herzustellen.

Während herkömmliche Bildverarbeitungssysteme Fehler und andere QS-Probleme genau erkennen können, verlassen sie sich bei der Prüfung von Teilen und Baugruppen auf Regelsätze statt auf maschinelles Lernen und KI. Dies beschränkt sie auf bestimmte Anwendungsfälle und Komponenten und beschränkt die Skalierbarkeit von Lösungen über verschiedene Produkttypen hinweg. Techniker von Drittanbietern müssen sie neu programmieren, um neue Modelle oder Produkte aufzunehmen, und Kameras und Roboterarme müssen genau neu positioniert werden, um die Variabilität zu minimieren. Und ohne Cloud-Integration oder Datenerfassungsfunktionen können herkömmliche Systeme keine Daten erfassen, um Prozesse zu optimieren. All dies führt zu erheblichen Kostensteigerungen und verringert die Fähigkeit der Hersteller, rechtzeitig auf veränderte Marktanforderungen zu reagieren.

Ein System auf der Basis von Edge KI bewältigt diese Herausforderungen und bietet das Potenzial, die automatisierte optische Inspektion so zu verändern, wie wir sie heute kennen. Mithilfe moderner KI- und ML-basierter Lösungen können Hersteller schnell und einfach neue Prüfprofile für eine gesamte Produktpalette erstellen und Änderungen und Verfeinerungen im Handumdrehen implementieren.

Mit einer intuitiven webbasierten Benutzeroberfläche ermöglicht ein intelligentes optisches Inspektionssystem es IT- oder Fertigungsteams, die für die Inspektion benötigten Bilder zu importieren und zu erfassen und Schulungsroutinen mit nur einem Klick einzuleiten.

Darüber hinaus verbessert sich die Qualität der Inspektionen, da die KI Daten sammelt, sodass Änderungen der Beleuchtung oder des Sichtfeldes aufgrund von Kamerabewegungen oder Standortänderungen toleriert werden können. Diese Anpassungsfähigkeit hilft auch bei der Einrichtung von Inspektionskameras. Der Objektivtyp der Kamerapositionierung bestimmt das Sichtfeld und kann an verschiedene Produktabmessungen angepasst werden.

Ein KI-basiertes System kann montierte Teile wie ein Mensch inspizieren und erkennt akzeptable Abweichungen in einem viel schnelleren Tempo und mit größerer Konsistenz. So wie ein neuronales Netzwerk zwischen einer Katze und einem Hund unterscheiden kann, kann ein KI-basiertes System erkennen, ob ein bestimmtes Objekt akzeptabel ist, fehlende Komponenten oder physische Schäden aufweist. Mit der integrierten optischen Zeichenerkennung (OCR) kann die KI auch nach Barcodes oder Seriennummern scannen.

KI- und ML-Systeme erfordern eine beträchtliche Verarbeitungsleistung und Speicherkapazität, insbesondere für die Schulung der Modelle. Aus diesem Grund werden solche Systeme in der Regel in einer Cloud-Umgebung gehostet. Wie bei vielen anderen ähnlichen Cloud-basierten Anwendungen liegt die Herausforderung in der Latenz beim hin- und Hersenden von Bildern und Daten in die Cloud. Die Endanwendung ist einfach zu langsam, um in einer schnelllebigen Fertigungsumgebung von großem Wert zu sein. Und die großen Mengen an Daten-Streaming von Kameras erhöhen die Anforderungen an Cloud-Speicher und Bandbreite erheblich.

Alternativ können mit einer Edge-KI-Anwendung die Verarbeitung und Inferenz in Echtzeit an der Peripherie mithilfe von trainierten Modellen erfolgen, die aus der Cloud abgerufen werden, und der Großteil des Streaming-Inhalts wird lokal gespeichert. Diese Edge-Funktionen sind vollständig in die Cloud integriert, die für Workloads verwendet wird, die für die IT-Abteilung gut geeignet sind, wie z. B. CPU-intensive Modellschulungen und Lifecycle-Management. Wenn neue Prüfprofile erstellt werden, werden die mit dem Profil verknüpften Bilder automatisch in die Cloud hochgeladen, und das Modell wird dann in der Cloud mit diesen Bildern trainiert. Sobald die Schulung abgeschlossen ist, werden die geschulten Modelle automatisch an den Rand gebracht, um mit der Inspektion zu beginnen. Mehrere trainierte Modelle können in einem einzigen Prüfprofil verwendet werden.

Zusammenfassend lassen sich die Vorteile einer automatisierten optischen Inspektionslösung auf Basis der Edge AI-Plattform zusammenfassen:

  • Benutzerfreundliche webbasierte Oberfläche zum Einrichten neuer Prüfprofile – kein Fachwissen in den Bereichen Datenwissenschaft oder KI erforderlich

  • Schnelle Modellschulungen in der Cloud bieten die Flexibilität, Teile oder Prozesse ohne Zeitverlust oder Qualitätseinbußen zu ändern

  • Schnelle Anpassung an Änderungen der Beleuchtung oder Kamerawinkel

  • Schnelle Inspektion vollständig montierter Teile auf fehlende Komponenten oder Beschädigungen

  • Umfangreiche Datenerfassung für weitere Analysen und Prozessverbesserungen und -Verfeinerungen

Wie diese Anwendungsfälle zeigen, eröffnet die Kombination der beiden heißesten Trends im Enterprise-Computing heute eine Reihe neuer Anwendungen, die sowohl die Verarbeitungs- als auch die Speicherleistung der Cloud sowie Reaktionszeiten im Millisekundenbereich erfordern.

Kontaktieren Sie uns , um zu erfahren, wie Ihre Anwendung von unserer Edge-KI-Intelligence-Plattform profitieren kann.