Dans le paysage informatique d’entreprise, deux technologies auront certainement un impact majeur dans les années à venir : l’intelligence artificielle (IA) et l’informatique de périphérie. Dans un récent sondage, 95 % des cadres dirigeants ont déclaré qu’ils pensaient que leurs organisations bénéficieraient de l’intégration de l’IA dans leurs opérations quotidiennes. De même, les recherches sur l’informatique de périphérie montrent que 54 % des entreprises utilisent ou prévoient d’utiliser une architecture d’informatique de périphérie au cours des 12 prochains mois. 30 % d’entre eux ont l’intention d’évaluer une architecture de périphérie au cours des 24 prochains mois.
Compte tenu de l’intérêt fort et presque universel pour ces technologies, il n’est certainement pas exagéré de suggérer que la combinaison de l’IA et de l’Edge computing intéressera les organisations. De plus, cette combinaison ouvre une gamme de domaines d’application nouveaux et passionnants qui autrement ne seraient pas possibles. Ce blog présentera deux exemples.
En grande partie, les modèles et les applications d’IA doivent être hébergés et formés dans le cloud, ce qui fonctionne bien pour les analyses approfondies où la latence inhérente au cloud n’est pas un problème. Mais pour les applications nécessitant un système basé sur l’IA pour effectuer des actions en temps réel, la latence liée au déplacement des données vers un centre de données, qui pourrait se trouver à des milliers de kilomètres de distance, est un obstacle.
C’est là que l’intelligence de bord entre en scène. En rapprochant le traitement de la source de génération de données, l’intelligence de périphérie répond à plusieurs limitations de l’informatique centralisée, telles que la latence, la bande passante et la sécurité, tout en conservant tous les avantages du cloud, y compris l’évolutivité et la résilience. Le modèle d’intelligence de périphérie minimise également la dépendance à l’égard de la connectivité réseau externe, une considération importante pour les applications critiques dans des sites distants tels que les mines ou les plates-formes pétrolières qui font régulièrement face à des problèmes de connectivité.
Nous avons conçu la plate-forme Edge IA entièrement intégrée pour aider les organisations à adopter et déployer efficacement ces technologies de manière significative. Il est bien adapté à un large éventail de domaines d’application et de cas d’utilisation dans les secteurs de la fabrication, de la vente au détail, de la santé, des médias et du divertissement, et bien plus encore. Les possibilités sont presque infinies.
De nombreuses entreprises poursuivent déjà des initiatives d’informatique de périphérie, et une grande partie de l’infrastructure nécessaire au déploiement d’applications Edge ai est déjà en place ou le sera bientôt. Nous avons conçu Edge IA pour être une plateforme de données exploitables en temps réel et d’informations d’apprentissage automatique (ML) avec une interconnexion agnostique dans le cloud, ce qui signifie qu’une organisation peut commencer à tirer parti de la plateforme dès aujourd’hui sans avoir besoin d’une expertise approfondie en science des données et en IA. Et, comme l’illustrent les deux cas d’utilisation suivants, les solutions basées sur Edge ai sont faciles à déployer, à gérer et à utiliser.
Autorisation faciale pilotée par l’IA
Même les caméras de surveillance et les mécanismes de contrôle d’accès tels que les cartes d’identité, les usines de fabrication et d’autres installations ont du mal à agir sur ces données en temps réel pour empêcher les utilisateurs non autorisés d’accéder à des endroits restreints en violation de la politique. Il est beaucoup trop facile pour un visiteur non autorisé ou même un employé d’obtenir l’accès en «tailgating» (obtenir une entrée non autorisée dans une zone sécurisée en suivant de près une personne autorisée à entrer) un employé autorisé ou en faisant une excuse pour pourquoi il devrait être autorisé à entrer dans l’installation.
Au-delà des visiteurs externes, certaines installations de fabrication ont des politiques strictes sur les zones auxquelles les employés d’autres parties de l’atelier peuvent accéder pour des raisons de sécurité ou de contrôle de la qualité, entre autres. Pour le personnel de sécurité qui surveille l’installation, il peut être difficile de savoir avec certitude quels employés sont autorisés à se trouver à quel endroit. Cette situation où il n’y a tout simplement pas de bonne solution, qui nécessite également une vigilance constante, est parfaitement adaptée à une solution de reconnaissance faciale basée sur la plateforme Edge ai.
La mise en œuvre d’un système de reconnaissance faciale est un processus relativement simple. Il commence par la mise en place d’un réseau de caméras IP autour de l’établissement. Pour les zones restreintes d’un atelier, par exemple, les caméras sont configurées avec une limite souple sur la distance de visibilité de la caméra. Lorsque quelqu’un se trouve en dehors de cette limite souple, l’appareil photo ne les tient pas compte. Le système détecte toute personne entrant dans une zone protégée et détermine en temps réel si la personne y est ou non autorisée. Cela permet de diviser un vaste espace de travail physique en plusieurs zones de travail logiques et de le surveiller avec précision.
Dans un récent sondage, 95 % des cadres dirigeants ont déclaré qu’ils pensaient que leurs organisations bénéficieraient de l’intégration de l’IA dans leurs opérations quotidiennes.
La gestion et l’exploitation du système de reconnaissance faciale ne nécessitent pas de compétences particulières ou de formation approfondie qui pourraient entraver l’adoption. Les visages et les photographies des employés se trouvent généralement dans les systèmes RH et peuvent être facilement importés dans le système de reconnaissance faciale avec les règles et les politiques d’accès. Les autorisations temporaires sont traitées dans le cadre de protocoles de sécurité standard, et les périphériques peuvent être gérés et déplacés ou remplacés au besoin directement au sein du système.
Par rapport aux alternatives basées uniquement sur le cloud, une solution basée sur la périphérie protège les organisations contre les responsabilités potentielles et les défis juridiques associés à l’envoi d’informations personnelles, comme le visage des personnes vers le cloud sans leur permission. Configurer le système pour s’assurer que toutes les données capturées ne vont nulle part en dehors d’un campus évite de tels défis.
Un autre avantage de la reconnaissance faciale basée sur les contours est l’inférence en temps réel. Le système peut réagir instantanément lorsqu’un utilisateur non autorisé est détecté. Cela ne se produit pas en temps quasi réel mais en temps réel avec seulement quelques millisecondes de latence. Tout intrus est détecté immédiatement et une alerte est envoyée sans délai au personnel de sécurité via un service de messagerie multimédia (MMS) avec un coup de tête de l’utilisateur non autorisé, permettant à l’équipe de sécurité de prendre les mesures appropriées.
En résumé, les avantages d’un système de reconnaissance faciale basé sur un modèle Edge computing incluent:
-
Surveillance précise des grands ateliers avec plusieurs zones protégées
-
Gestion et configuration faciles des périphériques
-
Protection intelligente contre la responsabilité légale potentielle due à l’envoi d’informations faciales vers le cloud
-
De véritables alertes en temps réel si un visiteur non autorisé est détecté
L’inspection optique rencontre le bord
Un autre cas d’utilisation bien adapté à Edge ai est l’inspection optique automatisée de diverses pièces et assemblages tout au long du processus de fabrication. Les systèmes de vision traditionnels ont longtemps été utilisés pour l’inspection et la validation du contrôle qualité pour fabriquer tout, des systèmes électroniques aux produits pharmaceutiques.
Alors que les systèmes de vision traditionnels peuvent identifier avec précision les défauts et autres problèmes d’AQ, ils s’appuient sur des jeux de règles plutôt que sur l’apprentissage automatique et l’IA pour inspecter les pièces et les assemblages. Cela les limite à des cas d’utilisation et des composants spécifiques et limite la capacité à adapter les solutions à différents types de produits. Les techniciens tiers doivent les reprogrammer pour s’adapter à de nouveaux modèles ou produits, et les caméras et les bras robotisés doivent être repositionnés avec précision afin de minimiser la variabilité. Et sans intégration dans le cloud ou capacité de capture de données, les systèmes traditionnels ne peuvent pas capturer de données pour optimiser les processus. Tout cela augmente considérablement les coûts et diminue la capacité des fabricants à répondre rapidement aux demandes changeantes du marché.
Un système basé sur Edge ai surmonte ces défis et offre le potentiel de transformer l’inspection optique automatisée telle que nous la connaissons aujourd’hui. En utilisant des solutions modernes basées sur l’IA et LE ML, les fabricants peuvent rapidement et facilement configurer de nouveaux profils d’inspection sur toute une gamme de produits et mettre en œuvre des modifications et des améliorations à la volée.
Grâce à une interface utilisateur intuitive basée sur le Web, un système d’inspection optique intelligent permet aux ÉQUIPES INFORMATIQUES ou de fabrication d’importer et d’acquérir les images nécessaires à l’inspection et de lancer des routines de formation en un seul clic.
De plus, à mesure que l’IA recueille des données, la qualité des inspections s’améliore et peut tolérer des changements d’éclairage ou de champ de vision dus au mouvement de la caméra ou aux changements d’emplacement. Cette adaptabilité aide également quand vient le temps de mettre en place des caméras d’inspection ; le type d’objectif de placement de caméra détermine le champ de vision et peut être ajusté pour s’adapter à diverses dimensions du produit.
Un système basé sur l’IA peut inspecter les pièces assemblées comme un humain et comprendre les écarts acceptables à un rythme beaucoup plus rapide avec une plus grande cohérence. Tout comme un réseau neuronal peut faire la différence entre un chat et un chien, un système basé sur l’IA peut percevoir si un objet particulier est acceptable, s’il manque des composants ou s’il y a des dommages physiques. Grâce à la reconnaissance optique de caractères (OCR) intégrée, l’IA peut également scanner des codes-barres ou des numéros de série.
Les systèmes IA et ML nécessitent une puissance de traitement et un stockage considérables, en particulier pour la formation des modèles. C’est pourquoi ces systèmes sont généralement hébergés dans un environnement cloud. Comme pour de nombreuses autres applications cloud similaires, le défi réside dans la latence liée à l’envoi d’images et de données vers le cloud. L’application finale est trop lente pour être d’une grande valeur dans un environnement de fabrication au rythme rapide. De plus, les grandes quantités de données transmises par les caméras augmentent considérablement les besoins en stockage dans le cloud et en bande passante.
Alternativement, avec une application Edge ai, le traitement et l’inférence se produisent en temps réel sur la périphérie à l’aide de modèles entraînés extraits du cloud, et la plupart du contenu en streaming est stocké localement. Ces fonctions de périphérie sont entièrement intégrées au cloud, qui est utilisé pour les charges de travail bien adaptées à l’informatique, telles que la formation à des modèles gourmands en CPU et la gestion du cycle de vie. Chaque fois que de nouveaux profils d’inspection sont créés, les images associées au profil sont automatiquement téléchargées dans le cloud, et le modèle est ensuite entraîné dans le cloud avec ces images. Une fois la formation terminée, les modèles entraînés se déploient automatiquement vers la périphérie pour commencer l’inspection. Plusieurs modèles formés peuvent être utilisés dans un seul profil d’inspection.
En résumé, les avantages d’une solution d’inspection optique automatisée basée sur la plateforme Edge ai sont les suivants :
-
Interface Web facile à utiliser pour configurer de nouveaux profils d’inspection – aucune expertise en science des données ou en IA n’est nécessaire
-
La formation rapide sur les modèles dans le cloud offre la flexibilité de changer de pièces ou de processus sans perdre de temps ni sacrifier la qualité
-
Adaptation rapide aux changements d’éclairage ou d’angles de caméra
-
Inspection rapide des pièces entièrement assemblées pour détecter les composants manquants ou endommagés
-
Vaste capture de données pour une analyse plus approfondie et pour permettre l’amélioration et le raffinement des processus
Comme le montrent ces exemples d’utilisation, la combinaison des deux tendances les plus marquantes de l’informatique d’entreprise ouvre la voie à de nouvelles applications qui nécessitent à la fois la puissance de traitement et de stockage du cloud et des temps de réponse d’une milliseconde.
Contactez-nous pour découvrir comment votre application pourrait bénéficier de notre plateforme d’intelligence Edge ai.
