Dans le paysage informatique des entreprises, deux technologies vont certainement avoir 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 envisagent d’utiliser une architecture informatique de périphérie au cours des 12 prochains mois. Un autre 30 % ont l’intention d’évaluer une architecture de périphérie au cours des 24 prochains mois.
Compte tenu de l’intérêt fort, presque universel, pour ces technologies, il n’est certainement pas exagéré de suggérer que la combinaison de l’IA et de l’informatique de bord 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 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 impliquée dans le déplacement des données vers un centre de données, qui pourrait être à des milliers de kilomètres de distance, est un événement marquant.
C’est là que l’intelligence de bord entre en scène. En rapprochant le traitement de la source de génération des données, l’intelligence de périphérie résout plusieurs limites de l’informatique centralisée, telles que la latence, la bande passante et la sécurité, tout en conservant tous les avantages du cloud, notamment l’évolutivité et la résilience. Le modèle d’intelligence de périphérie minimise également la dépendance à la connectivité réseau externe, ce qui est important pour les applications stratégiques dans des sites distants comme les mines ou les plates-formes pétrolières qui sont régulièrement confrontées à des problèmes de connectivité.
Nous avons construit la plateforme Edge ai 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 la fabrication, la vente au détail, la santé, les médias et le divertissement, et bien plus encore. Les possibilités sont presque infinies.
Alors que de nombreuses entreprises poursuivent déjà des initiatives en matière d’informatique de périphérie, une grande partie de l’infrastructure nécessaire au déploiement des applications d’IA de périphérie est déjà en place ou le sera bientôt. Nous avons conçu Edge ai 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, gérer et exploiter.
Autorisation faciale basée sur 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’y avoir accès en « taillant » (obtenir une entrée non autorisée dans une zone sécurisée en suivant de près une personne autorisée à entrer) un employé autorisé ou en donnant une excuse pour pourquoi ils devraient être autorisés à entrer dans l’établissement.
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 surveillant l’installation, il peut être difficile de savoir avec certitude quels employés sont autorisés à se trouver dans quels endroits. Cette situation où il n’y a tout simplement pas de bonne solution, qui nécessite également une vigilance constante, est idéalement 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, la caméra ne les tient pas compte. Le système détecte toute personne pénétrant dans une zone protégée et détermine en temps réel si la personne est autorisée ou non à s’y trouver. Cela permet de diviser un grand 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 politiques d’accès. Les autorisations temporaires sont gérées dans le cadre des protocoles de sécurité standard, et les périphériques peuvent être gérés et déplacés ou remplacés directement au sein du système selon les besoins.
Par rapport aux alternatives uniquement basées 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, telles que 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 à l’extérieur 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 MMS (Multimedia Messaging Service) avec une photo de l’utilisateur non autorisé, permettant à l’équipe de sécurité de prendre les mesures appropriées.
Pour résumer, les avantages d’un système de reconnaissance faciale basé sur un modèle de calcul des bords comprennent:
-
Surveillance précise des grands ateliers avec plusieurs zones protégées
-
Gestion et configuration aisées des périphériques
-
Protection intelligente contre la responsabilité juridique potentielle due à l’envoi d’informations faciales vers le cloud
-
De vraies 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’assurance qualité, 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 les adapter à de nouveaux modèles ou produits, et les caméras et les bras robotiques doivent être repositionnés avec précision afin de minimiser la variabilité. Et sans intégration cloud ou capacité de capture de données, les systèmes traditionnels ne peuvent pas capturer les données pour optimiser les processus. Tout cela augmente considérablement les coûts et diminue la capacité des fabricants à répondre aux demandes changeantes du marché en temps opportun.
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.
Avec une interface utilisateur intuitive basée sur le Web, un système d’inspection optique intelligent permet aux membres de L’équipe INFORMATIQUE ou de l’équipe 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 afin qu’elle puisse tolérer les 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 aux différentes dimensions du produit.
Un système basé sur l’IA peut inspecter les pièces assemblées comme un humain et comprend les écarts acceptables à un rythme beaucoup plus rapide avec une plus grande cohérence. Tout comme un réseau neuronal peut différencier un chat d’un chien, un système basé sur l’IA peut percevoir si un objet particulier est acceptable ou s’il manque des composants ou des dommages physiques. Grâce à la reconnaissance optique des caractères (OCR) intégrée, l’IA peut également scanner des codes-barres ou des numéros de série.
Les systèmes AI 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 similaires basées sur le cloud, le défi réside dans la latence liée à l’envoi d’images et de données vers le cloud. L’application finale est tout simplement trop lente pour avoir beaucoup de valeur dans un environnement de fabrication en plein rythme. Et les grandes quantités de flux de données provenant des 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 au service informatique, telles que la formation aux 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 le bord pour commencer l’inspection. Plusieurs modèles formés peuvent être utilisés dans un seul profil d’inspection.
Pour résumer, les avantages d’une solution d’inspection optique automatisée basée sur la plate-forme Edge ai incluent :
-
Interface Web facile à utiliser pour configurer de nouveaux profils d’inspection – aucune expertise en science des données ou en IA nécessaire
-
La formation rapide aux modèles dans le cloud offre la flexibilité nécessaire pour modifier les pièces ou les 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 à la recherche de 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 cas d’utilisation, la combinaison des deux tendances les plus marquantes de l’informatique d’entreprise ouvre la voie à une gamme de nouvelles applications qui nécessitent à la fois la puissance de traitement et de stockage du cloud et des temps de réponse de quelques millisecondes.
Contactez-nous pour savoir comment votre application pourrait bénéficier de notre plateforme d’intelligence Edge ai.
