Home Blogs Analisi dei casi di utilizzo dell’intelligenza artificiale Edge
Applications

Analisi dei casi di utilizzo dell’intelligenza artificiale Edge

About The Author

Outline

Nel panorama dell’informatica aziendale, due tecnologie avranno sicuramente un impatto importante nei prossimi anni: L’intelligenza artificiale (ai) e l’edge computing. In un recente sondaggio, il 95% dei dirigenti di C-suite ha affermato di ritenere che le loro organizzazioni trarrebbero vantaggio dall’incorporare l’intelligenza artificiale nelle loro operazioni quotidiane. Allo stesso modo, la ricerca sull’edge computing mostra che il 54% delle organizzazioni attualmente utilizza o prevede di utilizzare un’architettura edge computing nei prossimi 12 mesi. Un altro 30% intende valutare un’architettura edge nei prossimi 24 mesi.

Sulla base del forte interesse quasi universale per queste tecnologie, non è certo un gran passo suggerire che la combinazione di intelligenza artificiale e edge computing interesserà le organizzazioni. Inoltre, questa combinazione apre una gamma di nuove ed eccitanti aree di applicazione che altrimenti non sarebbero possibili. Questo blog presenterà due esempi.

In gran parte, i modelli e le applicazioni di intelligenza artificiale devono essere ospitati e addestrati nel cloud, il che funziona bene per analisi approfondite in cui la latenza intrinseca coinvolta nel cloud non è un problema. Tuttavia, per le applicazioni che richiedono un sistema basato sull’intelligenza artificiale per eseguire azioni in tempo reale, la latenza associata al trasferimento dei dati avanti e indietro in un data center, che potrebbe trovarsi a migliaia di chilometri di distanza, è un punto di forza.

È qui che entra in gioco l’intelligenza edge. Spostando l’elaborazione più vicino alla fonte di generazione dei dati, l’edge intelligence risolve diverse limitazioni del computing centralizzato, come la latenza, la larghezza di banda e la sicurezza, pur mantenendo tutti i vantaggi del cloud, tra cui scalabilità e resilienza. Il modello Edge Intelligence riduce al minimo la dipendenza dalla connettività di rete esterna, un fattore importante per le applicazioni mission-critical in luoghi remoti come miniere o piattaforme petrolifere che affrontano regolarmente le sfide della connettività.

Abbiamo creato la piattaforma Edge ai completamente integrata per aiutare le organizzazioni ad adottare e implementare in modo efficiente queste tecnologie in modi significativi. È particolarmente adatto per un’ampia gamma di aree applicative e casi d’uso, tra cui produzione, vendita al dettaglio, assistenza sanitaria, media e intrattenimento e molto altro ancora. Le possibilità sono quasi infinite.

Poiché molte organizzazioni stanno già intraprendendo iniziative di edge computing, gran parte dell’infrastruttura necessaria per implementare le applicazioni di intelligenza artificiale Edge è già in uso o lo sarà presto. Abbiamo progettato l’intelligenza artificiale Edge per essere una piattaforma di analisi dei dati e dell’apprendimento automatico (ML) in tempo reale con interconnessione indipendente dal cloud, il che significa che un’organizzazione può iniziare a trarre vantaggio dalla piattaforma oggi senza bisogno di conoscenze approfondite in materia di scienza dei dati e intelligenza artificiale. Inoltre, come dimostrano i due casi di utilizzo riportati di seguito, le soluzioni basate sull’intelligenza artificiale Edge sono facili da implementare, gestire e utilizzare.

Autorizzazione facciale basata SULL’INTELLIGENZA ARTIFICIALE

Anche le telecamere di sorveglianza e i meccanismi di controllo degli accessi, come le schede di identificazione, gli impianti di produzione e altre strutture, faticano ad agire in tempo reale su questi dati per impedire agli utenti non autorizzati di accedere a luoghi limitati in violazione delle policy. È fin troppo facile per un visitatore non autorizzato o anche un dipendente ottenere l’accesso tramite “tailgating” (ottenere l’ingresso non autorizzato in un’area protetta seguendo attentamente qualcuno con l’autorità di entrare) un dipendente autorizzato o facendo una scusa per il motivo per cui dovrebbe essere permesso loro di entrare nella struttura.

Oltre ai visitatori esterni, alcuni stabilimenti di produzione hanno politiche rigorose sulle aree a cui i dipendenti di altre parti del negozio possono accedere per motivi di sicurezza o di controllo della qualità, tra gli altri. Per il personale addetto alla sicurezza che monitora la struttura, può essere difficile sapere con certezza quali dipendenti sono autorizzati a trovarsi in quali sedi. Questa situazione in cui semplicemente non esiste una buona soluzione, che richiede anche una vigilanza costante, è ideale per una soluzione di riconoscimento facciale basata sulla piattaforma di intelligenza artificiale Edge.

L’implementazione di un sistema di riconoscimento facciale è un processo relativamente semplice. Inizia con la configurazione di una rete di telecamere basate su IP intorno alla struttura. Per le aree riservate all’interno di un reparto di produzione, ad esempio, le telecamere sono configurate con un limite soft sulla distanza visibile dalla telecamera. Quando qualcuno si trova al di fuori del limite di tolleranza, la fotocamera non li terrà in considerazione. Il sistema rileva chiunque entri in una zona protetta e determina in tempo reale se la persona è autorizzata o meno a trovarla. Ciò consente di suddividere un’ampia area di lavoro fisica in più aree di lavoro logiche e monitorarla accuratamente.

In un recente sondaggio, il 95% dei dirigenti C-suite ha affermato di ritenere che le organizzazioni trarrebbero vantaggio dall’integrazione dell’intelligenza artificiale nelle operazioni quotidiane.

La gestione e il funzionamento del sistema di riconoscimento facciale non richiede competenze speciali o una formazione estesa che potrebbe ostacolare l’adozione. I volti e le fotografie dei dipendenti si trovano in genere nei sistemi HR e possono essere facilmente importati nel sistema di riconoscimento facciale insieme a regole e policy di accesso. Le autorizzazioni temporanee vengono gestite come parte dei protocolli di sicurezza standard e i dispositivi possono essere gestiti e trasferiti o sostituiti in base alle necessità direttamente all’interno del sistema.

Rispetto alle alternative basate solo sul cloud, una soluzione basata sulla periferia protegge le organizzazioni dalle potenziali responsabilità e dalle sfide legali associate all’invio di informazioni personali, come i volti delle persone al cloud senza il loro permesso. La configurazione del sistema per garantire che tutti i dati acquisiti non vadano da nessuna parte al di fuori di un campus evita tali sfide.

Un altro vantaggio del riconoscimento facciale basato sui margini è l’inferenza in tempo reale. Il sistema può rispondere istantaneamente quando viene rilevato un utente non autorizzato. Questo non accade in tempo quasi reale ma in tempo reale con solo pochi millisecondi di latenza. Qualsiasi intruso viene rilevato immediatamente e un avviso viene inviato senza indugio al personale addetto alla sicurezza tramite un MMS (Multimedia Messaging Service) con un’immagine dell’utente non autorizzato, consentendo al team di sicurezza di intraprendere le azioni appropriate.

In sintesi, i vantaggi di un sistema di riconoscimento facciale basato su un modello edge computing includono:

  • Monitoraggio accurato di grandi officine con più aree protette

  • Facile gestione e configurazione dei dispositivi

  • Protezione intelligente da potenziali responsabilità legali dovute all’invio di informazioni facciali al cloud

  • Avvisi reali in tempo reale se viene rilevato un visitatore non autorizzato

L’ispezione ottica soddisfa il bordo

Un altro caso d’uso adatto all’intelligenza artificiale Edge è l’ispezione ottica automatizzata di varie parti e assiemi durante l’intero processo di produzione. I sistemi di visione tradizionali sono stati utilizzati da tempo per l’ispezione e la convalida del controllo di qualità per fabbricare qualsiasi cosa, dai sistemi elettronici ai prodotti farmaceutici.

Mentre i sistemi di visione tradizionali sono in grado di identificare con precisione difetti e altri problemi di controllo della qualità, si affidano ai set di regole piuttosto che all’apprendimento automatico e all’intelligenza artificiale per ispezionare parti e assiemi. Questo li limita a casi d’uso e componenti specifici e limita la capacità di scalare le soluzioni su vari tipi di prodotti. I tecnici di terze parti devono riprogrammarli per adattarsi a nuovi modelli o prodotti e le telecamere e i bracci robotici devono essere riposizionati accuratamente per ridurre al minimo la variabilità. E senza integrazione nel cloud o capacità di acquisizione dati, i sistemi tradizionali non possono acquisire dati per ottimizzare i processi. Tutto ciò aumenta significativamente i costi e riduce la capacità dei produttori di rispondere tempestivamente alle mutevoli richieste del mercato.

Un sistema basato sull’intelligenza artificiale Edge supera queste sfide e offre il potenziale per trasformare l’ispezione ottica automatizzata così come la conosciamo oggi. Utilizzando moderne soluzioni basate su IA e ML, i produttori possono configurare in modo rapido e semplice nuovi profili di ispezione per un’intera gamma di prodotti e implementare modifiche e perfezionamenti al volo.

Con un’interfaccia utente intuitiva basata sul Web, un sistema di ispezione ottica intelligente consente ai membri DEL team IT o di produzione di importare e acquisire le immagini necessarie per l’ispezione e avviare le procedure di formazione con un solo clic.

Inoltre, man mano che l’IA raccoglie i dati, la qualità delle ispezioni migliora in modo da poter tollerare le variazioni di illuminazione o campo visivo dovute al movimento della telecamera o a cambiamenti di posizione. Questa adattabilità aiuta anche quando si tratta di configurare le telecamere di ispezione; il tipo di obiettivo di posizionamento della telecamera determina il campo visivo e può essere regolato per adattarsi a varie dimensioni del prodotto.

Un sistema basato sull’intelligenza artificiale è in grado di ispezionare le parti assemblate come un essere umano e comprende deviazioni accettabili a un ritmo molto più rapido e con maggiore coerenza. Proprio come una rete neurale può distinguere tra un gatto e un cane, un sistema basato sull’IA può percepire se un particolare oggetto è accettabile o ha componenti mancanti o qualche danno fisico. Grazie al riconoscimento ottico dei caratteri (OCR) integrato, l’IA può anche eseguire la scansione di codici a barre o numeri di serie.

I sistemi AI e ML richiedono una notevole potenza di elaborazione e conservazione, in particolare per l’addestramento dei modelli. Ecco perché tali sistemi sono tipicamente ospitati in un ambiente cloud. Come per molte altre applicazioni simili basate su cloud, la sfida è la latenza che comporta l’invio di immagini e dati avanti e indietro nel cloud: L’applicazione finale è troppo lenta per essere di grande valore in un ambiente di produzione a ritmi serrati. Inoltre, la grande quantità di dati in streaming dalle telecamere aumenta significativamente i requisiti di storage e larghezza di banda nel cloud.

In alternativa, con un’applicazione Edge ai, l’elaborazione e l’inferenza avvengono in tempo reale sulla periferia della rete utilizzando modelli addestrati estratti dal cloud e la maggior parte dei contenuti in streaming viene archiviata localmente. Queste funzioni edge sono completamente integrate nel cloud, utilizzato per carichi di lavoro adatti all’IT, come la formazione intensiva sui modelli e la gestione del ciclo di vita. Ogni volta che vengono creati nuovi profili di ispezione, le immagini associate al profilo vengono caricate automaticamente nel cloud e il modello viene quindi addestrato nel cloud con tali immagini. Una volta completato il corso di formazione, i modelli addestrati si distribuiscono automaticamente all’edge per iniziare l’ispezione. È possibile utilizzare più modelli addestrati in un unico profilo di ispezione.

In sintesi, i vantaggi di una soluzione di ispezione ottica automatizzata basata sulla piattaforma Edge ai includono:

  • Interfaccia basata sul Web facile da usare per la configurazione di nuovi profili di ispezione, senza bisogno di conoscenze scientifiche o di intelligenza artificiale

  • La formazione rapida dei modelli nel cloud offre la flessibilità necessaria per cambiare parti o processi senza perdere tempo o compromettere la qualità

  • Adattamento rapido ai cambiamenti di illuminazione o angolazione della telecamera

  • Ispezione rapida delle parti completamente assemblate per verificare l’eventuale presenza di componenti mancanti o danni

  • Vasta acquisizione di dati per ulteriori analisi e per consentire miglioramenti e perfezionamenti dei processi

Come dimostrato da questi casi di utilizzo, la combinazione delle due tendenze più attuali nel computing aziendale apre la strada a una gamma di nuove applicazioni che richiedono sia la potenza di elaborazione che di storage del cloud, oltre a tempi di risposta di millisecondi.

Contattateci per scoprire in che modo la vostra applicazione potrebbe trarre vantaggio dalla nostra piattaforma di intelligenza artificiale Edge.