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 dirigenti di C-suite ha dichiarato di ritenere che le proprie organizzazioni trarrebbero vantaggio dall’integrazione dell’IA nelle operazioni quotidiane. Allo stesso modo, una ricerca sull’edge computing mostra che il 54% delle organizzazioni attualmente utilizza o prevede di utilizzare un’architettura di edge computing nei prossimi 12 mesi. Un altro 30% intende valutare un’architettura perimetrale nei prossimi 24 mesi.
Sulla base del forte interesse quasi universale per queste tecnologie, non è certamente un gran tratto suggerire che combinare l’intelligenza artificiale e l’edge computing interesserà le organizzazioni. Inoltre, questa combinazione apre una serie di nuove ed entusiasmanti aree di applicazione che altrimenti non sarebbero possibili. Questo blog mostrerà 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 l’analisi approfondita in cui la latenza intrinseca coinvolta nel cloud non è un problema. Ma per le applicazioni che richiedono un sistema basato sull’intelligenza artificiale per eseguire azioni in tempo reale, la latenza necessaria per spostare i dati avanti e indietro verso un data center, che potrebbe essere a migliaia di chilometri di distanza, è un punto di forza.
È qui che entra in gioco l’intelligenza perimetrale. Avvicinando l’elaborazione 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 di intelligenza perimetrale riduce al minimo la dipendenza dalla connettività di rete esterna, un aspetto importante per le applicazioni mission-critical in luoghi remoti come miniere o piattaforme petrolifere che affrontano regolarmente problemi di connettività.
Abbiamo costruito la piattaforma Edge ai completamente integrata per aiutare le organizzazioni ad adottare e implementare in modo efficiente queste tecnologie in modi significativi. È adatto per un’ampia gamma di aree di applicazione e casi di utilizzo in ambito manifatturiero, retail, sanitario, media e intrattenimento e molto altro ancora. Le possibilità sono quasi infinite.
Poiché molte organizzazioni stanno già perseguendo 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 dati e approfondimenti di apprendimento automatico (ML) in tempo reale con interconnessione indipendente dal cloud, il che significa che un’organizzazione può iniziare a sfruttare la piattaforma oggi stesso senza bisogno di conoscenze approfondite in ambito di scienza dei dati e intelligenza artificiale. Inoltre, come illustrato nei due casi d’uso seguenti, 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 carte 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 per un dipendente ottenere l’accesso “tailgating” (ottenere l’accesso non autorizzato in un’area protetta seguendo da vicino qualcuno con l’autorizzazione ad 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 su quali aree i dipendenti di altre parti del negozio possono accedere per motivi di sicurezza o di controllo 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 ai Edge.
L’implementazione di un sistema di riconoscimento facciale è un processo relativamente semplice. Inizia impostando una rete di telecamere basate su IP intorno alla struttura. Per le aree riservate all’interno di un’officina, ad esempio, le telecamere sono configurate con un limite morbido sulla distanza di visibilità della telecamera. Quando qualcuno si trova al di fuori del limite soft, 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 o meno autorizzata a essere presente. Ciò consente di suddividere un ampio spazio di lavoro fisico in più aree di lavoro logiche e di monitorarlo accuratamente.
In un recente sondaggio, il 95% dei dirigenti C-suite ha dichiarato di ritenere che le proprie organizzazioni trarrebbero vantaggio dall’integrazione dell’intelligenza artificiale nelle operazioni quotidiane.
La gestione e il funzionamento del sistema di riconoscimento facciale non richiedono competenze speciali o una formazione estesa che potrebbero 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 esclusivamente sul cloud, una soluzione basata sulla periferia protegge le organizzazioni dalle potenziali responsabilità e sfide legali associate all’invio di informazioni personali, come i volti delle persone nel 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 bordi è l’inferenza in tempo reale. Il sistema è in grado di rispondere immediatamente 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 MMS (Multimedia Messaging Service) con un colpo d’occhio dell’utente non autorizzato, consentendo al team di sicurezza di adottare le misure appropriate.
In sintesi, i vantaggi di un sistema di riconoscimento facciale basato su un modello di 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 in tempo reale se viene rilevato un visitatore non autorizzato
L’ispezione ottica raggiunge il bordo
Un altro caso di utilizzo particolarmente adatto all’intelligenza artificiale Edge è l’ispezione ottica automatizzata di varie parti e assiemi durante tutto il processo di produzione. I sistemi di visione tradizionali sono stati a lungo utilizzati 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 basano su set di regole piuttosto che sull’apprendimento automatico e sull’intelligenza artificiale per ispezionare parti e assiemi. Ciò li limita a casi d’uso e componenti specifici e limita la capacità di scalare le soluzioni per diversi tipi di prodotto. I tecnici di terze parti devono riprogrammarli per adattarsi a nuovi modelli o prodotti e le telecamere e i bracci robotici devono essere riposizionati con precisione per ridurre al minimo la variabilità. E senza integrazione cloud o funzionalità di acquisizione dati, i sistemi tradizionali non sono in grado di acquisire dati per ottimizzare i processi. Tutto ciò aumenta notevolmente i costi e riduce la capacità dei produttori di rispondere tempestivamente alle mutevoli richieste del mercato.
Un sistema basato sull’intelligenza artificiale perimetrale supera queste sfide e offre il potenziale per trasformare l’ispezione ottica automatizzata come la conosciamo oggi. Utilizzando moderne soluzioni basate SU IA e ML, i produttori possono configurare in modo semplice e rapido nuovi profili di ispezione in un’intera gamma di prodotti e implementare modifiche e perfezionamenti al volo.
Grazie a 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 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 dell’illuminazione o del campo visivo dovute al movimento della telecamera o ai cambiamenti di posizione. Questa adattabilità è utile anche quando è il momento di impostare 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 le 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’intelligenza artificiale può percepire se un particolare oggetto è accettabile o presenta 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 in genere ospitati in un ambiente cloud. Come per molte altre applicazioni simili basate su cloud, la sfida è la latenza associata all’invio di immagini e dati al cloud: L’applicazione finale è troppo lenta per essere di grande valore in un ambiente di produzione frenetico. Inoltre, le grandi quantità di dati in streaming dalle videocamere aumentano significativamente i requisiti di archiviazione cloud e larghezza di banda.
In alternativa, con un’applicazione Edge ai, l’elaborazione e l’inferenza avvengono in tempo reale sulla rete perimetrale utilizzando modelli addestrati estratti dal cloud e la maggior parte dei contenuti in streaming viene archiviata localmente. Queste funzioni perimetrali sono completamente integrate con il cloud, utilizzato per carichi di lavoro adatti all’IT, come la formazione intensiva sui modelli e la gestione del ciclo di vita della CPU. 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 di facile utilizzo per la configurazione di nuovi profili di ispezione, senza bisogno di scienza dei dati o esperienza ai
-
La formazione rapida sui modelli nel cloud offre la flessibilità necessaria per cambiare parti o processi senza perdere tempo o sacrificare la qualità
-
Sistemazione rapida in caso di variazioni dell’illuminazione o dell’angolazione della telecamera
-
Ispezione rapida delle parti completamente assemblate per verificare che non siano presenti componenti mancanti o danni
-
Vasta acquisizione di dati per ulteriori analisi e per consentire miglioramenti e perfezionamenti dei processi
Come dimostrano questi casi d’uso, la combinazione delle due tendenze più attuali nel computing aziendale apre una serie di nuove applicazioni che richiedono sia la potenza di elaborazione che di storage del cloud, oltre a tempi di risposta in millisecondi.
Contattateci per scoprire in che modo la vostra applicazione potrebbe trarre vantaggio dalla nostra piattaforma di intelligenza artificiale Edge.
