Home Blogs Edge AIのユースケースを探る
Applications

Edge AIのユースケースを探る

About The Author

Outline

エンタープライズコンピューティングの全体的な状況では、人工知能(AI)とエッジコンピューティングという2つのテクノロジーが今後大きな影響を与えることは確実です。 最近の調査では 、経営幹部の95%が、日常業務にAIを組み込むことで企業が利益を得られると考えていると回答しています。 同様に、エッジコンピューティングに関する調査では 、54%の組織が現在、今後12の数か月でエッジコンピューティングアーキテクチャを使用しているか、使用する予定であることが示されて います。 さらに30%が、今後24の数か月以内にエッジアーキテクチャを評価する予定です。

これらのテクノロジーに対する強い、ほぼ普遍的な関心に基づいて、AIとエッジコンピューティングを組み合わせることが組織に関心を持つことを示唆するのは、それほど大きなストレッチではありません。 さらに、この組み合わせにより、他では不可能だった新しいエキサイティングなアプリケーション領域が広がります。 このブログでは、2つの例を紹介します。

主に、AIモデルとアプリケーションはクラウドでホストされ、トレーニングされる必要があります。これは、クラウドに固有のレイテンシーが問題にならない詳細な分析に適しています。 しかし、リアルタイムでアクションを実行するためにAIベースのシステムを必要とするアプリケーションでは、数千マイル離れているデータセンターへのデータのやり取りに伴うレイテンシーが大きな障害となります。

そこでエッジインテリジェンスが登場します。 エッジインテリジェンスは、処理をデータ生成のソースに近づけることで、レイテンシー、帯域幅、セキュリティなどの集中型コンピューティングのいくつかの制限に対処しますが、スケーラビリティや復元力など、クラウドのすべての利点を維持します。 エッジインテリジェンスモデルは、外部ネットワーク接続への依存性も最小限に抑えます。これは、鉱山や石油掘削装置などの遠隔地のミッションクリティカルなアプリケーションでは、接続の課題に常に直面している重要な考慮事項です。

完全に統合されたEdge AIプラットフォームを構築し、組織がこれらのテクノロジーを有意義な方法で効率的に導入および展開できるようにしました。 製造、小売、医療、メディア、エンターテイメントなど、幅広いアプリケーション分野とユースケースに最適です。 可能性は無限大です。

多くの組織がすでにエッジコンピューティングイニシアチブを推進しているため、エッジAIアプリケーションの導入に必要なインフラストラクチャの多くはすでに導入されているか、まもなく導入される予定です。 エッジAIは、クラウドに依存しない相互接続を備えたリアルタイムで実用的なデータおよび機械学習(ML)インサイトプラットフォームとして設計されています。つまり、組織は、深いデータサイエンスとAIの専門知識を必要とせずに、今日からプラットフォームを活用することができます。 また、次の2つのユースケースが示すように、Edge AIをベースとしたソリューションは、導入、管理、運用が簡単です。

AIによる顔認証

監視カメラやIDカード、製造工場などのアクセス制御メカニズムでさえ、不正なユーザーがポリシーに違反して制限された場所にアクセスするのを防ぐために、リアルタイムでこのデータに対処するのに苦労しています。 許可された従業員を「テールゲート」することで(許可されていない人に近づくことで)保護されたエリアに不正に入ることができたり、施設に入ることを許可する理由を言い訳したりすることで、不正な訪問者や従業員がアクセスするのは非常に簡単です。

外部からの訪問者以外にも、安全や品質管理などの理由で、ショップ内の他の地域の従業員がアクセスできる場所について厳格なポリシーを定めている製造施設もあります。 施設を監視するセキュリティ担当者にとって、どの従業員がどの場所にいることが許可されているかを確実に知ることは困難な場合があります。 常に警戒を必要とする優れたソリューションがないというこの状況は、Edge AIプラットフォームをベースとした顔認識ソリューションに最適です。

顔認識システムの実装は比較的簡単なプロセスです。 まず、施設周辺にIPベースのカメラのネットワークを構築します。 たとえば、作業現場内の制限されたエリアでは、カメラはカメラが見える距離のソフトリミットで構成されています。 ソフトリミットの外側にいる人は、カメラはそれを無視します。 システムは保護ゾーンに入る人を検知し、その人がそこにいるかどうかをリアルタイムで判断します。 これにより、大規模な物理ワークスペースを複数の論理ワークゾーンに分割し、正確に監視することができます。

最近の調査では、経営幹部の95%が、日常業務にAIを組み込むことで企業が利益を得られると考えていると回答しています。

顔認識システムの管理と操作は、採用を妨げる可能性のある特別なスキルや広範なトレーニングを必要としません。 従業員の顔や写真は通常人事システムにあり、アクセスルールやポリシーとともに顔認識システムに簡単にインポートできます。 一時的な承認は標準のセキュリティプロトコルの一部として処理され、デバイスは必要に応じてシステム内で直接管理および再配置または交換できます。

クラウドのみのソリューションと比較して、エッジベースのソリューションは、許可なくクラウドに人の顔など、個人情報を送信する際に発生する潜在的な責任や法的課題から組織を保護します。 キャプチャされたすべてのデータがキャンパス外に移動しないようにシステムを構成することで、このような課題を回避できます。

エッジベースの顔認識のもう1つの利点は、リアルタイムの推論です。 不正なユーザーが検出された場合、システムは即座に応答できます。 これは、ほぼリアルタイムではなく、わずか数ミリ秒の遅延でリアルタイムで発生します。 侵入者は即座に検知され、許可されていないユーザーのヘッドショットを含むマルチメディアメッセージングサービス(MMS)を介してセキュリティ担当者に警告が遅滞なく送信されるため、セキュリティチームは適切な措置を講じることができます。

要約すると、エッジコンピューティングモデルに基づく顔認識システムの利点は次のとおりです。

  • 複数の保護エリアを持つ大規模な作業現場の正確な監視

  • 容易なデバイス管理と設定

  • 顔情報をクラウドに送信することによる潜在的な法的責任からスマートに保護

  • 不正な訪問者が検出された場合にリアルタイムでアラートを送信

光学検査がエッジを満たす

Edge AIに適したもう1つのユースケースは、製造プロセス全体でさまざまな部品やアセンブリの自動光学検査です。 従来のビジョンシステムは、電子システムから医薬品まで、あらゆるものを製造するための品質管理検査と検証に長い間使用されてきました。

従来のビジョンシステムでは、欠陥やその他のQA問題を正確に特定できますが、部品やアセンブリを検査するために機械学習やAIではなく、ルールセットに依存しています。 これにより、特定のユースケースとコンポーネントに限定され、さまざまな製品タイプにわたってソリューションを拡張する能力が制限されます。 サードパーティの技術者は、新しいモデルや製品に対応するためにそれらを再プログラムする必要があります。また、カメラとロボットアームは、ばらつきを最小限に抑えるために正確に再配置する必要があります。 また、クラウド統合やデータキャプチャ機能がなければ、従来のシステムではデータをキャプチャしてプロセスを最適化することはできません。 これらすべてにより、コストが大幅に増加し、メーカーが変化する市場の需要にタイムリーに対応する能力が低下します。

エッジAIをベースとしたシステムは、これらの課題を克服し、今日の私たちが知っているように自動光学検査を変革する可能性を提供します。 最新のAIおよびMLベースのソリューションを使用することで、メーカーは製品範囲全体にわたって新しい検査プロファイルを迅速かつ簡単に設定し、その場で修正や改良を実施できます。

直感的なWebベースのユーザーインターフェイスを備えたインテリジェントな光学検査システムにより、ITまたは製造チームのメンバーは、検査に必要な画像をインポートして取得し、ワンクリックでトレーニングルーチンを開始できます。

さらに、AIがデータを収集するにつれて、検査の品質が向上し、カメラの動きや位置の変化による照明や視野の変化にも耐えられます。 この適応性は、検査カメラを設定する際にも役立ちます。カメラ配置レンズタイプは視野を決定し、さまざまな製品寸法に対応するように調整できます。

AIベースのシステムは、人間のように組み立てられた部品を検査し、許容可能な偏差をはるかに速く、より高い一貫性で理解できます。 ニューラルネットワークが猫と犬を区別できるように、AIベースのシステムは、特定のオブジェクトが許容できるか、コンポーネントが欠けているか、物理的な損傷があるかを認識できます。 内蔵の光学文字認識(OCR)により、AIはバーコードやシリアル番号をスキャンすることもできます。

AIおよびMLシステムは、特にモデルのトレーニングに、かなりの処理能力とストレージを必要とします。 そのため、このようなシステムは通常クラウド環境でホストされます。 他の多くの同様のクラウドベースのアプリケーションと同様に、課題は、クラウドへの画像やデータのやり取りに伴うレイテンシーです。テンポの速い製造環境では、エンドアプリケーションの処理速度が遅すぎて価値がありません。 また、カメラからの大量のデータストリーミングにより、クラウドストレージと帯域幅の要件が大幅に増加します。

また、Edge AIアプリケーションでは、クラウドから抽出されたトレーニング済みモデルを使用してエッジ上でリアルタイムに処理と推論が行われ、ほとんどのストリーミングコンテンツがローカルに保存されます。 これらのエッジ機能はクラウドと完全に統合されており、CPU負荷の高いモデルトレーニングやライフサイクル管理など、ITに適したワークロードに使用されます。 新しい検査プロファイルが作成されるたびに、プロファイルに関連付けられた画像が自動的にクラウドにアップロードされ、モデルがそれらの画像を使用してクラウドでトレーニングされます。 トレーニングが完了すると、トレーニングされたモデルが自動的にエッジに展開され、検査が開始されます。 1つの検査プロファイルで複数のトレーニング済みモデルを使用できます。

要約すると、Edge AIプラットフォームに基づく自動光学検査ソリューションの利点は次のとおりです。

  • 新しい検査プロファイルを設定するための使いやすいWebベースのインターフェイス–データサイエンスやAIの専門知識は不要

  • クラウドでの迅速なモデルトレーニングにより、時間や品質を犠牲にすることなく、部品やプロセスを変更できる柔軟性が得られます。

  • 照明やカメラアングルの変化に迅速に対応

  • 完全に組み立てられた部品の欠品または損傷の迅速な検査

  • 詳細な分析とプロセスの強化と改良のための膨大なデータ収集

これらのユースケースが示すように、今日のエンタープライズコンピューティングにおける2つの最もホットなトレンドを組み合わせることで、クラウドの処理能力とストレージ能力、ミリ秒の応答時間の両方を必要とするさまざまな新しいアプリケーションが可能になります。

アプリケーションがEdge AIインテリジェンスプラットフォームからどのようにメリットを得られるかについては、お問い合わせください