GigaOM Radar Edge Platform Leader & Outperformer 2024 | 
엔터프라이즈 컴퓨팅 환경 전반에 걸쳐 향후 몇 년 동안 인공 지능(AI)과 에지 컴퓨팅이라는 두 가지 기술이 큰 영향을 미칠 것으로 예상됩니다. 최근 설문 조사에 따르면, C-Suite 경영진의 95%는 AI를 일상 업무에 도입함으로써 조직이 혜택을 누릴 수 있을 것으로 생각한다고 답했다. 마찬가지로, 에지 컴퓨팅에 대한 연구에 따르면 조직의 54%가 현재 에지 컴퓨팅 아키텍처를 사용하고 있거나 향후 12개월 내에 사용할 계획이라고 합니다. 또 다른 30%는 향후 24개월 동안 에지 아키텍처를 평가할 계획이라고 답했습니다.
이러한 기술에 대한 강력하고 거의 보편적 인 관심을 바탕으로 AI와 에지 컴퓨팅의 결합이 조직에 관심을 가질 것이라고 제안하는 것은 그리 길지 않습니다. 또한,이 조합은 그렇지 않으면 불가능했을 새롭고 흥미로운 응용 분야의 범위를 엽니 다. 이 블로그는 두 가지 예를 소개합니다.
AI 모델과 애플리케이션은 주로 클라우드에서 호스팅되고 교육되어야 하며, 이는 클라우드와 관련된 내재적인 지연 시간이 문제가 되지 않는 심층 분석에 적합합니다. 그러나 실시간으로 작업을 수행하기 위해 AI 기반 시스템이 필요한 애플리케이션의 경우 수천 마일 떨어진 데이터 센터로 데이터를 이전하는 데 수반되는 지연 시간이 대폭 줄어듭니다.
이것이 바로 에지 인텔리전스가 그림에 들어오는 곳입니다. 에지 인텔리전스는 프로세싱을 데이터 생성 소스와 더 가깝게 이동함으로써 지연 시간, 대역폭 및 보안과 같은 중앙 집중식 컴퓨팅의 몇 가지 한계를 해결하면서 확장성 및 복원력을 비롯한 클라우드의 모든 이점을 그대로 유지합니다. 또한 에지 인텔리전스 모델은 외부 네트워크 연결에 대한 의존도를 최소화하는데, 이는 연결 문제가 자주 발생하는 광산 또는 석유 굴착 장치와 같은 원격 위치의 미션 크리티컬 애플리케이션에 중요한 고려 사항입니다.
Akamai는 조직이 이러한 기술을 의미 있는 방식으로 효율적으로 채택하고 배포할 수 있도록 완벽하게 통합된 Edge AI 플랫폼을 구축했습니다. 제조, 소매, 의료, 미디어 및 엔터테인먼트 등 다양한 응용 분야 및 사용 사례에 적합합니다. 가능성은 거의 무한합니다.
많은 조직이 이미 에지 컴퓨팅 이니셔티브를 추구하고 있는 가운데, 에지 AI 애플리케이션을 배포하는 데 필요한 인프라 대부분은 이미 구축되어 있거나 곧 구축될 예정입니다. Akamai는 Edge AI를 클라우드에 구애받지 않는 상호 연결 기능을 갖춘 실시간으로 실행 가능한 데이터 및 머신 러닝(ML) 인사이트 플랫폼으로 설계했습니다. 즉, 조직은 심층적인 데이터 과학과 AI 전문 지식 없이도 이 플랫폼을 활용할 수 있습니다. 또한 다음 두 가지 사용 사례에서 알 수 있듯이 Edge AI 기반 솔루션은 배포, 관리 및 운영이 용이합니다.
AI 기반 안면 인증
감시 카메라와 ID 카드, 제조 공장 및 기타 시설과 같은 액세스 제어 메커니즘도 권한이 없는 사용자가 정책을 위반하여 제한된 장소에 액세스하는 것을 방지하기 위해 이러한 데이터를 실시간으로 처리하는 데 어려움을 겪고 있습니다. 허가받지 않은 방문자나 직원이 허가된 직원을 “뒤늦게”(출입할 권한이 있는 사람을 밀접하게 추적하여 보안 구역에 무단으로 출입하는 경우) 또는 시설 출입을 허용해야 하는 이유를 설명함으로써 접근하기가 너무 쉽습니다.
일부 제조 시설은 외부 방문자 외에도 보안 또는 품질 관리 이유로 매장의 다른 부분에서 근무하는 직원이 액세스할 수 있는 구역에 대한 엄격한 정책을 가지고 있습니다. 시설을 모니터링하는 보안 담당자의 경우 어느 직원이 어느 위치에 있는지 확실하게 파악하기가 어려울 수 있습니다. 지속적인 경계가 필요한 좋은 해결책이 없는 이러한 상황은 Edge AI 플랫폼을 기반으로 하는 안면 인식 솔루션에 이상적입니다.
안면 인식 시스템을 구현하는 것은 비교적 간단한 과정입니다. 시설 주변에 IP 기반 카메라 네트워크를 구축하는 것부터 시작합니다. 예를 들어, 작업 현장 내 제한 구역의 경우 카메라가 볼 수 있는 거리의 소프트 제한값으로 카메라가 구성됩니다. 이 소프트 제한값을 벗어난 사람이 있으면 카메라는 이를 무시합니다. 시스템은 보호 구역에 들어오는 사람을 감지하고 그 사람이 보호 구역에 들어갈 수 있는지 여부를 실시간으로 결정합니다. 이를 통해 대규모 물리적 작업 공간을 여러 논리적 작업 영역으로 분할하고 정확하게 모니터링할 수 있습니다.
최근 설문 조사에서, 95%의 C-Suite 경영진은 AI를 일상 업무에 통합함으로써 조직이 혜택을 누릴 수 있을 것으로 믿는다고 답했다.
안면 인식 시스템을 관리하고 운영하는 데는 채택을 방해할 수 있는 특별한 기술이나 광범위한 교육이 필요하지 않습니다. 직원의 얼굴과 사진은 일반적으로 HR 시스템에 있으며 액세스 규칙 및 정책과 함께 얼굴 인식 시스템으로 쉽게 가져올 수 있습니다. 임시 승인은 표준 보안 프로토콜의 일부로 처리되며, 필요한 경우 시스템 내에서 직접 장치를 관리하고 재배치하거나 교체할 수 있습니다.
클라우드 전용 솔루션과 비교할 때 엣지 기반 솔루션은 개인 정보(예: 사용자의 얼굴)를 클라우드에 무단으로 전송하는 것과 관련된 잠재적인 책임 및 법적 문제로부터 조직을 보호합니다. 캡처된 모든 데이터가 캠퍼스 외부로 이동하지 않도록 시스템을 구성하면 이러한 문제를 피할 수 있습니다.
에지 기반 얼굴 인식의 또 다른 장점은 실시간 추론입니다. 시스템은 권한이 없는 사용자가 감지되면 즉시 응답할 수 있습니다. 이는 거의 실시간으로 발생하는 것이 아니라 몇 밀리초의 지연 시간으로 발생하는 실시간으로 발생합니다. 침입자가 즉시 탐지되고, 권한 없는 사용자의 헤드샷과 함께 멀티미디어 메시징 서비스(MMS)를 통해 보안 담당자에게 지연 없이 경고가 전송되어 보안 팀이 적절한 조치를 취할 수 있습니다.
요약하자면, 에지 컴퓨팅 모델에 기반한 안면 인식 시스템의 장점은 다음과 같습니다.
-
여러 보호 구역이 있는 대형 작업장의 정확한 모니터링
-
간편한 장치 관리 및 구성
-
얼굴 정보를 클라우드로 전송하여 법적 책임이 발생할 수 있는 현명한 보호
-
승인되지 않은 방문자가 감지될 경우 실제 실시간 알림
광학 검사가 가장자리와 만남
Edge AI에 적합한 또 다른 사용 사례는 제조 공정 전반에 걸쳐 다양한 파트 및 어셈블리의 자동 광학 검사입니다. 전통적인 비전 시스템은 전자 시스템에서 의약품에 이르기까지 모든 것을 제작하기 위해 품질 관리 검사 및 검증에 오랫동안 사용되어 왔습니다.
전통적인 비전 시스템은 결함 및 기타 QA 문제를 정확하게 식별할 수 있지만, 기계 학습과 AI보다는 규칙 집합에 의존하여 부품과 어셈블리를 검사합니다. 따라서 특정 사용 사례 및 구성 요소로 제한되고 다양한 제품 유형으로 솔루션을 확장하는 기능이 제한됩니다. 타사 기술자는 새로운 모델이나 제품을 수용할 수 있도록 프로그램을 다시 프로그래밍해야 하며, 카메라 및 로봇 암의 위치를 정확하게 조정하여 변동성을 최소화해야 합니다. 또한 클라우드 통합이나 데이터 캡처 기능이 없으면 기존 시스템에서 데이터를 캡처하여 프로세스를 최적화할 수 없습니다. 이 모든 것은 비용을 크게 증가시키고 제조업체가 변화하는 시장 수요에 적시에 대응할 수 있는 능력을 저하시킵니다.
Edge AI 기반 시스템은 이러한 과제를 극복하고 오늘날 우리가 알고 있는 자동 광학 검사를 혁신할 수 있는 잠재력을 제공합니다. 제조업체는 최신 AI 및 ML 기반 솔루션을 사용하여 전체 제품 범위에 걸쳐 새로운 검사 프로파일을 빠르고 쉽게 설정하고 수정 및 개선을 즉시 구현할 수 있습니다.
직관적인 웹 기반 사용자 인터페이스를 갖춘 지능형 광학 검사 시스템을 통해 IT 또는 제조 팀원은 한 번의 클릭으로 검사에 필요한 이미지를 가져오고 획득할 수 있으며 교육 과정을 시작할 수 있습니다.
또한 AI가 데이터를 수집함에 따라 검사의 품질이 향상되어 카메라 이동 또는 위치 변경으로 인한 조명 또는 시야각의 변화를 견딜 수 있습니다. 이러한 적응성은 검사 카메라를 설정할 때에도 도움이 됩니다. 카메라 배치 렌즈 유형은 시야를 결정하며 다양한 제품 치수에 맞게 조정할 수 있습니다.
AI 기반 시스템은 인간처럼 조립된 부품을 검사할 수 있으며, 허용 가능한 편차를 훨씬 빠른 속도로 더 높은 일관성으로 파악할 수 있다. 신경 네트워크가 고양이와 개를 구별 할 수있는 것처럼 AI 기반 시스템은 특정 물체가 허용 가능한지 또는 구성 요소가 누락되거나 물리적 손상이 있는지 여부를 인식 할 수 있습니다. 내장된 광학 문자 인식(OCR)을 통해 AI는 바코드 또는 일련 번호도 스캔할 수 있습니다.
AI 및 ML 시스템은 특히 모델 교육을 위해 상당한 처리 능력과 저장이 필요합니다. 이러한 시스템은 일반적으로 클라우드 환경에서 호스팅됩니다. 다른 많은 유사한 클라우드 기반 애플리케이션과 마찬가지로 이미지와 데이터를 클라우드로 전송하는 데 따르는 지연 시간이 당면 과제입니다. 최종 애플리케이션은 속도가 너무 느려서 빠르게 변화하는 제조 환경에서 큰 가치를 발휘할 수 없습니다. 또한 카메라의 대용량 데이터 스트리밍으로 클라우드 스토리지 및 대역폭 요구 사항이 크게 증가합니다.
또는 Edge AI 애플리케이션의 경우 클라우드에서 가져온 숙련된 모델을 사용하여 에지에서 실시간으로 처리 및 추론이 수행되며 대부분의 스트리밍 콘텐츠가 로컬에 저장됩니다. 이러한 에지 기능은 CPU 집약적 모델 교육 및 수명 주기 관리와 같이 IT에 적합한 워크로드에 사용되는 클라우드와 완벽하게 통합됩니다. 새 검사 프로파일이 생성될 때마다 프로파일과 연결된 이미지가 클라우드에 자동으로 업로드되고, 모델은 해당 이미지와 함께 클라우드에서 교육됩니다. 교육이 완료되면 교육된 모델이 자동으로 가장자리에 배치되어 검사를 시작합니다. 여러 훈련된 모델을 단일 검사 프로파일에서 사용할 수 있습니다.
요약하면 Edge AI 플랫폼을 기반으로 하는 자동 광학 검사 솔루션의 장점은 다음과 같습니다.
-
데이터 과학이나 AI 전문 지식이 필요 없이 새로운 검사 프로필을 설정할 수 있는 사용이 간편한 웹 기반 인터페이스
-
클라우드에서의 신속한 모델 교육은 시간을 낭비하거나 품질을 저하시키지 않고 부품 또는 프로세스를 변경할 수 있는 유연성을 제공합니다.
-
조명이나 카메라 각도의 변화에 대한 신속한 조정
-
완전히 조립된 부품에 누락된 구성 요소 또는 손상이 있는지 신속히 검사
-
추가 분석을 위한 방대한 데이터 캡처 및 프로세스 개선 및 미세 조정
이러한 사용 사례에서 알 수 있듯이, 오늘날 엔터프라이즈 컴퓨팅에서 가장 두드러진 두 가지 트렌드가 결합되어 클라우드의 처리 능력과 스토리지 성능과 밀리초 응답 시간이 모두 필요한 새로운 애플리케이션이 다양하게 등장하게 되었습니다.
귀사의 애플리케이션이 Edge AI 인텔리전스 플랫폼의 이점을 어떻게 활용할 수 있는지 알아보려면 당사에 문의하십시오.
