Home Blogs Explorando casos de uso da IA do Edge
Applications

Explorando casos de uso da IA do Edge

About The Author

Outline

Em todo o cenário de computação empresarial, duas tecnologias certamente terão um grande impactos nos próximos anos: Inteligência artificial (IA) e computação de borda. Em uma pesquisarecente , 95% dos executivos da C-suite disseram acreditar que suas organizações se beneficiariam de incorporar a IA em suas operações diárias. Da mesma forma, a pesquisa sobre computação de borda mostra que 54% das organizações atualmente usam ou planejam usar uma arquitetura de computação de borda nos próximos 12 meses. Outros 30% pretendem avaliar uma arquitetura de borda nos próximos 24 meses.

Com base no forte e quase universal interesse por essas tecnologias, certamente não é muito importante sugerir que a combinação de IA e computação de borda interessará as organizações. Além disso, esta combinação abre uma gama de novas e excitantes áreas de aplicação que, de outra forma, não seriam possíveis. Este blog vai mostrar dois exemplos.

Em grande parte, modelos e aplicativos de IA precisam ser hospedados e treinados na nuvem, o que funciona bem para análises aprofundadas, onde a latência inerente envolvida com a nuvem não é um problema. Mas para aplicativos que exigem um sistema baseado em IA para executar ações em tempo real, a latência envolvida com a movimentação de dados para um data center, que pode estar a milhares de quilômetros de distância, é um ponto de vista.

É aí que a inteligência de borda entra na imagem. Ao aproximar o processamento da fonte de geração de dados, a inteligência de borda aborda várias limitações da computação centralizada, como latência, largura de banda e segurança, mantendo todas as vantagens da nuvem, incluindo escalabilidade e resiliência. O modelo de inteligência de borda também minimiza a dependência da conetividade de rede externa, uma consideração importante para aplicações de missão crítica em locais remotos, como minas ou plataformas de petróleo que enfrentam regularmente desafios de conetividade.

Criamos a plataforma de IA Edge totalmente integrada para ajudar as organizações a adotar e implementar essas tecnologias de forma eficiente de forma significativa. É adequado para uma ampla gama de áreas de aplicação e casos de uso em manufatura, varejo, saúde, mídia e entretenimento, e muito mais. As possibilidades são quase infinitas.

Com muitas organizações que já buscam iniciativas de computação de borda, grande parte da infraestrutura necessária para implantar aplicativos de IA de borda já está em vigor ou estará em breve. Projetamos o Edge AI para ser uma plataforma de insights de dados e aprendizado de máquina (ML) em tempo real com interconexão independente da nuvem, o que significa que uma organização pode começar a aproveitar a plataforma hoje sem precisar de ciência de dados profunda e conhecimento em IA. E, como os dois casos de uso a seguir ilustram, as soluções baseadas no Edge AI são fáceis de implantar, gerenciar e operar.

Autorização facial orientada por IA

Até mesmo câmeras de vigilância e mecanismos de controle de acesso, como cartões de identificação, fábricas e outras instalações, lutam para agir sobre esses dados em tempo real para evitar que usuários não autorizados acessem lugares restritos em violação da política. É muito fácil para um visitante não autorizado ou até mesmo um funcionário obter acesso “tailgating” (obter entrada não autorizada em uma área protegida, seguindo de perto alguém com autoridade para entrar) um funcionário autorizado ou fazendo uma desculpa para o motivo pelo qual ele deve ser permitido para a instalação.

Além dos visitantes externos, algumas instalações fabris têm políticas rígidas sobre quais áreas os funcionários de outras partes da loja podem acessar por razões de segurança ou controle de qualidade, entre outras. Para o pessoal de segurança que monitora a instalação, pode ser desafiador saber com certeza quais funcionários estão autorizados a estar em quais locais. Esta situação em que simplesmente não existe uma boa solução, que também requer vigilância constante, é ideal para uma solução de reconhecimento facial baseada na plataforma Edge AI.

Implementar um sistema de reconhecimento facial é um processo relativamente simples. Começa por configurar uma rede de câmaras baseadas em IP em torno da instalação. Para áreas restritas dentro de um chão de fábrica, por exemplo, as câmeras são configuradas com um limite suave sobre a distância que a câmera pode ver. Quando alguém está fora desse limite suave, a câmera irá ignorá-los. O sistema deteta qualquer pessoa que entra numa zona protegida e determina em tempo real se a pessoa está ou não autorizada a estar lá. Isso permite que um grande espaço de trabalho físico seja dividido em várias zonas de trabalho lógicas e monitorado com precisão.

Em uma pesquisa recente, 95% dos executivos da C-suite disseram acreditar que suas organizações se beneficiariam de incorporar a IA em suas operações diárias.

Gerenciar e operar o sistema de reconhecimento facial não requer habilidades especiais ou treinamento extensivo que possa impedir a adoção. Rostos e fotografias de funcionários são tipicamente em sistemas de RH e podem ser facilmente importados para o sistema de reconhecimento facial, juntamente com regras de acesso e políticas. As autorizações temporárias são tratadas como parte de protocolos de segurança padrão, e os dispositivos podem ser gerenciados e realocados ou substituídos conforme necessário diretamente no sistema.

Em comparação com alternativas apenas na nuvem, uma solução baseada em borda protege as organizações da responsabilidade potencial e dos desafios legais associados ao envio de informações pessoais, como rostos das pessoas para a nuvem sem sua permissão. Configurar o sistema para garantir que todos os dados capturados não vão para nenhum lugar fora de um campus evita esses desafios.

Outra vantagem do reconhecimento facial baseado em borda é a inferência em tempo real. O sistema pode responder instantaneamente quando um usuário não autorizado é detetado. Isso não acontece quase em tempo real, mas em tempo real, com apenas alguns milissegundos de latência. Qualquer intruso é detetado imediatamente, e um alerta é enviado sem qualquer atraso para o pessoal de segurança através de um Serviço de Mensagens Multimédia (MMS) com um tiro de cabeça do utilizador não autorizado, permitindo que a equipa de segurança tome as medidas adequadas.

Para resumir, as vantagens de um sistema de reconhecimento facial baseado em um modelo de computação de borda incluem:

  • Monitorização precisa de grandes pisos de loja com várias áreas protegidas

  • Fácil gerenciamento e configuração de dispositivos

  • Proteção inteligente contra possíveis responsabilidades legais devido ao envio de informações faciais para a nuvem

  • Alertas reais em tempo real se um visitante não autorizado for detetado

A inspeção ótica encontra a extremidade

Outro caso de uso bem adequado para Edge AI é a inspeção ótica automatizada de várias peças e conjuntos durante todo o processo de fabricação. Sistemas de visão tradicionais têm sido usados há muito tempo para inspeção e validação de controle de qualidade para fabricar tudo, desde sistemas eletrônicos a produtos farmacêuticos.

Embora os sistemas de visão tradicionais possam identificar com precisão defeitos e outros problemas de QA, eles dependem de conjuntos de regras em vez de aprendizado de máquina e IA para inspecionar peças e conjuntos. Isso os limita a casos de uso e componentes específicos e limita a capacidade de dimensionar soluções em vários tipos de produtos. Os técnicos de terceiros devem reprogramá-los para acomodar novos modelos ou produtos, e as câmeras e braços robóticos devem ser reposicionados com precisão para minimizar a variabilidade. E sem a integração na nuvem ou a capacidade de captura de dados, os sistemas tradicionais não conseguem capturar dados para otimizar os processos. Tudo isso aumenta significativamente os custos e diminui a capacidade dos fabricantes de responder às mudanças nas demandas do mercado em tempo hábil.

Um sistema baseado em Edge AI supera esses desafios e oferece o potencial de transformar a inspeção ótica automatizada como a conhecemos hoje. Usando soluções modernas baseadas em IA e ML, os fabricantes podem configurar de forma rápida e fácil novos perfis de inspeção em toda uma gama de produtos e implementar modificações e refinamentos em tempo real.

Com uma interface de usuário intuitiva baseada na web, um sistema de inspeção ótica inteligente permite que os membros da equipe DE TI ou de fabricação importem e adquiram as imagens necessárias para inspeção e iniciem rotinas de treinamento com um único clique.

Além disso, à medida que a IA coleta dados, a qualidade das inspeções melhora para que possa tolerar mudanças na iluminação ou campo de visão devido ao movimento da câmera ou alterações de localização. Esta adaptabilidade também ajuda na hora de configurar câmeras de inspeção; o tipo de lente de posicionamento da câmera determina o campo de visão e pode ser ajustado para acomodar várias dimensões do produto.

Um sistema baseado em IA pode inspecionar peças montadas como um ser humano e entende desvios aceitáveis em um ritmo muito mais rápido com maior consistência. Assim como uma rede neural pode diferenciar um gato e um cão, um sistema baseado em IA pode perceber se um determinado objeto é aceitável ou tem componentes ausentes ou algum dano físico. Com reconhecimento ótico de carateres (OCR) incorporado, a IA também pode digitalizar códigos de barras ou números de série.

Os sistemas DE IA e ML exigem um poder de processamento e armazenamento consideráveis, especialmente para a formação dos modelos. É por isso que esses sistemas geralmente são hospedados em um ambiente de nuvem. Tal como acontece com muitos outros aplicativos similares baseados na nuvem, o desafio é a latência envolvida no envio de imagens e dados para a nuvem – o aplicativo final é muito lento para ser de muito valor em um ambiente de fabricação acelerado. E as grandes quantidades de transmissão de dados a partir de câmeras aumentam significativamente os requisitos de armazenamento em nuvem e largura de banda.

Como alternativa, com um aplicativo Edge AI, o processamento e a inferência acontecem em tempo real na borda usando modelos treinados retirados da nuvem, e a maioria do conteúdo de streaming é armazenado localmente. Essas funções de borda são totalmente integradas à nuvem, que é usada para cargas de trabalho bem adequadas à TI, como treinamento intensivo em modelos de CPU e gerenciamento de ciclo de vida. Sempre que novos perfis de inspeção são criados, as imagens associadas ao perfil são automaticamente carregadas para a nuvem, e o modelo é então treinado na nuvem com essas imagens. Quando a formação estiver concluída, os modelos treinados são automaticamente implantados na borda para iniciar a inspeção. Vários modelos treinados podem ser usados em um único perfil de inspeção.

Para resumir, as vantagens de uma solução automatizada de inspeção ótica baseada na plataforma Edge AI incluem:

  • Interface baseada na Web fácil de usar para configurar novos perfis de inspeção – não é necessário conhecimento em ciência de dados ou IA

  • O treinamento rápido de modelos na nuvem oferece a flexibilidade para trocar peças ou processos sem perder tempo ou sacrificar a qualidade

  • Acomodação rápida para mudanças de iluminação ou ângulos de câmera

  • Inspeção rápida de peças totalmente montadas quanto a componentes em falta ou danos

  • Vasta captura de dados para análise posterior e para permitir melhorias e refinamento do processo

Como esses casos de uso demonstram, a combinação das duas tendências mais quentes da computação empresarial hoje abre uma gama de novos aplicativos que exigem a potência de processamento e armazenamento da nuvem, juntamente com tempos de resposta de milissegundos.

Contacte-nos para saber como a sua aplicação pode beneficiar da nossa plataforma de inteligência Edge AI.