Em todo o cenário da computação empresarial, duas tecnologias terão certamente um grande impactos nos próximos anos: Inteligência artificial (IA) e computação de ponta. Em uma pesquisarecente , 95% dos executivos da C-suite disseram acreditar que suas organizações se beneficiariam ao incorporar a IA em suas operações diárias. Da mesma forma, a pesquisa sobre computação de borda mostra que 54% das organizações atualmente usam ou planeiam 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 nestas tecnologias, certamente não é muito importante sugerir que combinar IA e computação de ponta interessará as organizações. Além disso, esta combinação abre uma série de novas e excitantes áreas de aplicação que, de outra forma, não seriam possíveis. Este blog vai mostrar dois exemplos.
Em grande parte, os 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 aplicações que exigem um sistema baseado em IA para executar ações em tempo real, a latência envolvida com a movimentação de dados para um centro de dados, que pode estar a milhares de milhas 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 petrolíferas que enfrentam regularmente desafios de conetividade.
Construímos 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 já a perseguir iniciativas de computação de ponta, grande parte da infraestrutura necessária para implantar aplicações de IA de borda já está em vigor ou estará em breve. Concebemos a IA Edge para ser uma plataforma de insights de dados e aprendizagem automática em tempo real com interconexões agnósticas em 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 as câmaras de vigilância e os mecanismos de controlo de acesso, tais como cartões de identificação, fábricas e outras instalações, lutam para agir em tempo real sobre estes dados para impedir que utilizadores não autorizados acedam a locais restritos em violação da política. É muito fácil para um visitante não autorizado ou até mesmo um empregado obter acesso através de “tailgating” (obtenção de entrada não autorizada numa área protegida por seguir de perto alguém com autoridade para entrar) um funcionário autorizado ou fazendo uma desculpa para o porquê de eles serem autorizados para a instalação.
Para além dos visitantes externos, algumas instalações fabris têm políticas rigorosas sobre quais áreas os funcionários de outras partes da loja podem aceder por razões de segurança ou controlo de qualidade, entre outras. Para que o pessoal de segurança monitorize as instalações, pode ser difícil saber com certeza quais os funcionários autorizados a estar em que 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 estabelecer uma rede de câmaras baseadas em IP à volta das instalações. Para áreas restritas dentro de um chão de fábrica, por exemplo, as câmaras são configuradas com um limite flexível para a distância que a câmara consegue ver. Quando alguém está fora desse limite flexível, a câmera irá ignorá-los. O sistema deteta qualquer pessoa que entre 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 múltiplas zonas de trabalho lógicas e monitorizado com precisão.
Em uma pesquisa recente, 95% dos executivos da C-suite disseram acreditar que suas organizações se beneficiariam ao incorporar a IA em suas operações diárias.
Gerir e operar o sistema de reconhecimento facial não requer competências especiais ou formação extensiva que possa impedir a adoção. Rostos e fotografias de funcionários são tipicamente em sistemas de RH e podem ser facilmente importadas para o sistema de reconhecimento facial juntamente com regras de acesso e políticas. As autorizações temporárias são tratadas como parte dos protocolos de segurança padrão, e os dispositivos podem ser geridos e recolocados ou substituídos, conforme necessário, diretamente no sistema.
Em comparação com alternativas apenas para a nuvem, uma solução baseada na borda protege as organizações da responsabilidade potencial e dos desafios legais associados ao envio de informações pessoais, como os rostos das pessoas para a nuvem sem a sua permissão. Configurar o sistema para garantir que todos os dados capturados não vão para nenhum lado 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 utilizador 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 demora ao pessoal de segurança através de um serviço de mensagens multimédia (MMS) com um tiro ao utilizador não autorizado, permitindo à equipa de segurança tomar as medidas adequadas.
Resumindo, as vantagens de um sistema de reconhecimento facial baseado num modelo de computação de ponta incluem:
-
Monitorização precisa de grandes pisos de oficina com múltiplas áreas protegidas
-
Fácil gestão 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-se com a extremidade
Outro caso de uso adequado ao Edge AI é a inspeção ótica automatizada de várias peças e conjuntos durante todo o processo de fabricação. Os sistemas de visão tradicionais têm sido usados há muito tempo para inspeção e validação de controlo de qualidade para fabricar tudo, desde sistemas eletrónicos a produtos farmacêuticos.
Embora os sistemas de visão tradicionais possam identificar com precisão defeitos e outros problemas de GQ, eles dependem de conjuntos de regras em vez de aprendizado de máquina e IA para inspecionar peças e montagens. Isso limita-os 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 câmaras e os braços robóticos devem ser reposicionados com precisão para minimizar a variabilidade. E sem integração na nuvem ou capacidade de captura de dados, os sistemas tradicionais não conseguem capturar dados para otimizar processos. Tudo isso aumenta significativamente os custos e diminui a capacidade dos fabricantes de responder às mudanças nas exigências do mercado em tempo hábil.
Um sistema baseado em Edge AI supera estes 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, rápida e facilmente, configurar novos perfis de inspeção em toda uma gama de produtos e implementar modificações e refinamentos rapidamente.
Com uma interface de utilizador intuitiva baseada na Web, um sistema de inspeção ótica inteligente permite que os membros da equipa de TI ou de fabrico importem e adquiram as imagens necessárias para a inspeção e iniciem rotinas de treino com um único clique.
Além disso, à medida que a IA recolhe dados, a qualidade das inspeções melhora para que possa tolerar mudanças na iluminação ou campo de visão devido ao movimento da câmara ou mudanças de localização. Esta adaptabilidade também ajuda quando chega a altura de configurar câmaras de inspeção; o tipo de lente de posicionamento da câmara 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 compreende desvios aceitáveis a 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 em falta 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 requerem um poder de processamento e armazenamento consideráveis, especialmente para a formação dos modelos. É por isso que esses sistemas normalmente são hospedados em um ambiente de nuvem. Tal como acontece com muitas outras aplicações similares baseadas na nuvem, o desafio é a latência envolvida no envio de imagens e dados para a nuvem – a aplicação final é demasiado lenta para ter muito valor num ambiente de fabrico acelerado. E as grandes quantidades de transmissão de dados das câmaras aumentam significativamente os requisitos de armazenamento na nuvem e largura de banda.
Como alternativa, com uma aplicação Edge IA, o processamento e a inferência acontecem em tempo real na borda usando modelos treinados retirados da nuvem, e a maior parte do conteúdo de streaming é armazenado localmente. Essas funções de borda estão 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. Assim que 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.
Resumindo, as vantagens de uma solução automatizada de inspeção ótica baseada na plataforma Edge IA incluem:
-
Interface baseada na Web fácil de usar para a configuração de novos perfis de inspeção – não é necessária nenhuma ciência de dados ou conhecimento em IA
-
O treinamento rápido de modelos na nuvem fornece a flexibilidade para mudar partes ou processos sem perder tempo ou sacrificar a qualidade
-
Alojamento rápido para mudanças de iluminação ou ângulos de câmara
-
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 atuais na computação empresarial abre hoje uma série de novas aplicações que exigem o processamento e a potência de armazenamento da nuvem, juntamente com tempos de resposta de milissegundos.
Contacte-nos para saber como a sua aplicação poderá beneficiar da nossa plataforma de inteligência Edge IA.
