エッジベースのリアルタイム Visual AI:比類のないパフォーマンスと信頼性

製造業のリーダーは、操作精度を磨き、安全性を高め、製品品質を向上させるために、AI とコンピューター ビジョンをますます採用しています。スマート カメラと AI を活用したセンサーは、現代の産業インテリジェンスに不可欠なコンポーネントとなっています。

しかし、組織がリアルタイムの洞察を得るために忠実度の高いビジュアル データを活用することを目指す中、多くの組織がクラウド ファーストのアーキテクチャでは追いつけないという厳然たる事実を発見しつつあります。ネットワークの輻輳、高いレイテンシ、膨れ上がるストレージ コストの間で、すべてをクラウドにプッシュすることは、現代の工場現場の需要に対応できません。

これらの問題に対処するために、メーカーはエッジファーストのストリームベースの戦略に目を向けています。これらのアプローチは、リアルタイム AI をデータ ソースに直接もたらします。これには、組立ライン、フロア、エッジ環境が含まれる場合があります。したがって、基本的に、妥協することなく、迅速かつ確実に意思決定を行う必要がある場合に、派生インテリジェンスを利用できます。

製造業におけるビジュアル AI の台頭

産業メーカーは、ますます複雑化する生産環境で業務効率を維持し、安全性を確保し、厳しい品質基準を維持するために、リアルタイムのビジュアル インテリジェンスを必要としています。従来のデータ ソースとは異なり、高解像度カメラからの視覚入力などにより、異常、欠陥、または危険な動作を即座に検出できるため、即時の是正措置が可能になります。

欠陥のある製品がラインに進む前に停止する場合でも、微妙な品質の逸脱を特定する場合でも、行動認識によって労働者の怪我を防止する場合でも、リアルタイムのビジュアル インテリジェンスにより、製造業者は事後ではなくその瞬間に行動できるようになります。

カメラやその他のエッジ デバイスからのその場の即時のインテリジェンスが必要となる一般的な使用例がいくつかあります。それらには以下が含まれます:

• 欠陥の検出 :AI を活用したビジョン システムは、人間の検査員よりも迅速かつ正確に欠陥を特定できます。
• 予知メンテナンス :熱の異常や摩耗パターンなどの視覚的な手がかりが、事前の修理のきっかけとなる可能性があります。
• 安全監視 :危険な行動や障害物を検出するように訓練されたカメラは、事件が発生する前に介入し、事件を防ぐことができます。
• 品質保証 :リアルタイムの画像分析により、各製品がラインから出荷される前に仕様を満たしていることが確認されます。

ただし、これらのアプリケーションには共通の課題があります。それは、膨大な量のビデオおよびセンサー データを迅速かつ信頼性の高い分析で分析する必要があるということです。データを一元化されたクラウドに送信して処理するように設計された従来のシステムは、これらのユースケースで必要とされるリアルタイムの応答性を実現するのに苦労しています。

クラウド中心のアーキテクチャの限界

産業運営には通常、プロセス、ワークフロー、その他の重要な要素に関するリアルタイム情報を提供するさまざまなエッジ要素が含まれます。近年、これらの要素の大部分は、生産ラインや工場内の機器の性能や健全性に関する情報を収集して共有するセンサーや IoT デバイスです。これらのデバイスからのデータは、多くの場合、中央リポジトリ (クラウド データベースなど) に送信され、分析されました。

近年では、そのような環境ではカメラがより一般的に使用されるようになりました。ただし、テラバイト規模のビデオ映像とセンサー テレメトリを分析のためにクラウドに送信すると、いくつかの大きな問題点の影響を受ける可能性があります。

まず、帯域幅のボトルネックが存在する可能性があります。高解像度のカメラ フィードと継続的なセンサー ストリームは、特に遠隔地や帯域幅が制限された産業環境では、ネットワーク インフラストラクチャを急速に圧倒する可能性があります。

次に、遅延の問題があります。接続が堅牢であっても、クラウドへの往復により遅延が発生します。欠陥製品の進行を阻止したり、機器の衝突を防止したりするなど、ミリ秒が重要な用途では、この遅延は許容できません。

今日のコスト制約がすべての企業に影響を及ぼしていることを考えると、クラウド コストの上昇という問題もあります。大量のデータをクラウドに保存して処理することは非常に重要です。あらゆる運用コストを監視しているメーカーにとって、これはスタート地点ではない可能性があります。

さらに、データ重力の原理もあります。これは、大量のデータがアプリケーションやサービスをそれらが存在する場所に自然に引き寄せるという考え方です。製造業の文脈では、これは、データ ソースの近くにコンピューティングを維持することが効率的であるだけでなく、経済的にも賢明であることを意味します。

エッジファースト処理が答えとなる理由

エッジファーストのストリームベースのデータ処理により、従来のモデルが逆転します。データをクラウドにプッシュするのではなく、データはエッジで生成された場所で取り込まれ、処理され、それに基づいて処理されます。

このアプローチは、いくつかの重要な利点をもたらします。

• 低遅延 :決定はミリ秒単位で行うことができます。
• クラウドへの依存度の軽減 :関連するデータのみがアップストリームに送信され、クラウドの使用量が最小限に抑えられます。
• 回復力 :クラウド接続が中断された場合でも、エッジ システムは機能し続けます。
• プライバシーとセキュリティ :機密データはローカルに保持されるため、暴露が軽減されます。

エッジでのリアルタイムの意思決定によりさらにパワーが加わり、継続的なリアルタイムの意思決定が可能になります。バッチジョブを待つ必要はありません。クラウドを待つ必要はありません。

欠陥のあるコンポーネントを発見するロボット組立ラインを考えてみましょう。エッジファーストAIにより不具合を検知し、瞬時に機械を停止させることができます。クラウドラグや遅延はありません。

リアルタイム エッジ AI の技術的考慮事項

このレベルの応答性を達成するには、単にコンピューティングをエッジに移動するだけでは不十分です。リアルタイム操作専用のアーキテクチャが必要です。

主要コンポーネントには以下が含まれている必要があります:

• エッジ コンピューティング ノード :AI モデルとストリーム プロセッサを実行できるローカル システム
• リアルタイム イベント パイプライン :移動中の高速データを取り込んで分析するフレームワーク
• モデル導入フレームワーク :エッジで AI モデルをデプロイおよび更新するためのツール

課題もあります。モデルは、制約のあるエッジ環境に合わせて最適化する必要があります。レガシー システムは、運用を中断することなく統合する必要があります。そして決定的なパフォーマンスが不可欠です。その時点までは、あらゆる決定を毎回時間通りに行う必要があります。

そこで、Volt Active Data のような専用プラットフォームが役に立ちます。

こちらもご覧ください: 産業運用におけるビジュアル AI の拡張が非常に難しい理由

Volt Active Data がエッジでリアルタイムのビジュアル AI を実現する方法

Volt Active Data は、製造におけるエッジ ファーストのビジュアル AI の要求に対応する機能を備えており、即時のセンサー/カメラ入力とステートフル コンテキスト (最近の欠陥、機械履歴など) を融合して、あらゆる意思決定が迅速かつ正確であることを保証します。

高スループット、低遅延の処理を実現します。具体的には、Volt はデータ パスで直接決定を実行し、別のシステムへのルーティングによる遅延や不整合を回避します。そのため、視覚的およびセンサーのワークロードに最適です。

Volt プラットフォームではミリ秒単位の意思決定が可能です。そのため、複雑な意思決定を厳しい時間制約内で実行できるため、機械を停止したり、欠陥にフラグを立てたりするなどの即時アクションが可能になります。

このソリューションは、ACID 準拠のトランザクションをサポートします。 Volt は、ミッションクリティカルな環境であっても、すべてのアクションが正確で信頼性が高く、一貫性があることを保証します。

さらに、Volt プラットフォームはシームレスな AI 統合を提供します。Volt はエッジで AI モデルと連携して動作し、リアルタイムの意思決定を調整し、自動応答をトリガーします。

ロボットによる介入の調整、異常の通知、生産ラインでの停止コマンドの実行など、Volt はリアルタイムのインテリジェントなエッジ レスポンスを実用化します。

結論:よりスマートな製造のためのよりスマートなエッジ

今日の製造業者は、より多くのことを、より速く、より少ない無駄で行うというプレッシャーにさらされています。 AI、特にビジュアル AI は前進する道を提供しますが、それはリアルタイムのパフォーマンスと経済的な拡張性を備えて提供される場合に限ります。

エッジファーストのストリームベースの戦略は、この課題に対処し、遅くて高価なクラウドファーストのアーキテクチャに依存することなく、新たなレベルの自動化と洞察を解き放つことができます。

Volt Active Data のようなプラットフォームがリアルタイム データ ストリームを強化し、エッジで直接意思決定を行うことで、メーカーは妥協することなく AI の可能性を最大限に実現できます。