Le applicazioni AI tradizionali si basano tipicamente su server cloud per l'addestramento dei modelli, l'inferenza e l'analisi dei dati, mentre i dispositivi endpoint raccolgono dati e li caricano sul cloud. Negli ambienti di produzione industriale, tuttavia, questo approccio può essere limitato dalla latenza di rete, dall'affidabilità della connettività, dalla sicurezza dei dati, dai costi di larghezza di banda e dalla necessità di un funzionamento continuo. Di conseguenza, sempre più aziende stanno adottando architetture Edge AI, distribuendo capacità di inferenza AI, elaborazione dati e processi decisionali selezionati su PC industriali, gateway edge e dispositivi intelligenti situati più vicino alla sorgente dati.
Ad esempio, su una linea di produzione automatizzata, le telecamere industriali acquisiscono immagini dei prodotti e un computer edge utilizza modelli AI per identificare i difetti in tempo reale prima di inviare i risultati al sistema di controllo della produzione. L'ispezione viene eseguita localmente, mentre il cloud gestisce gli aggiornamenti dei modelli, l'aggregazione dei dati, l'analisi inter-fabbrica e l'ottimizzazione a lungo termine.L'Edge AI non sostituisce il cloud computing. Al contrario, abilita un'architettura collaborativa in cui i modelli vengono addestrati nel cloud, l'inferenza viene eseguita all'edge e le azioni vengono eseguite dai dispositivi endpoint.Questo è un importante motore della transizione dei PC industriali da terminali di controllo convenzionali a piattaforme di calcolo intelligenti.
Negli ultimi anni, le aziende industriali hanno spostato la loro attenzione dai progetti di proof-of-concept AI verso l'implementazione nei flussi di lavoro di produzione effettivi. La serie di ricerche di Cisco sullo stato dell'IA industriale esamina come le organizzazioni industriali stanno adottando l'IA e facendo evolvere la loro tecnologia operativa e l'infrastruttura di rete. Da questa ricerca emerge un messaggio coerente:il successo dell'IA industriale dipende non solo dai modelli e dalla potenza di calcolo, ma anche dalla connettività del piano di produzione, dall'acquisizione dei dati, dall'integrazione del sistema e dalla gestione della sicurezza.Per i produttori di PC industriali, la concorrenza si sta quindi spostando dalla fornitura di hardware di calcolo verso piattaforme integrate che combinano l'elaborazione AI, la connettività di rete, la gestione della sicurezza e l'integrazione del sistema.
I fornitori di sistemi di calcolo industriali stanno incorporando sempre più l'edge AI, la robotica e l'integrazione di sistemi nelle loro strategie di prodotto ed ecosistema. Advantech, ADLINK e altre aziende di embedded computing continuano a investire in hardware edge AI, toolchain software, gestione dei dispositivi e soluzioni specifiche per l'industria. Questi sviluppi indicano cheil mercato del calcolo industriale si sta spostando oltre la concorrenza basata esclusivamente sull'hardware IPC tradizionale. La differenziazione dipende sempre più dall'accelerazione AI, dagli ecosistemi software, dalla gestione dei dispositivi e dalla connettività.Il valore di un PC industriale risiederà sempre più non semplicemente nel fornire un computer, ma nel fornire una piattaforma di edge computing in grado di eseguire applicazioni AI in modo affidabile nel tempo.
I PC industriali tradizionali hanno gestito principalmente l'acquisizione dati, le comunicazioni PLC, l'interazione uomo-macchina e il monitoraggio della produzione. Con l'aumento dell'uso della visione AI, dell'ispezione intelligente e della robotica autonoma, i PC industriali stanno assumendo carichi di lavoro più impegnativi, tra cui il rilevamento dei difetti del prodotto, la manutenzione predittiva delle apparecchiature, la percezione robotica, il monitoraggio della sicurezza industriale e lo smart warehousing. In una tipica architettura di calcolo eterogenea, la CPU gestisce il controllo generale e la pianificazione del sistema, la GPU esegue il calcolo parallelo e l'inferenza visiva, e la NPU accelera l'inferenza AI a basso consumo energetico.Il calcolo eterogeneo sta diventando una direzione di progettazione importante per i dispositivi Edge AI di prossima generazione.
L'IA fisica si concentra sull'abilitare i sistemi AI a comprendere il mondo reale ed eseguire compiti fisici attraverso robot e apparecchiature di automazione. Le applicazioni includono robot umanoidi, bracci robotici industriali, robot mobili autonomi (AMR) e veicoli a guida automatica (AGV), robot di ispezione e sistemi di magazzino automatizzati. I robot devono connettersi con telecamere, sensori, attuatori e terminali di controllo. Man mano che i compiti evolvono dall'esecuzione di singole azioni alla percezione autonoma e alla collaborazione complessa, le piattaforme di calcolo devono elaborare più dati in tempo reale.I robot industriali stanno quindi diventando importanti endpoint di edge computing, mentre i computer edge forniscono una parte fondamentale delle capacità di percezione, inferenza e comunicazione che li supportano.
Nelle linee di produzione di semiconduttori, componenti automobilistici, elettronica e imballaggi alimentari, le telecamere industriali vengono utilizzate per l'ispezione di qualità, la misurazione dimensionale e l'analisi dei difetti. Con l'aumento del numero di telecamere, delle risoluzioni delle immagini e della complessità degli algoritmi AI, cresce anche il volume di dati generati sul piano di produzione. Un tipico flusso di lavoro prevede telecamere industriali che acquisiscono immagini, le trasmettono tramite rete a un computer edge, eseguono modelli di visione su una GPU o NPU, restituiscono i risultati dell'ispezione al sistema di controllo della produzione e sincronizzano i dati di ispezione con il cloud. Video multi-stream, terminali di visione wireless e apparecchiature di ispezione mobile richiedono connettività affidabile e sufficiente throughput di dati.È importante notare che il percorso dati primario per la visione artificiale industriale continuerà spesso a utilizzare Industrial Ethernet o interfacce dedicate, a seconda dei requisiti di larghezza di banda, distanza e determinismo. Il Wi-Fi è generalmente posizionato meglio come opzione complementare per la distribuzione wireless, gli endpoint mobili e la manutenzione remota.
L'implementazione commerciale dell'IA industriale richiede più delle GPU. Dipende anche dalla compatibilità dell'architettura del processore, dalla distribuzione e dagli aggiornamenti dei modelli, dalla gestione delle applicazioni containerizzate, dal monitoraggio remoto dei dispositivi, dalla cybersecurity e dalla manutenzione a lungo termine. I fornitori di piattaforme di calcolo industriali utilizzano kit di sviluppo software, supporto Linux, gestione dei container, aggiornamenti over-the-air (OTA) e gestione del ciclo di vita dei dispositivi per semplificare il processo di sviluppo, validazione e scalabilità delle applicazioni AI.Per i fornitori di moduli wireless, la disponibilità di driver, la compatibilità Linux, gli SDK, la documentazione tecnica e le capacità di integrazione della piattaforma saranno fattori importanti nelle decisioni di acquisto dei clienti.
La crescita dell'IA industriale sta imponendo nuove esigenze alle reti industriali. I robot mobili necessitano di connettività wireless persistente, le telecamere industriali devono trasmettere dati di immagine, i terminali di manutenzione remota necessitano di accesso alle informazioni sulle apparecchiature e più computer edge devono scambiare dati. Le reti industriali cablate tradizionali rimangono essenziali, ma la connettività wireless può offrire maggiore flessibilità per le apparecchiature mobili, le linee di produzione flessibili e le implementazioni temporanee. I report di tracciamento WLAN aziendali di IDC possono aiutare a illustrare l'adozione del Wi-Fi 7 nell'infrastruttura di rete aziendale.Tuttavia, il mercato dei punti di accesso aziendali deve essere distinto dal mercato dei moduli wireless: le quote di spedizione o di fatturato dei punti di accesso non devono essere trattate come indicatori diretti della domanda o delle spedizioni di moduli Wi-Fi industriali.
Wi-Fi 7 (IEEE 802.11be) introduce miglioramenti nella larghezza di banda del canale, nella modulazione, nel Multi-Link Operation (MLO) e nelle comunicazioni multi-utente.Per l'edge computing AI e i PC industriali, il suo valore non si limita alle velocità dati di picco. Fornisce inoltre capacità di connettività aggiuntive per applicazioni ad alta larghezza di banda, dispositivi multipli connessi e ambienti wireless impegnativi.
Wi-Fi 7 supporta larghezze di banda del canale fino a 320 MHz nella banda a 6 GHz, raddoppiando la larghezza di banda massima del canale a 160 MHz disponibile con Wi-Fi 6/6E. Ciò crea potenziali vantaggi per video ad alta definizione multi-stream, trasferimento dati di visione artificiale, terminali di ispezione industriale wireless e trasferimenti di file di grandi dimensioni. L'accesso ai canali a 320 MHz dipende dalla disponibilità dello spettro a 6 GHz pertinente in ciascun mercato di destinazione. Il throughput effettivo è influenzato anche dalla distanza, dalla qualità del segnale, dalle interferenze, dal design dell'antenna e dalla configurazione della rete.
Wi-Fi 7 introduce la modulazione 4096-QAM. In condizioni di segnale ideali, può trasmettere più dati per unità di tempo rispetto alla modulazione 1024-QAM utilizzata da Wi-Fi 6. Tuttavia, la modulazione di ordine superiore richiede anche una migliore qualità del segnale. Apparecchiature metalliche, strutture di fabbrica, interferenze elettromagnetiche e mobilità dei dispositivi possono influire sulle prestazioni nel mondo reale.
MLO consente a un dispositivo di comunicare su più collegamenti di banda di frequenza e di pianificare tali collegamenti in base alle capacità del dispositivo e alle condizioni di rete. I potenziali vantaggi includono una migliore connettività in ambienti wireless complessi, un uso più efficiente delle risorse di collegamento, una latenza ridotta in determinati scenari e una maggiore flessibilità di connessione.MLO non deve essere interpretato come una garanzia di roaming completamente senza interruzioni o di comunicazioni deterministiche in tempo reale per l'industria. Le sue capacità effettive dipendono dall'implementazione da parte del dispositivo client, del punto di accesso e del chipset.
Oltre all'accesso alla rete locale, i dispositivi di edge computing industriale potrebbero dover comunicare con periferiche vicine, come sensori Bluetooth, strumenti di commissioning industriale, dispositivi interfaccia uomo-macchina wireless, tag di tracciamento asset e apparecchiature di misurazione. Il Wi-Fi viene utilizzato per la connettività di rete locale ad alta velocità, mentre il Bluetooth supporta le comunicazioni a corto raggio e l'interazione con le periferiche. La combinazione dei due protocolli può ridurre la complessità di progettazione associata a moduli di connettività separati. I risultati effettivi, tuttavia, dipendono dalla coesistenza delle radio, dal posizionamento dell'antenna, dal supporto dei driver e dai requisiti del dispositivo finale.
Poiché i PC industriali si evolvono da terminali di calcolo convenzionali a piattaforme di edge computing AI, i moduli wireless devono adattarsi alle nuove architetture dei dispositivi. I requisiti di connettività di un PC industriale dipendono principalmente dal suo ambiente di installazione, dalle interfacce della piattaforma host, dallo spazio disponibile e dalle funzioni di comunicazione previste.
L'O2072PM è un modulo combo Wi-Fi 7 e Bluetooth 6.0 di QOGRISYS. Presenta un fattore di forma di 22 × 30 mm e un'interfaccia M.2 PCIe. Secondo le informazioni sul prodotto, le sue caratteristiche principali includono la piattaforma Qualcomm QCC2072, funzionamento tri-band 2,4 GHz/5 GHz/6 GHz, MIMO 2T2R, una velocità PHY teorica massima di 5,8 Gbps e miglioramenti Wi-Fi 7. Le interfacce M.2 sono ampiamente utilizzate nei computer embedded e nelle schede madri industriali. Le schede madri industriali, le piattaforme di embedded computing e i computer edge AI dotati di uno slot M.2 compatibile e di un'interfaccia host possono integrare la connettività wireless nella fase di progettazione della scheda madre. Le potenziali applicazioni includono PC industriali, box edge AI, piattaforme di calcolo per robot e sistemi di visione artificiale selezionati. Per il percorso dati primario nelle applicazioni di visione artificiale, i progettisti dovrebbero valutare se Industrial Ethernet o un'interfaccia dedicata rimangono necessari in base ai requisiti di larghezza di banda, distanza e determinismo. L'interfaccia host Bluetooth, il supporto dei driver, la compatibilità del sistema operativo e i dettagli di integrazione della piattaforma dovrebbero inoltre essere verificati rispetto alla documentazione del prodotto pertinente.
L'O2072PB presenta un fattore di forma compatto di 13 × 15 mm, che lo rende adatto per progetti di schede madri embedded con spazio limitato. Secondo le informazioni sul prodotto, le sue caratteristiche principali includono la piattaforma Qualcomm QCC2072, Wi-Fi 7 e Bluetooth 6.0, funzionamento 2,4 GHz/5 GHz/6 GHz, MIMO 2T2R e una velocità PHY teorica massima di 5,8 Gbps.Il suo valore principale risiede nell'integrazione compatta piuttosto che nel semplice perseguimento di velocità wireless più elevate.Il fattore di forma più piccolo del modulo può fornire una maggiore flessibilità di layout per terminali di visione AI, gateway industriali compatti, dispositivi di controllo intelligenti e sistemi robotici embedded. I progetti finali devono comunque tenere conto del posizionamento dell'antenna 2T2R, dell'isolamento RF, della gestione termica, delle interferenze da componenti vicini e della struttura meccanica dell'involucro finito.
Nella produzione di semiconduttori, nell'elettronica automobilistica, nell'elettronica di consumo e nella produzione di precisione, la visione artificiale è già utilizzata per l'ispezione della qualità del prodotto, la misurazione dimensionale e l'analisi dei difetti. I modelli di visione AI consentono ai sistemi di ispezione di gestire attività di elaborazione delle immagini più complesse. Per i terminali di visione che supportano il backhaul dati wireless, la manutenzione remota o la collaborazione multi-dispositivo, il Wi-Fi 7 può servire come opzione di connettività complementare.
I robot devono rimanere connessi alle piattaforme di calcolo, ai sistemi di gestione e ad altre apparecchiature. Il Wi-Fi 7 può fornire accesso wireless ad alta velocità, commissioning e backhaul dati per sistemi robotici selezionati, mentre il Bluetooth può supportare periferiche e interazioni a corto raggio.
I computer edge industriali sono distribuiti vicino alle apparecchiature per gestire l'acquisizione dati, l'inferenza AI, il monitoraggio dei dispositivi e la connettività cloud. Le loro interfacce includono comunemente Ethernet, USB, PCIe, RS-485, Wi-Fi e Bluetooth.
Nelle utility elettriche, negli impianti petrolchimici, nei sistemi di transito ferroviario e nei grandi parchi industriali, i robot di ispezione raccolgono video ad alta definizione, immagini termiche, letture di temperatura e dati sullo stato delle apparecchiature. L'Edge AI può eseguire localmente l'analisi delle immagini e il rilevamento delle anomalie. Il Wi-Fi 7 può fornire accesso di rete ad alta velocità per le apparecchiature di ispezione mobili in strutture con un'infrastruttura wireless adeguata.
La manutenzione delle apparecchiature industriali sta diventando sempre più remota e digitalizzata. Il Wi-Fi 7 può fornire connettività di rete wireless ad alta velocità per i PC industriali, mentre il Bluetooth può supportare l'interazione con le periferiche vicine. Per i produttori di apparecchiature, queste capacità possono rendere la distribuzione e la manutenzione più flessibili.
Lo smart warehousing combina identificazione basata sull'IA, coordinamento di flotte di robot, smistamento automatizzato e gestione digitale. Le apparecchiature mobili devono comunicare con i sistemi di gestione del magazzino, le piattaforme di edge computing e le reti di accesso wireless. L'elevata larghezza di banda e le capacità multi-link del Wi-Fi 7 offrono un'altra opzione di connettività per ambienti con implementazioni dense di dispositivi wireless. Le implementazioni effettive devono ancora essere convalidate per roaming, copertura, transizioni di rete e stabilità della latenza.
IDC monitora la spesa globale per l'infrastruttura AI, tra cui il calcolo accelerato, i server, lo storage e le aree correlate. Queste cifre di investimento riflettono lo sviluppo più ampio dell'infrastruttura AI, ma non devono essere interpretate come la dimensione del mercato dell'edge AI industriale o utilizzate per stimare direttamente la domanda di moduli Wi-Fi. Per il settore del calcolo industriale, una domanda più pertinente è come le capacità di calcolo AI si estendono dai data center alle fabbriche, ai magazzini, ai sistemi di trasporto e alle infrastrutture energetiche. Quando si cita l'ultima edizione dell'IDC's Worldwide Quarterly AI Infrastructure Tracker, specificare la data di pubblicazione del report, il trimestre di riferimento, la valuta e le categorie di spesa coperte.
La prossima fase dell'IA industriale comporterà più della distribuzione di un numero limitato di sistemi di ispezione visiva AI. Le capacità AI dovrebbero estendersi a più apparecchiature di produzione, aree di fabbrica e sistemi di gestione. Le piattaforme di edge computing dovranno elaborare i dati localmente coordinandosi con le piattaforme cloud, le reti industriali e i dispositivi mobili.
Con la crescente diffusione di sistemi di visione AI, robot e dispositivi industriali mobili, gli ambienti industriali richiederanno una gamma più ampia di opzioni di connettività wireless. Il Wi-Fi 7 offre nuove capacità per comunicazioni ad alta larghezza di banda e multi-link, ma il valore della distribuzione dipenderà ancora dalla copertura di rete, dalle normative sullo spettro, dalle capacità dei punti di accesso, dalla compatibilità degli endpoint e dalla validazione in loco.
