Khi chúng ta bước vào năm 2021 và ra khỏi một năm điên rồ mang lại những thách thức của đại dịch và sự gián đoạn kinh tế trên toàn thế giới, nhiều người trong chúng ta chắc chắn đã sẵn sàng cho một năm mới. Với tầm nhìn về cách công nghệ sẽ thay đổi bối cảnh công nghiệp sau đây là một số hiểu biết về cách những đổi mới trong 5G, Thực tế tăng cường, 3D và Machine Learning sẽ phát triển trong năm mới.
Case Study cho 5G công nghiệp với truyền phát video ở đầu bắt đầu giữ
5G đã được thôi miên trong Công nghiệp 4.0 trong một thời gian với những lợi ích mơ hồ bao gồm những thứ như ‘cải thiện hiệu quả chuỗi cung ứng’ mà không có con đường rõ ràng về cách điều đó sẽ xảy ra. Năm 2021 sẽ mang lại những ứng dụng thực sự có thể sử dụng băng thông khổng lồ mà 5G mang lại như thế nào?
Cộng tác từ xa về bảo trì và cài đặt thực sự có thể được hưởng lợi từ các mô hình 3D hoặc những gì hiện đang được gọi là cặp song sinh kỹ thuật số và giao tiếp video trực tiếp. Vì người dùng thường di chuyển xung quanh, các kết nối có dây không thực sự là một lựa chọn. Ở đây 5G sẽ có thể cung cấp trải nghiệm người dùng xuất sắc với các nhà khai thác từ xa có thể xem những gì nhân viên tại chỗ nhìn thấy, chia sẻ bảng dữ liệu và hồ sơ bảo trì khi cần thiết và sử dụng cặp song sinh kỹ thuật số 3D để hình dung cách thiết bị hoạt động.
Ngày nay, các mô hình 3D được chạy cục bộ trên các thiết bị máy tính – tương tự như cách chúng tôi sử dụng để tải xuống phim để xem. 5G cho phép ‘phát trực tuyến’ các thông tin như vậy, tương tự như cách chúng ta xem phim ngày nay. Vào năm 2021, chúng ta có thể mong đợi được xem video 3D đầy đủ đầu tiên cho mục đích công nghiệp.
Thực tế tăng cường cho công nghiệp 4.0 sẽ đến tuổi trưởng thành
VR đã tìm thấy một thị trường ngách trong các ứng dụng công nghiệp, chủ yếu liên quan đến đào tạo. AR có các trường hợp sử dụng rộng hơn nhiều và năm 2021 sẽ thấy công nghệ này trở thành chủ đạo. Các thiết bị gắn trên đầu kết hợp màn hình, máy ảnh và micrô sẽ trở nên tinh vi hơn nhiều. Người dùng sẽ cộng tác và xem cặp song sinh kỹ thuật số, video trực tiếp, bảng dữ liệu và bản ghi bảo trì bằng điều khiển bằng giọng nói trong khi vẫn rảnh tay để thực hiện các tác vụ cần thiết.
Ngoài sản xuất các trường hợp sử dụng công nghiệp, các ngành công nghiệp khác, bao gồm cả xây dựng sẽ bắt đầu tận dụng công nghệ này. Các nhà thầu bây giờ sẽ có khả năng tham quan các địa điểm làm việc với các kiến trúc sư và khách hàng để đi qua quá trình phát triển dự án, khám phá các câu hỏi từ xa, nhanh chóng đánh giá nhu cầu thay đổi đơn đặt hàng, v.v.
Mô hình hóa 3D trở thành tiêu chuẩn
Từ quét CAD 3D và 3D sang cặp song sinh kỹ thuật số 3D, thế giới công nghiệp sẽ ngày càng bắt đầu mô hình hóa môi trường của nó ở chế độ 3D và tránh xa bảng điều khiển 2D truyền thống. Công nghệ này có sẵn, giá cả phải chăng để tạo ra, trực quan hơn nhiều và có một loạt các ứng dụng. Bản chất trừu tượng, khó sử dụng của giao diện IoT là một trong những lý do chính để kìm hãm công nghệ này. Chúng tôi đã quen với giao diện người dùng tuyệt vời và cách sự đổi mới đó đã thúc đẩy thị trường điện thoại di động 15 năm trước. Giao diện người dùng tuyệt vời kết hợp với công nghệ quang học 3D đang đến với thế giới công nghiệp và sẽ là một động lực lớn vào năm 2021.
Tự đào tạo machine learning là bình thường mới
Như bất kỳ ai đã sử dụng dữ liệu để đào tạo thuật toán học máy đều có thể làm chứng, có một lượng lớn xử lý trước cần thiết để chuẩn hóa và gắn thẻ dữ liệu trước khi nó có thể được sử dụng để đào tạo. Điều này đã khiến việc học máy trở nên khó thực hiện ngoại trừ trong một số trường hợp nhất định (ví dụ: dịch bằng văn bản, hiểu máy về giọng nói) nhưng năm 2021 sẽ chứng kiến sự ra đời của việc học không giám sát cho AI.
Trong ứng dụng này, dữ liệu từ một thiết bị được giám sát được gửi đến thuật toán mà không có sự can thiệp của con người. ML phát hiện các mẫu sử dụng bình thường rất nhanh và sau đó theo dõi các mẫu bất thường vượt quá ngưỡng đặt trước. Ví dụ, một động cơ điện có thể tạo ra các chỉ số tiêu thụ nhiệt, rung và dòng điện. Trong hoạt động bình thường, các chỉ số này tạo ra một số mẫu nhưng khi động cơ bắt đầu thất bại, các mẫu mới được tạo ra với một số độ lệch chuẩn bên ngoài định mức. Điều này có thể được sử dụng để gắn cờ bảo trì trên máy móc khi được yêu cầu. Sự khác biệt về loại động cơ hoặc môi trường không có gì khác biệt với hiệu quả của thuật toán ML, nó tập trung vào hoạt động ‘bình thường’ của mỗi động cơ và phát hiện các biến thể từ định mức đó.
Giới thiệu về tác giả
Bài viết này được viết bởi John Burton, Giám đốc điều hành và đồng sáng lập của UrsaLeo. Trước khi thành lập UrsaLeo, John đã dành 30 năm trong ngành công nghiệp bán dẫn làm việc với các khách hàng công nghiệp trên khắp Châu Âu, Bắc Mỹ và Nhật Bản. Nhìn thấy số lượng lớn dữ liệu được thu thập trong môi trường IIoT, anh đã cùng với Angie Sticher (cựu Apple) tìm cách trực quan hóa và sử dụng dữ liệu đó tốt hơn. Do đó UrsaLeo.
