控制工程研究:边缘计算、人工智能
控制过程、SCADA和HMI是边缘计算的主要应用;增强控制能力是人工智能的常见用途。
学习目标
- 了解控制工程研究在自动化、控制和仪表中使用边缘控制器、人工智能和机器学习。
- 回顾研究的主要发现。
控制器研究见解
- 控制工程研究关于边缘计算和人工智能(AI)的研究提供了有关自动化人员如何使用它们的见解。
控制工程关于“边缘计算和人工智能技术”的订户研究于2023年2月和3月进行，以了解这些技术如何用于自动化、控制和仪表。大约一半的受访者认为，与可编程逻辑控制器相比，边缘计算是人工智能(AI)软件/算法的更好目标。计算能力、网络能力和可靠性是受访者将人工智能与边缘计算结合使用的主要原因。受访者使用人工智能/机器学习(ML)的主要原因包括访问以前在其他软件中不可用的功能(61%)和增强传统控制方法(58%)。总结结果如下。
点击这里下载研究报告。
根据Control Engineering在2023年2月和3月进行的“边缘计算和人工智能技术”订户研究，计算能力和网络功能是将边缘计算用于人工智能应用的两个主要原因。控制工程
用于自动化、控制、仪表的边缘计算
在调查对象中，98%的人正在以某种方式使用边缘计算。边缘计算最常用于自动化、控制和仪表应用的控制过程(51%)和监控和数据采集(SCADA)软件(50%)，以及人机界面软件(46%):考虑到误差范围，这是一个三方关系。
28%的受访者表示，边缘计算正在使用或预计将使用控制、自动化或仪器仪表技术支持。另有21%的人提到了运营技术(OT)或工程部门的支持。
一半的受访者表示，使用边缘计算是因为它比其他计算或逻辑设备提供更敏捷和响应更快的监控和控制系统，并提供下一代控制解决方案，如AI/ML。大约同样数量的人表示，它通过更快地处理实时数据来支持更好的决策。
在受访者中，88%的人使用边缘计算的云资源;分析(55%)和内存/存储(50%)是顶级云资源。
人工智能，机器学习
53%的受访者通过自动化、控制或仪器供应商或分销商提供给他们的应用程序获得AI/ML。
在受访者中，73%的人使用AI/ML进行控制、自动化或仪表技术支持;47%为OT或工程部门提供支持。
受访者使用AI/ML的主要原因包括访问以前在其他软件中不可用的功能(61%)和增强传统控制方法(58%)。
在初始启动和正常运行后，22%的受访者表示他们会更新数据模型，以帮助实时指导AI/ML应用程序;每周16%;一年两次12%，每天11%。
边缘计算，人工智能和机器学习
大约一半(51%)的受访者认为，与可编程逻辑控制器(plc)相比，边缘计算是人工智能软件/算法的更好目标。
计算能力(38%)、网络能力(37%)和可靠性(32%)是受访者将人工智能与边缘计算结合使用的三大原因。
受访者公司内的自动化、控制或仪表人员、团队或部门最参与边缘计算技术的规范和/或购买，而信息技术人员、团队或部门在获取AI/ML应用程序时最参与。
方法为2023年控制工程边缘计算，人工智能研究
为了进行这项研究，订阅者收到了一封来自控制工程邀请他们参与这项研究。邮件中有一个链接到问卷的URL。信息收集时间为2023年2月8日至3月23日。调查对象为121人，在95%的置信水平下，误差幅度为+/-8.9%。
再想想边缘计算和人工智能可以应用于自动化、控制和仪表应用。
马克·霍斯克是控制工程内容管理器，mhoske@cfemedia.com．阿曼达PelliccioneCFE Media and Technology的研究和奖励项目主管进行了这项研究，并汇编了相关报告，其中包括上述执行摘要中的大部分信息。
在线
关键字:边缘控制器，AI/ML用于自动化
考虑一下这个
你是否正在应用边缘计算和AI/ML?
您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。
