Edge AI
हाई-परफ़ॉर्मेंस कंप्यूटिंग, सीधे आपके कंट्रोल प्रोग्राम से।
Edge AI, PLC runtime को आपके डिवाइस के GPU, NPU और खाली CPU क्षमता तक सीधी पहुंच देता है। AI मॉडल आपके कंट्रोल प्रोग्राम के हिस्से के रूप में चलते हैं, उसके बगल में किसी अलग सिस्टम की तरह नहीं। इसमें language मॉडल, vision मॉडल या आपकी अपनी प्रोसेस पर ट्रेन किया गया मॉडल शामिल है, सब कुछ प्रोसेस वाले उसी डिवाइस पर और बीच में किसी cloud के बिना। Edge AI अभी beta में है, और हम पार्टनर्स के एक छोटे ग्रुप के लिए early access खोल रहे हैं।
कंट्रोलर के अंदर AI, बगल में जोड़ा गया नहीं
एक डिवाइस, एक runtime, एक lifecycle।
Autonomy Edge
Deploy, मॉनिटर और rollback करता है
PLC runtime
AI वाला function block
GPU / NPU
कंट्रोल लॉजिक
I/O · fieldbus · सेंसर · कैमरे
आपके प्रोग्राम का हिस्सा
मॉडल आपके IEC 61131-3 प्रोजेक्ट में एक function block के रूप में मिलता है, और उसके नतीजे किसी भी दूसरे इनपुट की तरह block pins पर आते हैं। न कोई inference सर्वर चलाना, न कोई प्रोटोकॉल लिंक कॉन्फ़िगर करना और न कोई नेटवर्क hop। लॉजिक और मॉडल के लिए एक साथ एक डाउनलोड, एक वर्ज़न और एक audit trail।
Accelerator की ताकत, कंट्रोल टाइमिंग पर
Runtime डिवाइस के GPU या NPU तक सीधे पहुंचता है, इसलिए भारी मॉडल हार्डवेयर की स्पीड पर चलते हैं। Inference, scan cycle से अलग चलता है, और आपका प्रोग्राम सबसे ताज़ा पूरा हुआ नतीजा पढ़ता है। भारी मॉडल कंप्यूट और पावर लेता है, लेकिन इसकी वजह से आपकी कोई deadline नहीं छूटती।
कंट्रोल आपके लॉजिक के हाथ में रहता है
मॉडल सलाह देता है, और फ़ैसला आपका प्रोग्राम करता है। उसके आउटपुट को किसी भी दूसरी सेंसर रीडिंग की तरह माना जाता है और ऐसे लॉजिक से जांचा जाता है जिसे आपके कंट्रोल इंजीनियर पढ़ और अप्रूव कर सकें। अगर मॉडल चुप हो जाए, तो मशीन आपकी तय की हुई स्थिति में लौट आती है।
प्लांट से बाहर कुछ नहीं जाता
प्रोसेस डेटा, इमेज और मॉडल के आउटपुट डिवाइस पर ही रहते हैं। Cloud को सिर्फ़ deployment की स्थिति और runtime की हेल्थ दिखती है, आपकी tag values कभी नहीं।
आप इससे क्या बनाएंगे
ऐसा AI जो उसी सेकंड जवाब देता है जब प्रोसेस को ज़रूरत हो, आपके चुने हुए मॉडल पर।
इतने करीब होने पर मॉडल क्या कर सकता है
लाइन से सवाल पूछें
ऑपरेटर अपनी भाषा में पूछता है कि लाइन 3 क्यों रुकी, और उसे live tags और पिछले एक घंटे के alarms से बना जवाब मिलता है।
वह पकड़ें जो threshold नहीं पकड़ सकता
मॉडल सेंसर स्ट्रीम में ऐसे पैटर्न पर नज़र रखता है जिनके लिए कोई setpoint नहीं लिख सकता, और डेटा साइट से बाहर भेजे बिना लगातार चलता है।
पार्ट की जांच करें
उसी डिवाइस पर चलने वाला vision मॉडल कैमरे में दिखने वाली चीज़ को क्लासिफ़ाई करता है और ऐसा नतीजा देता है जिस पर आपका लॉजिक कार्रवाई कर सके।
Alarm storm को समेटें
चार सौ alarm rows को किसी के पढ़ने से पहले ही एक root cause तक घटा दिया जाता है।
आप क्या deploy करते हैं
Open-weight मॉडल
Language और vision मॉडल, जो आपके हार्डवेयर में फिट होने के लिए quantize किए गए हों, या आपकी अपनी प्रोसेस पर fine-tune किया गया एक छोटा मॉडल।
हार्डवेयर को समझता है
Autonomy Edge हर डिवाइस के cores, मेमोरी और accelerators जानता है, इसलिए यह सिर्फ़ वही मॉडल ऑफ़र करता है जो डिवाइस सच में चला सके।
पूरे fleet पर deployment
जिस डैशबोर्ड का आप पहले से इस्तेमाल करते हैं, वहीं से मॉडल को एक डिवाइस या सभी डिवाइस पर rollout करें, और उसी तरह rollback करें।
ऑफ़लाइन चलता है
मॉडल deploy होने के बाद डिवाइस को किसी कनेक्शन की ज़रूरत नहीं होती। लिंक टूट जाए तो भी inference चलता रहता है, और लाइन भी।