Deepseek-R1 yhdistämällä AI- ja reunalaskenta teollisuuden IoT: lle

Esittely

Deepseek-R1: n pienikokoiset tislatut mallit on hienosäädetty käyttämällä DeepSeek-R1: n tuottamaa ketjuketjuista tietoa, merkittynä...Tunnisteet, perimällä R1: n päättelyominaisuudet. Nämä hienosäädetyt tietojoukot sisältävät nimenomaisesti perusteluprosessit, kuten ongelman hajoaminen ja välituotteet. Vahvistusoppiminen on kohdistanut tislatun mallin käyttäytymismallit R1: n tuottamiin päättelyvaiheisiin. Tämä tislausmekanismi antaa pienille mallille mahdollisuuden ylläpitää laskennallista tehokkuutta samalla kun saadaan monimutkaisia ​​päättelykykyjä lähellä suurempien mallien malleja, mikä on merkittävää sovellusarvoa resurssien rajoittamisessa skenaarioissa. Esimerkiksi 14B-versio saavuttaa 92% alkuperäisen Deepseek-R1-mallin koodin loppuun saattamisesta. Tässä artikkelissa esitellään Deepseek-R1-tislattu malli ja sen ydinsovellukset teollisuusreunan tietojenkäsittelyssä, joka on yhteenveto seuraavissa neljässä suunnassa sekä erityiset toteutustapaukset:

DC3C637C5BEAD8B62ED51B6D83AC0B4

Laitteiden ennustava huolto

Tekninen toteutus

Anturifuusio:

Integroi PLC: n värähtely, lämpötila ja virtatiedot Modbus -protokollan kautta (näytteenottotaajuus 1 kHz).

Ominaisuuden poisto:

Suorita reuna-impulssi Jetson Orin NX: llä 128-ulottuvuuden aikasarjan ominaisuuksien purkamiseksi.

Malli -päätelmät:

Ota Deepseek-R1-Distill-14B-malli, syöttämällä ominaisuusvektorit vian todennäköisyysarvojen luomiseksi.

Dynaaminen säätö:

Aseta ylläpitotyömääräys, kun luottamus> 85%, ja aloita toissijainen varmennusprosessi, kun <60%.

Asiaankuuluva tapaus

Schneider Electric käytti tätä ratkaisua kaivoskoneille, vähentäen vääriä positiivisia korkoja 63% ja ylläpitokustannukset 41%.

1

Deepseek R1 -tislattu malli Inhand AI Edge Computers

Parannettu visuaalinen tarkastus

Lähtöarkkitehtuuri

Tyypillinen käyttöönottoputki:

kamera = gige_vision_camera (500fps) # gigabitin teollisuuskamera
Frame = Camera.Capture () # Kaappauskuva
esikäsittely = opencv.denoise (kehys) # esikäsittely
vikaan
Jos viat_type! = 'normaali':
Plc.trigger_reject () # liipaisin lajittelumekanismi

Suorituskykymittarit

Käsittelyviive:

82 ms (Jetson Agx Orin)

Tarkkuus:

Injektiovalettu vian havaitseminen saavuttaa 98,7%.

2

Deepseek R1: n vaikutukset: voittajat ja häviäjät generatiivisessa AI -arvoketjussa

Prosessin virtauksen optimointi

Avainteknologia

Luonnollisen kielen vuorovaikutus:

Operaattorit kuvaavat laitteiden poikkeavuuksia äänen kautta (esim. "Suulakepuristimen painevaihtelu ± 0,3 MPa").

Multimodaalinen päättely:

Malli tuottaa optimointiehdotuksia, jotka perustuvat laitteiden historialliseen tietoon (esim. Ruuvin nopeuden säätäminen 2,5%).

Digitaalinen kaksoisvarmennus:

Parametrien simulaation validointi Edgex -valimoalustalla.

Toteutusvaikutus

BASF: n kemiallinen kasvi hyväksyi tämän järjestelmän saavuttaen energiankulutuksen vähenemisen 17% ja tuotteen laadun määrän 9%.

3

Edge AI ja liiketoiminnan tulevaisuus: OpenAi O1 vs. Deepseek R1 terveydenhuollon, Automotive ja Iiot

Tietopohjan välitön haku

Arkkitehtuurisuunnittelu

Paikallinen vektoritietokanta:

Käytä ChromaDB: tä laiteoppaan ja prosessin eritelmien säilyttämiseen (upotus ulottuvuus 768).

Hybridi -haku:

Yhdistä BM25 -algoritmi + kosinin samankaltaisuus kyselyyn.

Tuloksen sukupolvi:

R1-7B-malli on yhteenveto ja tarkentaa hakutuloksia.

Tyypillinen tapaus

Siemens -insinöörit ratkaisivat invertterin viat luonnollisten kielikyselyjen kautta vähentäen keskimääräistä käsittelyaikaa 58%.

Käyttöönottohaasteet ja ratkaisut

Muistin rajoitukset:

Käytetty KV -välimuistin kvantisointitekniikka vähentäen 14B -mallin muistin käyttöä 32 Gt 9 Gt: iin.

Reaaliaikaisen suorituskyvyn varmistaminen:

Stabiloitu yksittäinen päätelmä latenssi ± 15 ms CUDA -kuvaajan optimoinnin avulla.

Malli Drift:

Viikoittaiset inkrementaaliset päivitykset (vain 2% parametrien välittäminen).

Äärimmäiset ympäristöt:

Suunniteltu leveille lämpötila -alueille -40 ° C -85 ° C IP67 -suojaustasolla.

5
微信图片 _20240614024031.jpg1

Johtopäätös

Nykyiset käyttöönottokustannukset ovat nyt laskeneet 599 dollariin/solmu (Jetson Orin NX), skaalautuvien sovellusten muodostuessa aloilla, kuten 3C -valmistus, autokokoonpano ja energiakemia. MOE: n arkkitehtuurin ja kvantisointitekniikan jatkuvan optimoinnin odotetaan mahdollistavan 70B -mallin juoksemisen reunalaitteilla vuoden 2025 loppuun mennessä.

Löydä ELV -kaapeliliuos

Ohjauskaapelit

BMS-, BUS-, teollisuus-, instrumentointikaapeli.

Jäsennelty kaapelointijärjestelmä

Verkko ja data, kuituoptinen kaapeli, laastarijohto, moduulit, etulevy

2024 Näyttelyt ja tapahtumakatsaus

16. huhtikuuta-18. huhtikuuta 2024 Keski-energia Dubaissa

16. huhtikuuta-18. huhtikuuta 2024 Securika Moskovassa

Toukokuu 9., 2024 Uusia tuotteita ja teknologioita lanseeratapahtuma Shanghaissa

22. lokakuuta 25., 2024 Turvallisuus Kiina Pekingissä

19.-20. Marraskuuta 2024 Connected World KSA


Viestin aika: helmikuu-07-2025