A MEGASSEEK-R1 kombinálva az AI és az élszámot az ipari tárgyak internete számára

Bevezetés

A DeepSeek-R1 kis méretű desztillált modelljeit finoman hangolják a DeepSeek-R1 által generált átgondolt adatok felhasználásával...Címkék, örökölve az R1 érvelési képességeit. Ezek a finomhangolt adatkészletek kifejezetten magukban foglalják az érvelési folyamatokat, például a probléma bomlását és a közbenső levonásokat. A megerősítő tanulás összehangolta a desztillált modell viselkedési mintáit az R1 által generált érvelési lépésekhez. Ez a desztillációs mechanizmus lehetővé teszi a kis modellek számára, hogy fenntartsák a számítási hatékonyságot, miközben komplex érvelési képességeket szereznek a nagyobb modellek közelében, ami jelentős alkalmazás-értéket képvisel az erőforrás-korlátozott forgatókönyvekben. Például a 14B-es verzió az eredeti DeepSeek-R1 modell kódjának kitöltésének 92% -át éri el. Ez a cikk bemutatja a DeepSeek-R1 desztillált modellt és annak alapvető alkalmazásait az ipari élszámításban, amelyet a következő négy irányban foglalnak össze, valamint a konkrét megvalósítási eseteket:

DC3C637C5BeAD8B62ED51B6D83AC0B4

A berendezés előrejelző karbantartása

Műszaki megvalósítás

Érzékelő fúziója:

Integrálja a rezgést, a hőmérsékletet és az aktuális adatokat a PLC -kből a MODBUS protokollon keresztül (mintavételi sebesség 1 kHz).

Feature Extraction:

Futtassa a szélimpulzusot a Jetson Orin NX-en, hogy kinyerje a 128-dimenziós idősorok jellemzőit.

Modell következtetés:

Telepítse a DeepSeek-R1-Distill-14B modellt, a bemenetek bevitelét a hiba valószínűségi értékek előállításához.

Dinamikus beállítás:

Indítsa el a karbantartási munkarendeket, ha a bizalom> 85%, és kezdeményezzen másodlagos ellenőrzési folyamatot, ha <60%.

Releváns eset

A Schneider Electric ezt a megoldást a bányászati ​​gépekre telepítette, 63% -kal csökkentve a hamis pozitív árakat és a karbantartási költségeket 41% -kal.

1

A DeepSeek R1 desztillált modell futtatása az inhand AI Edge számítógépeken

Továbbfejlesztett vizuális ellenőrzés

Kimeneti architektúra

Tipikus telepítési csővezeték:

Kamera = Gige_vision_camera (500fps) # gigabites ipari kamera
keret = kamera.capture () # rögzítési kép
előfeldolgozott = opencv.denoise (keret) # denoising előfeldolgozás
Defect_type = Deepseek_r1_7b.infer (előfeldolgozva) # Hibás osztályozás
Ha a defect_type! = 'Normal':
Plc.trigger_reject () # indítványos rendezési mechanizmus

Teljesítménymutatók

Feldolgozási késleltetés:

82 ms (Jetson Agx Orin)

Pontosság:

A fröccsöntött hibaérzékelés eléri a 98,7%-ot.

2

DeepSeek R1 következményei: Nyertesek és vesztesek a generatív AI értékláncban

Folyamatáramlás -optimalizálás

Kulcsfontosságú technológiák

Természetes nyelv interakció:

Az operátorok a berendezések rendellenességeit hangon keresztül írják le (pl. "Extruder nyomásingadozás ± 0,3 MPa").

Multimodális érvelés:

A modell optimalizálási javaslatokat generál a berendezések történelmi adatok alapján (pl. A csavarsebesség beállítása 2,5%-kal).

Digitális iker -ellenőrzés:

Paraméter -szimulációs validálás az Edgex öntödei platformon.

Megvalósítási hatás

A BASF vegyiüzeme elfogadta ezt a rendszert, elérve az energiafogyasztás 17% -os csökkenését és a termékminőség 9% -os növekedését.

3

Edge AI és az üzlet jövője: Openai O1 vs. DeepSeek R1 az egészségügyi, autóipari és iiot számára

A tudásbázis azonnali visszakeresése

Építészeti tervezés

Helyi vektor adatbázis:

A ChromADB segítségével tárolja a berendezések kézikönyveit és a folyamat specifikációit (beágyazási dimenzió 768).

Hibrid visszakeresés:

Kombinálja a BM25 algoritmus + koszinusz hasonlóságát a lekérdezéshez.

Eredménytermelés:

Az R1-7B modell összefoglalja és finomítja a visszakeresési eredményeket.

Tipikus eset

A Siemens mérnökei természetes nyelvi lekérdezések révén oldották meg az inverter hibáit, 58%-kal csökkentve az átlagos feldolgozási időt.

A telepítési kihívások és megoldások

Memóriakorlátozások:

Használt KV gyorsítótár kvantálási technológiát, csökkentve a 14B modell memóriafelhasználását 32 GB -ról 9 GB -ra.

A valós idejű teljesítmény biztosítása:

Stabilizált, egyetlen következtetési késés ± 15 ms -ig a CUDA gráf optimalizálásán keresztül.

Modell sodródás:

Heti növekményes frissítések (a paramétereknek csak 2% -át továbbítva).

Szélsőséges környezetek:

Az IP67 védelmi szintű széles hőmérsékleti tartományokhoz, 85 ° C -ig terjednek.

5
微信图片 _20240614024031.jpg1

Következtetés

A jelenlegi telepítési költségek most 599 dollárra (Jetson Orin NX) csökkentek, és a méretezhető alkalmazások olyan szektorokban képződtek, mint a 3C gyártás, az autóipari összeszerelés és az energia kémia. A MOE architektúra és a kvantálási technológia folyamatos optimalizálása várhatóan lehetővé teszi a 70B modell számára, hogy az Edge eszközökön 2025 végéig futhasson.

Keresse meg az ELV kábel megoldást

Vezérlő kábelek

BMS, busz, ipari, műszeres kábelhez.

Strukturált kábelrendszer

Hálózat és adatok, száloptikai kábel, javítózsinór, modulok, előlapok

2024 kiállítások és események áttekintése

2024. április 16.-18.

2024. április 16-án, 1824-ben Securika Moszkvában

2024. május 9 -én új termékek és technológiák indító rendezvénye Sanghajban

2024. október 22., 25., Biztonsági Kína Pekingben

2024. november 19.20. Csatlakoztatott világ KSA


A postai idő: február-07-2025