Deepseek-R1 som kombinerar AI och Edge Computing för Industrial IoT

Introduktion

De småstora destillerade modellerna av Deepseek-R1 är finjusterade med hjälp av kedje-av-genomtänkta data som genereras av Deepseek-R1, markerade med...Taggar, ärvning av resonemangets kapacitet för R1. Dessa finjusterade datasätt inkluderar uttryckligen resonemangsprocesser som problemnedbrytning och mellanliggande avdrag. Förstärkningsinlärning har anpassat den destillerade modellens beteendemönster med resonemangsstegen som genereras av R1. Denna destillationsmekanism gör det möjligt för små modeller att upprätthålla beräkningseffektivitet samtidigt som man får komplexa resonemang nära de för större modeller, vilket är av betydande applikationsvärde i resursbegränsade scenarier. Till exempel uppnår 14B-versionen 92% av kodens slutförande av den ursprungliga Deepseek-R1-modellen. Den här artikeln introducerar den Deepseek-R1-destillerade modellen och dess kärnapplikationer i industriell kantberäkning, sammanfattad i följande fyra riktningar, tillsammans med specifika implementeringsfall:

dc3c637c5bead8b62ed51b6d83ac0b4

Förutsägbart underhåll av utrustning

Teknisk implementering

Sensorfusion:

Integrera vibrationer, temperatur och aktuella data från PLC via MODBUS -protokollet (provtagningshastighet 1 kHz).

Funktionsekstraktion:

Kör kantimpuls på Jetson Orin NX för att extrahera 128-dimensionella tidsseriefunktioner.

Modellinferens:

Distribuera DeepSeek-R1-Distill-14B-modellen och inmatning av funktionsvektorer för att generera fel sannolikhetsvärden.

Dynamisk justering:

Trigger underhållsarbeten för att förtroende> 85%och initiera en sekundär verifieringsprocess när <60%.

Relevant fall

Schneider Electric distribuerade denna lösning på gruvmaskiner, vilket minskade falska positiva priser med 63% och underhållskostnader med 41%.

1

Kör Deepseek R1 destillerad modell på Inhand AI Edge -datorer

Förbättrad visuell inspektion

Utgångsarkitektur

Typisk distributionsrörledning:

kamera = gige_vision_camera (500fps) # Gigabit Industrial Camera
ram = camera.capture () # fånga bild
förbehandling = OpenCv.Denoise (ram) # Denoising förbehandling
defect_type = deepseek_r1_7b.infer (förbehandlad) # defekt klassificering
Om defekt_typ! = 'Normal':
Plc.trigger_reject () # trigger sorteringsmekanism

Prestationsmetriker

Behandlingsfördröjning:

82 ms (Jetson Agx Orin)

Noggrannhet:

Injektionsgjuten defektdetektering når 98,7%.

2

Deepseek R1: s konsekvenser: Vinnare och förlorare i den generativa AI -värdekedjan

Processflödesoptimering

Nyckelteknik

Naturligt språkinteraktion:

Operatörer beskriver utrustningens anomalier via röst (t.ex. "Extruder Pressure Fluktuation ± 0,3 MPa").

Multimodal resonemang:

Modellen genererar optimeringsförslag baserade på historiska data (t.ex. justering av skruvhastigheten med 2,5%).

Digital tvillingverifiering:

Parametersimuleringsvalidering på EdgeX Foundry -plattformen.

Implementeringseffekt

BASF: s kemiska anläggning antog detta schema och uppnådde en minskning av energiförbrukningen på 17% och en ökning av produktkvaliteten med 9%.

3

Edge AI and the Future of Business: Openai O1 vs. Deepseek R1 for Healthcare, Automotive och IIOT

Omedelbar hämtning av kunskapsbasen

Arkitekturdesign

Lokal vektordatabas:

Använd ChromAdB för att lagra utrustningens manualer och processpecifikationer (inbäddningsdimension 768).

Hybridåtervinning:

Kombinera BM25 -algoritm + kosinuslikhet för fråga.

Resultatgenerering:

R1-7B-modellen sammanfattar och förädlar återvinningsresultat.

Typfall

Siemens -ingenjörer löst inverterningsfel genom naturliga språkfrågor, vilket minskade genomsnittlig bearbetningstid med 58%.

Utplaceringsutmaningar och lösningar

Minnesbegränsningar:

Utnyttjad KV -cache -kvantiseringsteknik, vilket minskade minnesanvändningen av 14B -modellen från 32 GB till 9 GB.

Säkerställa prestanda i realtid:

Stabiliserad enstaka inferenslatens till ± 15 ms genom CUDA -grafoptimering.

Modelldrift:

Veckovisa inkrementella uppdateringar (överför endast 2% av parametrarna).

Extrema miljöer:

Utformad för bredtemperaturintervall av -40 ° C till 85 ° C med IP67 -skyddsnivå.

5
微信图片 _20240614024031.jpg1

Slutsats

Nuvarande distributionskostnader har nu minskat till $ 599/nod (Jetson Orin NX), med skalbara applikationer som bildas i sektorer som 3C -tillverkning, bilmontering och energikemi. Kontinuerlig optimering av MOE -arkitekturen och kvantiseringstekniken förväntas göra det möjligt för 70B -modellen att köra på kantenheter i slutet av 2025.

Hitta ELV -kabellösning

Kontrollkablar

För BMS, buss, industri, instrumenteringskabel.

Strukturerat kabelsystem

Nätverk och data, fiberoptisk kabel, patch sladd, moduler, frontplatta

2024 Utställningar och händelser Review

16-18, 2024 Mellanöstern i Dubai

16-18, 2024 Securika i Moskva

Maj.9, 2024 Nya produkter och teknologier Lanseringsevenemang i Shanghai

22 oktober-25: e, 2024 Säkerhetskina i Peking

19-20, 2024 Connected World KSA


Posttid: Feb-07-2025