Ievads

DeepSEEK-R1 maza izmēra destilēti modeļi ir precīzi noregulēti, izmantojot DeepSEEK-R1 radītos datus, kas iegūti ar ķēdi, apzīmēti ar...tagi, mantojot R1 argumentācijas iespējas. Šīs precīzi noregulētās datu kopas skaidri ietver spriešanas procesus, piemēram, problēmu sadalīšanos un starpposma atskaitījumus. Armatūras mācīšanās ir saskaņojusi destilētā modeļa uzvedības modeļus ar R1 radītajiem spriešanas posmiem. Šis destilācijas mehānisms ļauj maziem modeļiem saglabāt skaitļošanas efektivitāti, vienlaikus iegūstot sarežģītas spriešanas spējas tuvumā lielākiem modeļiem, kam ir nozīmīga lietojumprogrammas vērtība resursos ierobežotos scenārijos. Piemēram, 14B versija sasniedz 92% no oriģinālā DeepSEEK-R1 modeļa koda pabeigšanas. Šis raksts iepazīstina ar DeepSEEK-R1 destilētu modeli un tā galvenajiem pielietojumiem rūpniecības malu skaitļošanā, kas apkopots šādos četros virzienos, kā arī īpašos ieviešanas gadījumos:

Paredzamā aprīkojuma apkope

Tehniskā ieviešana

Sensora saplūšana:

Integrējiet vibrāciju, temperatūru un strāvas datus no PLC, izmantojot MODBUS protokolu (paraugu ņemšanas ātrums 1 kHz).

Funkcijas ieguve:

Skrieniet malu impulss Jetson orin nx, lai iegūtu 128-dimensiju laika sērijas funkcijas.

Modeļa secinājums:

Izvietojiet DeepSEEK-R1-Distill-14b modeli, ievadot funkciju vektorus, lai ģenerētu kļūmes varbūtības vērtības.

Dinamiska pielāgošana:

Sprūda uzturēšanas darba pasūtījumi, kad pārliecība ir> 85%, un uzsāk sekundāru verifikācijas procesu, kad <60%.

Attiecīgais gadījums

Schneider Electric izvietoja šo risinājumu kalnrūpniecības mašīnā, samazinot viltus pozitīvo likmi par 63% un uzturēšanas izmaksas par 41%.

DeepSeek R1 destilēta modeļa vadīšana inhand AI malu datoros

Uzlabota vizuālā pārbaude

Izejas arhitektūra

Tipisks izvietošanas cauruļvads:

kamera = gige_vision_camera (500 kadrip) # Gigabit industriālā kamera
rāmis = kamera.capture () # uztvert attēlu
iepriekš apstrādāts = opencv.denoise (rāmis) # denoizēšana priekšapstrāde
Defect_type = DeepSeek_R1_7b.infer (iepriekš apstrādāts) # defektu klasifikācija
Ja defect_type! = “normāls”:
Plc.trigger_reject () # sprūda šķirošanas mehānisms

Veiktspējas metrika

Apstrādes kavēšanās:

82 ms (Jetson Agx Orin)

Precizitāte:

Injekcijas veidota defektu noteikšana sasniedz 98,7%.

DeepSeek R1 ietekme: uzvarētāji un zaudētāji ģeneratīvajā AI vērtību ķēdē

Procesa plūsmas optimizācija

Galvenās tehnoloģijas

Dabiskās valodas mijiedarbība:

Operatori apraksta aprīkojuma anomālijas, izmantojot balsi (piemēram, "ekstrūdera spiediena svārstības ± 0,3 MPa").

Multimodāla argumentācija:

Modelis ģenerē optimizācijas ieteikumus, pamatojoties uz aprīkojuma vēsturiskiem datiem (piemēram, skrūves ātruma pielāgošana par 2,5%).

Digitālā dvīņu pārbaude:

Parametru simulācijas validācija EdgeX lietuves platformā.

Ieviešanas efekts

BASF ķīmiskā rūpnīca pieņēma šo shēmu, panākot enerģijas patēriņa samazinājumu par 17% un produktu kvalitātes līmeņa paaugstināšanos par 9%.

Edge AI un uzņēmējdarbības nākotne: Openai O1 pret DeepSeek R1 veselības aprūpei, automobiļu un IIOT

Tūlītēja zināšanu bāzes iegūšana

Arhitektūras dizains

Vietējā vektora datu bāze:

Izmantojiet ChromAdB, lai uzglabātu aprīkojuma rokasgrāmatas un apstrādātu specifikācijas (iegulšanas dimensija 768).

Hibrīda izguve:

Apvienojiet BM25 algoritmu + kosinusa līdzību vaicājumam.

Rezultātu ģenerēšana:

R1-7B modelis apkopo un uzlabo iegūšanas rezultātus.

Tipisks gadījums

Siemens inženieri, izmantojot dabiskās valodas vaicājumus, atrisināja invertora neveiksmes, samazinot vidējo apstrādes laiku par 58%.

Izvietošanas izaicinājumi un risinājumi

Atmiņas ierobežojumi:

Izmantoja KV kešatmiņas kvantēšanas tehnoloģiju, samazinot 14B modeļa atmiņas izmantošanu no 32 GB līdz 9 GB.

Nodrošināt reālā laika sniegumu:

Stabilizēts viens secinājums latentums līdz ± 15 ms caur CUDA diagrammas optimizāciju.

Modeļa dreifēšana:

Iknedēļas pieaugošie atjauninājumi (pārsūtot tikai 2% no parametriem).

Extreme vide:

Paredzēts plašai temperatūras diapazoniem no -40 ° C līdz 85 ° C ar IP67 aizsardzības līmeni.

Secinājums

Pašreizējās izvietošanas izmaksas tagad ir samazinājušās līdz USD 599/mezglam (Jetson Orin NX), un mērogojamas lietojumprogrammas veidojas tādās nozarēs kā 3C ražošana, automobiļu montāža un enerģijas ķīmija. Paredzams, ka nepārtraukta MOE arhitektūras un kvantēšanas tehnoloģijas optimizācija ļaus 70B modelim darboties malu ierīcēs līdz 2025. gada beigām.

Atrodiet elv kabeļa šķīdumu

Kontroles kabeļi

BMS, autobusu, rūpniecības, instrumentācijas kabeļam.

Noklikšķiniet šeit

Strukturēta kabeļu sistēma

Tīkls un dati, optiskās šķiedras kabelis, plākstera vads, moduļi, priekšējā plāksne