မကြာသေးမီက ထုတ်ပြန်ခဲ့သော စက်မှု AI နှင့် AI စျေးကွက်အစီရင်ခံစာ 2021-2026 အရ စက်မှုဆက်တင်များတွင် AI ၏မွေးစားနှုန်းသည် နှစ်နှစ်အတွင်း 19 ရာခိုင်နှုန်းမှ 31 ရာခိုင်နှုန်းသို့ တိုးလာခဲ့သည်။၎င်းတို့၏ လုပ်ငန်းဆောင်တာများတွင် AI ကို အပြည့်အဝ သို့မဟုတ် တစ်စိတ်တစ်ပိုင်း အပြည့်အဝ သို့မဟုတ် တစ်စိတ်တစ်ပိုင်း ထုတ်ပြခဲ့သော ဖြေဆိုသူ 31 ရာခိုင်နှုန်းအပြင် အခြား 39 ရာခိုင်နှုန်းသည် လက်ရှိတွင် အဆိုပါနည်းပညာကို စမ်းသပ်ခြင်း သို့မဟုတ် စမ်းသပ်လျက်ရှိသည်။
AI သည် ကမ္ဘာတစ်ဝှမ်းရှိ ထုတ်လုပ်သူနှင့် စွမ်းအင်ကုမ္ပဏီများအတွက် အဓိကနည်းပညာတစ်ခုအဖြစ် ပေါ်ထွက်နေပြီး IoT ခွဲခြမ်းစိတ်ဖြာမှုမှ စက်မှု AI ဖြေရှင်းချက်စျေးကွက်သည် ပြင်းထန်သောကူးစက်ရောဂါလွန်နှစ်စဉ်တိုးတက်မှုနှုန်း (CAGR) ၏ 35% ကို 2026 ခုနှစ်တွင် $102.17 ဘီလီယံအထိရောက်ရှိရန် ခန့်မှန်းထားသည်။
ဒစ်ဂျစ်တယ်ခေတ်သည် Internet of Things ကိုမွေးဖွားပေးသည်။Artificial Intelligence ပေါ်ပေါက်လာခြင်းသည် Internet of Things ၏ ဖွံ့ဖြိုးတိုးတက်မှု အရှိန်အဟုန်ကို အရှိန်အဟုန်မြှင့် လုပ်ဆောင်လာသည်ကို တွေ့မြင်နိုင်သည်။
စက်မှု AI နှင့် AIoT ထွန်းကားလာစေသည့် အကြောင်းရင်းအချို့ကို လေ့လာကြည့်ကြပါစို့။
အကြောင်းရင်း 1- စက်မှု AIoT အတွက် ဆော့ဖ်ဝဲလ်ကိရိယာများ ပိုများလာသည်။
2019 ခုနှစ်တွင်၊ Iot ခွဲခြမ်းစိတ်ဖြာချက်သည် စက်မှု AI ကို လွှမ်းခြုံလာသောအခါ၊ လုပ်ငန်းလည်ပတ်မှုနည်းပညာ (OT) ရောင်းချသူများထံမှ သီးသန့် AI ဆော့ဖ်ဝဲထုတ်ကုန်အနည်းငယ်သာ ရှိခဲ့သည်။ထိုအချိန်မှစ၍ OT ရောင်းချသူအများအပြားသည် စက်ရုံကြမ်းပြင်အတွက် AI ပလပ်ဖောင်းပုံစံဖြင့် AI ဆော့ဖ်ဝဲဖြေရှင်းချက်များအား တီထွင်ဖန်တီးပေးခြင်းဖြင့် AI စျေးကွက်သို့ ဝင်ရောက်လာကြသည်။
ဒေတာရောင်းချသူ 400 နီးပါးသည် AIoT ဆော့ဖ်ဝဲလ်ကို ကမ်းလှမ်းသည်။စက်မှု AI စျေးကွက်သို့ ဆော့ဖ်ဝဲရောင်းချသူ အရေအတွက်သည် လွန်ခဲ့သည့် နှစ်နှစ်အတွင်း သိသိသာသာ တိုးလာခဲ့သည်။လေ့လာမှုအတွင်း IoT Analytics သည် ထုတ်လုပ်သူ/စက်မှုလုပ်ငန်းဖောက်သည်များထံ AI နည်းပညာပံ့ပိုးသူ 634 ဦးကို ဖော်ထုတ်ခဲ့သည်။အဆိုပါကုမ္ပဏီများတွင် 389 (61.4%) သည် AI ဆော့ဖ်ဝဲကို ပေးဆောင်သည်။
AI ဆော့ဖ်ဝဲလ်ပလပ်ဖောင်းအသစ်သည် စက်မှုပတ်ဝန်းကျင်များကို အာရုံစိုက်သည်။Uptake၊ Braincube သို့မဟုတ် C3 AI ကိုကျော်လွန်၍ လုပ်ငန်းလည်ပတ်မှုနည်းပညာ (OT) ရောင်းချသူ အများအပြားသည် သီးသန့် AI ဆော့ဖ်ဝဲလ်ပလပ်ဖောင်းများကို ကမ်းလှမ်းလျက်ရှိသည်။ဥပမာများတွင် ABB ၏ Genix စက်မှုပိုင်းခြားစိတ်ဖြာချက်နှင့် AI suite၊ Rockwell Automation ၏ FactoryTalk ဆန်းသစ်တီထွင်မှုအစုံ၊ Schneider Electric ၏ကိုယ်ပိုင်ထုတ်လုပ်ရေးအတိုင်ပင်ခံပလပ်ဖောင်းနှင့် မကြာသေးမီက သီးခြားအပိုပရိုဂရမ်များ ပါဝင်သည်။ဤပလပ်ဖောင်းအချို့သည် ကျယ်ပြန့်သောအသုံးပြုမှုကိစ္စရပ်များကို ပစ်မှတ်ထားသည်။ဥပမာအားဖြင့်၊ ABB ၏ Genix ပလပ်ဖောင်းသည် လုပ်ငန်းဆောင်ရွက်မှုဆိုင်ရာ စီမံခန့်ခွဲမှု၊ ပိုင်ဆိုင်မှုခိုင်မာမှု၊ ရေရှည်တည်တံ့မှုနှင့် ထောက်ပံ့မှုကွင်းဆက်ထိရောက်မှုတို့အတွက် ကြိုတင်တည်ဆောက်ထားသော အပလီကေးရှင်းများနှင့် ဝန်ဆောင်မှုများအပါအဝင် အဆင့်မြင့်ခွဲခြမ်းစိတ်ဖြာမှုများကို ပံ့ပိုးပေးပါသည်။
ကုမ္ပဏီကြီးများသည် ၎င်းတို့၏ AI software ကိရိယာများကို ဆိုင်ကြမ်းပြင်ပေါ်တွင် တင်နေကြသည်။
AI ဆော့ဖ်ဝဲလ်တူးလ်များ ရရှိနိုင်မှုသည် AWS၊ Microsoft နှင့် Google ကဲ့သို့သော ကုမ္ပဏီကြီးများမှ ဖန်တီးထားသော အသုံးပြုမှုကိစ္စရပ်ဆိုင်ရာ ဆော့ဖ်ဝဲလ်ကိရိယာအသစ်များမှလည်း တွန်းအားပေးပါသည်။ဥပမာအားဖြင့်၊ 2020 ခုနှစ် ဒီဇင်ဘာလတွင် AWS သည် PdM၊ ကွန်ပျူတာအမြင်နှင့် အလိုအလျောက်မောင်းနှင်မှုကဲ့သို့သော အသုံးအများဆုံးစက်မှုလုပ်ငန်းကိစ္စများအတွက် ကြိုတင်တည်ဆောက်ပြီး စိတ်ကြိုက်ပြင်ဆင်နိုင်သော ဖြေရှင်းချက်အစုံကို ပံ့ပိုးပေးသည့် Amazon SageMaker JumpStart ကို ထုတ်ပြန်ခဲ့သည်။ အနည်းငယ်နှိပ်ရုံပါပဲ။
အသုံးပြုမှုကိစ္စရပ်အလိုက် ဆော့ဖ်ဝဲလ်ဖြေရှင်းချက်များသည် အသုံးဝင်မှု မြှင့်တင်မှုများကို တွန်းအားပေးပါသည်။
ကြိုတင်ပြင်ဆင်ထိန်းသိမ်းမှုအပေါ် အာရုံစိုက်ထားသည့် ဖြစ်ရပ်မှန်သီးသန့်ဆော့ဖ်ဝဲလ်အစုံများသည် ပို၍အဖြစ်များလာသည်။AI-based ထုတ်ကုန်ဒေတာစီမံခန့်ခွဲမှု (PdM) ဆော့ဖ်ဝဲဖြေရှင်းချက်များအား အသုံးပြုသည့် ပံ့ပိုးသူအရေအတွက်သည် ဒေတာရင်းမြစ်အမျိုးမျိုးနှင့် ကြိုတင်လေ့ကျင့်မှုပုံစံများကို ကျယ်ကျယ်ပြန့်ပြန့်အသုံးပြုခြင်းကြောင့် 2021 ခုနှစ်အစောပိုင်းတွင် 73 ခုအထိ မြင့်တက်လာကြောင်း IoT Analytics မှ လေ့လာတွေ့ရှိခဲ့သည်။ ဒေတာမြှင့်တင်မှုနည်းပညာများကို လက်ခံကျင့်သုံးခြင်း။
အချက် 2- AI ဖြေရှင်းချက်များ၏ ဖွံ့ဖြိုးတိုးတက်မှုနှင့် ပြုပြင်ထိန်းသိမ်းမှုများကို ရိုးရှင်းစေပါသည်။
အလိုအလျောက်စက်သင်ယူခြင်း (AutoML) သည် စံထုတ်ကုန်တစ်ခုဖြစ်လာသည်။
machine learning (ML) နှင့် ဆက်စပ်သည့် လုပ်ငန်းဆောင်တာများ၏ ရှုပ်ထွေးမှုကြောင့်၊ စက်သင်ယူခြင်း အပလီကေးရှင်းများ လျင်မြန်စွာ ကြီးထွားလာခြင်းကြောင့် ကျွမ်းကျင်မှုမရှိဘဲ အသုံးပြုနိုင်သည့် စင်ပေါ်မှ စက်သင်ယူမှုနည်းလမ်းများ လိုအပ်လာသည်။စက်သင်ယူခြင်းအတွက် တိုးတက်မှုရှိသော အလိုအလျောက်စနစ်ဆိုင်ရာ သုတေသနနယ်ပယ်ကို AutoML ဟုခေါ်သည်။ကုမ္ပဏီများစွာသည် သုံးစွဲသူများအား ML မော်ဒယ်များကို တီထွင်ရန်နှင့် စက်မှုအသုံးပြုမှုကိစ္စများကို ပိုမိုမြန်ဆန်စွာအကောင်အထည်ဖော်ရန် AI ကမ်းလှမ်းမှုများ၏တစ်စိတ်တစ်ပိုင်းအဖြစ် ဤနည်းပညာကို အသုံးချလျက်ရှိသည်။ဥပမာအားဖြင့်၊ 2020 ခုနှစ် နိုဝင်ဘာလတွင် SKF သည် ကုန်ကျစရိတ်လျှော့ချရန်နှင့် ဖောက်သည်များအတွက် လုပ်ငန်းပုံစံသစ်များကို အသုံးပြုရန်အတွက် စက်လုပ်ငန်းစဉ်ဒေတာနှင့် တုန်ခါမှုနှင့် အပူချိန်ဒေတာတို့ကို ပေါင်းစပ်ထားသည့် automL-based ထုတ်ကုန်တစ်ခုကို ကြေညာခဲ့သည်။
စက်သင်ယူမှု လုပ်ဆောင်ချက်များ (ML Ops) သည် မော်ဒယ်စီမံခန့်ခွဲမှုနှင့် ပြုပြင်ထိန်းသိမ်းမှုကို ရိုးရှင်းစေသည်။
စက်သင်ယူခြင်းလုပ်ငန်းဆောင်ရွက်မှုများ၏ စည်းကမ်းအသစ်သည် ထုတ်လုပ်မှုပတ်ဝန်းကျင်တွင် AI မော်ဒယ်များကို ပြုပြင်ထိန်းသိမ်းမှုကို ရိုးရှင်းစေရန် ရည်ရွယ်သည်။AI မော်ဒယ်လ်တစ်ခု၏ စွမ်းဆောင်ရည်သည် စက်ရုံအတွင်းရှိ အကြောင်းရင်းများစွာ (ဥပမာ၊ ဒေတာဖြန့်ဖြူးမှုနှင့် အရည်အသွေးစံနှုန်းများ အပြောင်းအလဲများ) ကြောင့် အချိန်နှင့်အမျှ ကျဆင်းသွားပါသည်။ရလဒ်အနေဖြင့်၊ မော်ဒယ်ပြုပြင်ထိန်းသိမ်းမှုနှင့် စက်သင်ယူမှုလုပ်ငန်းများသည် စက်မှုပတ်ဝန်းကျင်များ၏ အရည်အသွေးမြင့်လိုအပ်ချက်များနှင့် ကိုက်ညီရန် လိုအပ်လာပါသည် (ဥပမာ၊ စွမ်းဆောင်ရည် 99% အောက်ရှိသော မော်ဒယ်များသည် အလုပ်သမားများ၏ ဘေးကင်းမှုကို အန္တရာယ်ဖြစ်စေသောအပြုအမူများကို ခွဲခြားသတ်မှတ်ရန် ပျက်ကွက်နိုင်သည်)။
မကြာသေးမီနှစ်များအတွင်း၊ DataRobot၊ Grid.AI၊ Pinecone/Zilliz၊ Seldon နှင့် Weights & Biases အပါအဝင် ML Ops space အများအပြားတွင် startups အများအပြား ဝင်ရောက်လာခဲ့ကြသည်။တည်ထောင်ထားသောကုမ္ပဏီများသည် Azure ML Studio တွင် data drift detection ကိုမိတ်ဆက်ပေးခဲ့သည့် Microsoft အပါအဝင် ၎င်းတို့၏လက်ရှိ AI ဆော့ဖ်ဝဲလ်ကမ်းလှမ်းမှုများတွင် စက်သင်ယူခြင်းလုပ်ငန်းများကို ထည့်သွင်းထားသည်။ဤအင်္ဂါရပ်အသစ်သည် သုံးစွဲသူများအား မော်ဒယ်စွမ်းဆောင်ရည်ကို ကျဆင်းစေသည့် ထည့်သွင်းဒေတာဖြန့်ဖြူးမှုတွင် အပြောင်းအလဲများကို သိရှိနိုင်စေပါသည်။
အချက် 3- ရှိပြီးသား အက်ပ်များနှင့် အသုံးပြုမှုကိစ္စများတွင် ဉာဏ်ရည်တုကို အသုံးချသည်။
သမားရိုးကျဆော့ဖ်ဝဲလ်ပံ့ပိုးပေးသူများသည် AI စွမ်းရည်များကို ပေါင်းထည့်နေကြသည်။
MS Azure ML၊ AWS SageMaker နှင့် Google Cloud Vertex AI ကဲ့သို့သော ကြီးမားသော ရေပြင်ညီ AI ဆော့ဖ်ဝဲကိရိယာများအပြင်၊ Computerized Maintenance Management Systems (CAMMS)၊ ထုတ်လုပ်မှုစနစ်များ (MES) သို့မဟုတ် လုပ်ငန်းဆိုင်ရာ အရင်းအမြစ်စီစဉ်ခြင်း (ERP) ကဲ့သို့သော ရိုးရာဆော့ဖ်ဝဲအစုံများ AI စွမ်းရည်ကို ထိုးသွင်းခြင်းဖြင့် သိသိသာသာ တိုးတက်လာနိုင်ပါပြီ။ဥပမာအားဖြင့်၊ ERP ဝန်ဆောင်မှုပေးသူ Epicor Software သည် ၎င်း၏ Epicor Virtual Assistant (EVA) မှတစ်ဆင့် ၎င်း၏ လက်ရှိထုတ်ကုန်များသို့ AI စွမ်းရည်များကို ပေါင်းထည့်နေသည်။Intelligent EVA အေးဂျင့်များကို ကုန်ထုတ်လုပ်မှုလုပ်ငန်းများကို အချိန်ဇယားဆွဲခြင်း သို့မဟုတ် ရိုးရှင်းသောမေးမြန်းချက်များကို လုပ်ဆောင်ခြင်းကဲ့သို့သော ERP လုပ်ငန်းစဉ်များကို အလိုအလျောက်လုပ်ဆောင်ရန်အတွက် အသုံးပြုသည် (ဥပမာ၊ ထုတ်ကုန်စျေးနှုန်းနှင့် ရရှိနိုင်သောအစိတ်အပိုင်းအရေအတွက်) အကြောင်းအသေးစိတ်အချက်အလက်များကို ရယူရန်အသုံးပြုပါသည်။
AIoT ကို အသုံးပြု၍ စက်မှုလုပ်ငန်းသုံး ကိစ္စများကို အဆင့်မြှင့်တင်နေပါသည်။
ရှိပြီးသား ဟာ့ဒ်ဝဲ/ဆော့ဖ်ဝဲလ်အခြေခံအဆောက်အအုံများတွင် AI စွမ်းရည်များကို ပေါင်းထည့်ခြင်းဖြင့် စက်မှုအသုံးပြုမှုဆိုင်ရာ ကိစ္စရပ်အများအပြားကို မြှင့်တင်လျက်ရှိသည်။ကွက်ကွက်ကွင်းကွင်း ဥပမာတစ်ခုသည် အရည်အသွေးထိန်းချုပ်မှုဆိုင်ရာ အပလီကေးရှင်းများတွင် စက်အမြင်ဖြစ်သည်။သမားရိုးကျ စက်အမြင်စနစ်များသည် အရာဝတ္တုများ ချို့ယွင်းချက်ရှိမရှိ ဆုံးဖြတ်ရန် ကြိုတင်သတ်မှတ်ထားသော ကန့်သတ်ဘောင်များနှင့် သတ်မှတ်ချက်များကို အကဲဖြတ်သည့် အထူးဆော့ဖ်ဝဲဖြင့် ပေါင်းစပ်ထားသော သို့မဟုတ် သီးခြားကွန်ပြူတာများမှတစ်ဆင့် ပုံများကို စီမံဆောင်ရွက်ပေးပါသည်။များစွာသော ကိစ္စများတွင် (ဥပမာ၊ ကွဲပြားသော ဝါယာကြိုးပုံသဏ္ဍာန်ရှိသော အီလက်ထရွန်နစ် အစိတ်အပိုင်းများ)၊ မှားယွင်းသော အပြုသဘော အရေအတွက်သည် အလွန်မြင့်မားသည်။
သို့သော်လည်း အဆိုပါစနစ်များကို ဉာဏ်ရည်တုဖြင့် ပြန်လည်အသက်သွင်းလျက်ရှိသည်။ဥပမာအားဖြင့်၊ စက်မှုလုပ်ငန်းသုံးစက် Vision ပံ့ပိုးပေးသူ Cognex သည် 2021 ခုနှစ် ဇူလိုင်လတွင် Deep Learning တူးလ်အသစ် (Vision Pro Deep Learning 2.0) ကို ထုတ်ပြန်ခဲ့သည်။ ကိရိယာအသစ်များသည် ရိုးရာအမြင်စနစ်များနှင့် ပေါင်းစပ်ထားသောကြောင့် သုံးစွဲသူများအား တူညီသောအပလီကေးရှင်းတွင် ရိုးရာအမြင်တူးလ်များနှင့် နက်နဲသောသင်ယူမှုကို ပေါင်းစပ်နိုင်စေပါသည်။ ခြစ်ရာများ၊ ညစ်ညမ်းမှုနှင့် အခြားချို့ယွင်းချက်များကို တိကျစွာ တိုင်းတာရန် လိုအပ်သော ဆေးဘက်ဆိုင်ရာနှင့် အီလက်ထရွန်နစ်ပတ်ဝန်းကျင်များကို ဖြည့်ဆည်းပေးသည်။
အချက် 4- စက်မှု AIoT ဟာ့ဒ်ဝဲကို မြှင့်တင်နေပါသည်။
AI ချစ်ပ်များသည် လျင်မြန်စွာ တိုးတက်လာသည်။
ထည့်သွင်းထားသော ဟာ့ဒ်ဝဲ AI ချစ်ပ်များသည် AI မော်ဒယ်များ၏ ဖွံ့ဖြိုးတိုးတက်မှုနှင့် အသုံးချမှုကို ပံ့ပိုးရန် ရွေးချယ်စရာမျိုးစုံဖြင့် လျင်မြန်စွာ ကြီးထွားလာပါသည်။ဥပမာများတွင် NVIDIA ၏နောက်ဆုံးပေါ်ဂရပ်ဖစ်လုပ်ဆောင်ခြင်းယူနစ်များ (Gpus)၊ A30 နှင့် A10 တို့သည် 2021 ခုနှစ် မတ်လတွင်မိတ်ဆက်ခဲ့ပြီး အကြံပြုချက်စနစ်များနှင့် ကွန်ပျူတာအမြင်စနစ်များကဲ့သို့သော AI အသုံးပြုမှုကိစ္စများအတွက် သင့်လျော်ပါသည်။အခြားဥပမာမှာ Google ၏ စတုတ္ထမျိုးဆက် Tensors Processing Units (TPus) သည် အဆ 1,000 ပိုမိုထိရောက်မှုနှင့် မြန်နှုန်းအထိ ရရှိနိုင်သော အစွမ်းထက်သော အထူးရည်ရွယ်ချက် ပေါင်းစပ်ထားသော ဆားကစ်များဖြစ်သည့် Google ၏ စတုတ္ထမျိုးဆက် Tensors Processing Units (ဥပမာ- အရာဝတ္ထုများကို ထောက်လှမ်းခြင်း)၊ ၊ ရုပ်ပုံအမျိုးအစားခွဲခြင်းနှင့် အကြံပြုချက်စံနှုန်းများ)။သီးသန့် AI ဟာ့ဒ်ဝဲကို အသုံးပြုခြင်းသည် မော်ဒယ်တွက်ချက်မှုအချိန်ကို ရက်အနည်းငယ်မှ မိနစ်အထိ လျှော့ချပေးကာ ကိစ္စများစွာတွင် ဂိမ်းပြောင်းလဲမှုတစ်ခုအဖြစ် သက်သေပြခဲ့သည်။
အစွမ်းထက်သော AI ဟာ့ဒ်ဝဲကို တစ်ကြိမ်တစ်ခါသုံးသည့်ပုံစံဖြင့် ချက်ချင်းရနိုင်သည်။
စူပါစကေးစီးပွားရေးလုပ်ငန်းများသည် သုံးစွဲသူများ၏စက်မှုဆိုင်ရာ AI အပလီကေးရှင်းများကိုအကောင်အထည်ဖော်နိုင်စေရန် cloud တွင် ကွန်ပျူတာအရင်းအမြစ်များရရှိနိုင်စေရန် ၎င်းတို့၏ဆာဗာများကို အဆက်မပြတ်အဆင့်မြှင့်တင်နေပါသည်။ဥပမာအားဖြင့်၊ နိုဝင်ဘာလ 2021 တွင် AWS သည် ကွန်ပျူတာအမြင်နှင့် အကြံပြုချက်အင်ဂျင်များအပါအဝင် ML အပလီကေးရှင်းအမျိုးမျိုးအတွက် NVIDIA A10G Tensor Core GPU မှ စွမ်းဆောင်ထားသည့် Amazon EC2 G5 ၏ နောက်ဆုံးထွက် GPU-based ဖြစ်ရပ်များကို တရားဝင်ထုတ်ပြန်ကြေညာခဲ့သည်။ဥပမာအားဖြင့်၊ ထောက်လှမ်းမှုစနစ်များပံ့ပိုးပေးသူ Nanotronics သည် လုပ်ဆောင်ခြင်းများကို အရှိန်မြှင့်ရန်နှင့် microchips နှင့် nanotubes များထုတ်လုပ်ရာတွင် ပိုမိုတိကျသောထောက်လှမ်းမှုနှုန်းများရရှိရန် ၎င်း၏ AI-based အရည်အသွေးထိန်းချုပ်မှုဖြေရှင်းချက်၏ Amazon EC2 နမူနာများကို အသုံးပြုပါသည်။
နိဂုံးနှင့်အလားအလာ
AI သည် စက်ရုံမှထွက်ရှိလာပြီး ၎င်းသည် AI-based PdM ကဲ့သို့သော အပလီကေးရှင်းအသစ်များနှင့် လက်ရှိဆော့ဖ်ဝဲလ်နှင့် အသုံးပြုမှုကိစ္စများအတွက် မြှင့်တင်မှုများအဖြစ် နေရာအနှံ့တွင် ရှိနေမည်ဖြစ်သည်။လုပ်ငန်းကြီးများသည် AI အသုံးပြုမှုကိစ္စများနှင့် အောင်မြင်မှုကို အစီရင်ခံခြင်းများစွာကို စတင်လုပ်ဆောင်နေပြီး ပရောဂျက်အများစုသည် ရင်းနှီးမြှုပ်နှံမှုအပေါ် မြင့်မားသောအကျိုးအမြတ်ရှိသည်။ခြုံငုံကြည့်လျှင် cloud၊ iot ပလပ်ဖောင်းများနှင့် အစွမ်းထက်သော AI ချစ်ပ်များ ထွန်းကားလာခြင်းသည် ဆော့ဖ်ဝဲလ်နှင့် အကောင်းဆုံးဖြစ်အောင် မျိုးဆက်သစ်အတွက် ပလပ်ဖောင်းတစ်ခု ထောက်ပံ့ပေးသည်။
စာတိုက်အချိန်- Jan-12-2022