人工智能在物联网分析中的价值
来源 | 千家网2022-11-24 22:31:34
物联网本身对制造商来说并不陌生。几十年来,制造商一直在收集和存储来自机器的传感器数据...

在亚洲的许多地区,季节性暴雨带来洪水,破坏公民的财产和生计。过去,城市管理部门、市民和企业除了抵御洪水及其带来的潜在疾病外,几乎什么都做不了。而物联网(IoT)、机器学习(ML)和人工智能(AI)等技术可能会为更具前瞻性的领导者提供喘息的机会。

这就是DKI雅加达省政府防洪系统在雅加达智慧城市中的应用。该项目由雅加达智慧城市与雅加达水资源服务局(DSDA)合作开发,旨在优化雅加达的洪水风险管理。该项目涉及使用物联网、人工智能和机器学习作为预警系统的一部分,以应对城市的洪水风险。

随着越来越多的组织在商业和工业环境中部署物联网,来自这些设备和传感器的数据量可能对提高质量、运营效率以及在雅加达的情况下,从自然灾害中拯救生命和财产具有重要意义。

SAS Institute的行业咨询主管Kenneth Koh认为,物联网系统对其环境做出反应的速度和准确性至关重要。然而,由于典型系统中的设备和其他传感器会产生大量的数据,传统的工具和方法会减慢对这些数据的理解过程。

什么是人工智能嵌入式物联网?

Kenneth Koh: 在边缘或边缘附近处理数据可以使物联网系统更灵活、更有影响力。但是,以数据为主导的行动的质量与其所依据的基于数据的洞察力的质量一样有意义。

物联网本身对制造商来说并不陌生。几十年来,制造商一直在收集和存储来自机器的传感器数据。他们的价值主张在于AIoT——在边缘实时分析数据,利用人工智能和机器学习来提高效率和价值。

通过为物联网系统配备人工智能能力,可以在边缘处理各种结构化和非结构化数据。以更快的速度提供高质量的见解,供系统采取行动。

人工智能嵌入式物联网如何释放商业价值

Kenneth Koh: 人工智能嵌入式物联网提高了运营效率和生产力,同时降低了成本。其还推动创新,以提供更好的客户服务、更好的产品和更快的产品投放到市场。

在物联网设备中嵌入AI可以实现边缘计算,从而允许在一致的5G网络不可用的情况下部署物联网系统。例如,物流供应商可以在其运输车队中使用物联网传感器来监控车辆的内部和外部状况,即使是在后者路线的偏远地区。

除了边缘计算,人工智能嵌入式物联网利用机器学习,从物联网系统每天生成的TB数据中开发可操作的见解。在上面的例子中,从这些传感器收集到的数据被实时发送到云端,使技术人员能够更准确、更快地解决车辆故障。

制造商还可以利用这些见解来预测某个特定的工厂系统或设备何时会发生故障,从而使技术人员能够实施预防性维护。主动检测故障设备可节省宝贵的工时,同时减少代价昂贵的计划外停机时间。

在零售方面,物联网系统的见解可用于确定产品的最优价格,并最大限度地减少对其供应链的干扰。

机器学习在物联网分析中的作用

Kenneth Koh: 机器学习是人工智能嵌入式物联网相对于其他物联网部署的优势。系统可以在处理传感器生成的数据时进行学习,使用各种高级分析方法,如决策树、随机森林、梯度提升、神经网络、支持向量机和因式分解机。

这为企业节省了人力时间和组织中的专家。无需大量训练AI系统,专家可以专注于其他关键任务,而非数据科学家可以访问、查看和处理数据。

机器学习能力还增加了人工智能系统可以访问和处理的数据范围:在线和离线的视觉图像、文本甚至口头语音。现有数据数量和质量的增加,增加了从中获得的见解的价值和影响。

结合这些机器学习功能,可以提高数据处理的速度和数量,从而实现实时可操作的见解。这在许多物联网系统中是至关重要的。

AIoT如何支持雅加达智慧城市:利用SAS的人工智能平台,雅加达智慧城市能够实时集成多源数据,并通过物联网、机器学习和人工智能技术提供高级分析,以提供应急/灾难预测能力和优化服务公众。其结果是洪水应急响应减轻了雅加达的洪水风险。

鉴于物联网在历史上属于运营技术,谁应该拥有物联网的安全?

Kenneth Koh: 物联网的引入模糊了企业IT和OT之间的界限。传感器和设备连接到网络,以创建新的系统和改进流程。与此同时,这种融合使传统的OT设备和系统面临以前未曾有过的威胁。

事实上,真正的设备安全是技术、流程和最佳实践的结合。因此,保护物联网系统不应该是OT或IT团队的专属领域,而应该是在两者之间产生更紧密、更有效的协作。

然而,这说起来容易做起来难,因为IT安全团队和OT安全团队通常不使用相同的语言,很难理解彼此的观点。

职责分配完全不同。优先事项经常出现分歧,管理OT安全和IT安全的法规有时会相互矛盾。获得给定环境中所有资产的概览,可以明确哪些资产和流程在任何情况下都不能失败。

通过这样做,组织可以建立和实践统一的网络安全,以确保数据的机密性、完整性和可用性。

举出一项IT和运营技术人员协同工作的最佳实践

Kenneth Koh: 在制造业中,数据对时间非常敏感。例如,如果一个流程中的化学浓度偏离了最佳浓度,工程师可能只有几分钟的时间来做出反应,以节省数吨的产品。

在许多半导体工艺中,工程师只有几秒钟的时间做出反应。在这种情况下,分析需要转移到“边缘”,这意味着数据必须在机器或车间进行分析和决策,而不是在后台办公室或工程部门。

这需要有能力在任何需要的地方进行分析,如在机器上、在生产车间、在云端或后台办公室。

面临的主要挑战之一是数据孤岛。对于未实施IT/OT融合的组织,由于未集成或部分集成的应用程序和企业系统拼凑而成。如果没有仔细的规划,引入新的数据来源,如物联网传感器,会使问题更加复杂。

实施一个数据集成平台,以将物联网系统与组织的现有技术堆栈连接起来,可以打破历史数据和未来数据之间的孤岛,同时通过单一控制点为所有团队提供相同的访问权限。这确保了IT和OT团队在同一页面上,为更好的IT/OT融合奠定了基础。