Der Wert künstlicher Intelligenz in der IoT-Analyse

In vielen Teilen Asiens führen saisonale starke Regenfälle zu Überschwemmungen und zerstören das Eigentum und die Lebensgrundlage der Bürger. In der Vergangenheit konnten Stadtverwaltungen, Bürger und Unternehmen kaum etwas anderes tun, als sich vor Überschwemmungen und den damit verbundenen potenziellen Krankheiten zu schützen. Und Technologien wie das Internet der Dinge (IoT), maschinelles Lernen (ML) und künstliche Intelligenz (KI) könnten zukunftsorientierteren Führungskräften eine Atempause verschaffen.

Dies ist die Anwendung des Hochwasserschutzsystems der Provinzregierung DKI Jakarta in der Jakarta Smart City. Das Projekt wurde von Jakarta Smart City in Zusammenarbeit mit der Jakarta Water Services Agency (DSDA) entwickelt und zielt darauf ab, das Hochwasserrisikomanagement in Jakarta zu optimieren. Bei dem Projekt geht es um den Einsatz von IoT, künstlicher Intelligenz und maschinellem Lernen als Teil eines Frühwarnsystems zur Bekämpfung von Überschwemmungsrisiken in Städten.

Da immer mehr Unternehmen IoT in kommerziellen und industriellen Umgebungen einsetzen, könnte die Menge der von diesen Geräten und Sensoren kommenden Daten entscheidend zur Verbesserung der Qualität und Betriebseffizienz und, im Fall von Jakarta, zur Rettung von Leben vor Naturkatastrophen und Eigentum beitragen von großer Bedeutung.

Kenneth Koh, Leiter der Branchenberatung am SAS Institute, ist davon überzeugt, dass die Geschwindigkeit und Genauigkeit, mit der IoT-Systeme auf ihre Umgebung reagieren können, von entscheidender Bedeutung ist. Da Geräte und andere Sensoren in typischen Systemen jedoch große Datenmengen erzeugen, können herkömmliche Tools und Methoden den Prozess der Sinngewinnung dieser Daten verlangsamen.

Was ist Artificial Intelligence Embedded IoT?

Kenneth Koh: Die Verarbeitung von Daten am oder in der Nähe des Edge kann IoT-Systeme flexibler und wirkungsvoller machen. Die Qualität datengestützter Maßnahmen ist jedoch ebenso aussagekräftig wie die Qualität der datenbasierten Erkenntnisse, auf denen sie basieren.

Das Internet der Dinge selbst ist für Hersteller nichts Neues. Hersteller sammeln und speichern seit Jahrzehnten Sensordaten von Maschinen. Ihr Wertversprechen liegt in AIoT – der Analyse von Daten in Echtzeit am Netzwerkrand und der Nutzung künstlicher Intelligenz und maschinellen Lernens zur Steigerung von Effizienz und Wert.

Durch die Ausstattung von IoT-Systemen mit Fähigkeiten der künstlichen Intelligenz können verschiedene strukturierte und unstrukturierte Daten am Edge verarbeitet werden. Liefern Sie hochwertige Erkenntnisse schneller, damit Systeme darauf reagieren können.

Wie mit künstlicher Intelligenz eingebettetes IoT den Geschäftswert freisetzt

Kenneth Koh: Mit künstlicher Intelligenz eingebettetes IoT verbessert die betriebliche Effizienz und Produktivität und senkt gleichzeitig die Kosten. Es treibt auch Innovationen voran, um einen besseren Kundenservice, bessere Produkte und eine schnellere Markteinführung zu bieten.

Die Einbettung von KI in IoT-Geräte ermöglicht Edge Computing und ermöglicht den Einsatz von IoT-Systemen dort, wo konsistente 5G-Netzwerke nicht verfügbar sind. Beispielsweise können Logistikdienstleister mithilfe von IoT-Sensoren in ihren Transportflotten den inneren und äußeren Zustand von Fahrzeugen überwachen, auch in abgelegenen Gebieten der letztgenannten Routen.

Zusätzlich zum Edge Computing nutzt das in KI eingebettete IoT maschinelles Lernen, um aus den Terabytes an Daten, die täglich von IoT-Systemen generiert werden, umsetzbare Erkenntnisse zu gewinnen. Im obigen Beispiel werden die von diesen Sensoren gesammelten Daten in Echtzeit an die Cloud gesendet, sodass Techniker Fahrzeugprobleme genauer und schneller beheben können.

Hersteller können diese Erkenntnisse auch nutzen, um vorherzusagen, wann ein bestimmtes Fabriksystem oder eine bestimmte Ausrüstung ausfallen wird, sodass Techniker eine vorbeugende Wartung durchführen können. Durch die proaktive Erkennung fehlerhafter Geräte werden wertvolle Arbeitsstunden eingespart und gleichzeitig kostspielige ungeplante Ausfallzeiten reduziert.

Im Einzelhandel können Erkenntnisse aus IoT-Systemen genutzt werden, um den optimalen Preis für ein Produkt zu ermitteln und Störungen seiner Lieferkette zu minimieren.

Die Rolle des maschinellen Lernens in der IoT-Analyse

Kenneth Koh: Maschinelles Lernen ist der Vorteil des eingebetteten IoT mit künstlicher Intelligenz gegenüber anderen IoT-Bereitstellungen. Das System kann lernen, während es die von den Sensoren generierten Daten verarbeitet, indem es eine Vielzahl fortschrittlicher Analysemethoden wie Entscheidungsbäume, Zufallswälder, Gradient Boosting, neuronale Netze, Support-Vektor-Maschinen und Faktorisierungsmaschinen verwendet.

Das spart dem Unternehmer Zeit und Experten in der Organisation. Ohne die Notwendigkeit, KI-Systeme umfassend zu trainieren, können sich Experten auf andere wichtige Aufgaben konzentrieren, während Nicht-Datenwissenschaftler auf die Daten zugreifen, sie anzeigen und verarbeiten können.

Machine-Learning-Fähigkeiten erhöhen auch die Bandbreite an Daten, auf die KI-Systeme zugreifen und diese verarbeiten können: visuelle Bilder, Text und sogar gesprochene Sprache, sowohl online als auch offline. Die Steigerung der Quantität und Qualität der vorhandenen Daten erhöht den Wert und die Wirkung der daraus gewonnenen Erkenntnisse.

Die Kombination dieser maschinellen Lernfunktionen erhöht die Geschwindigkeit und das Volumen der Datenverarbeitung und führt zu umsetzbaren Erkenntnissen in Echtzeit. Dies ist in vielen IoT-Systemen von entscheidender Bedeutung.

Wie AIoT Jakarta Smart City unterstützt: Mithilfe der Plattform für künstliche Intelligenz von SAS ist Jakarta Smart City in der Lage, Daten aus mehreren Quellen in Echtzeit zu integrieren und erweiterte Analysen durch IoT, maschinelles Lernen und Technologien für künstliche Intelligenz bereitzustellen, um Funktionen zur Notfall-/Katastrophenvorhersage und -optimierung bereitzustellen Dienstleistungen öffentlich. Das Ergebnis ist eine Überschwemmungsnotfallreaktion, die das Überschwemmungsrisiko in Jakarta verringert.

Angesichts der Tatsache, dass IoT historisch gesehen eine operative Technologie ist, stellt sich die Frage, wem die IoT-Sicherheit gehört?

Kenneth Koh: Die Einführung von IoT hat die Grenzen zwischen Unternehmens-IT und OT verwischt. Sensoren und Geräte werden mit dem Netzwerk verbunden, um neue Systeme zu schaffen und Prozesse zu verbessern. Gleichzeitig setzt diese Konvergenz herkömmliche OT-Geräte und -Systeme Bedrohungen aus, denen sie noch nie zuvor ausgesetzt waren.

Tatsächlich ist echte Gerätesicherheit eine Kombination aus Technologie, Prozess und Best Practices. Daher sollte die Sicherung von IoT-Systemen nicht die ausschließliche Domäne von OT- oder IT-Teams sein, sondern zu einer engeren und effektiveren Zusammenarbeit zwischen beiden führen.

Dies ist jedoch leichter gesagt als getan, da IT-Sicherheitsteams und OT-Sicherheitsteams oft nicht die gleiche Sprache sprechen und möglicherweise Schwierigkeiten haben, die Perspektiven des anderen zu verstehen.

Die Aufgabenverteilung ist völlig anders. Die Prioritäten gehen oft auseinander und die Vorschriften zur OT-Sicherheit und zur IT-Sicherheit sind teilweise widersprüchlich. Wenn man sich einen Überblick über alle Assets in einer bestimmten Umgebung verschafft, wird klar, welche Assets und Prozesse unter keinen Umständen ausfallen dürfen.

Auf diese Weise können Unternehmen eine einheitliche Cybersicherheit einrichten und praktizieren, um die Vertraulichkeit, Integrität und Verfügbarkeit von Daten sicherzustellen.

Nennen Sie eine Best Practice für die Zusammenarbeit von IT- und Betriebstechnikern.

Kenneth Koh: In der Fertigung sind Daten sehr zeitkritisch. Wenn beispielsweise die chemischen Konzentrationen in einem Prozess von den optimalen Konzentrationen abweichen, haben Ingenieure möglicherweise nur wenige Minuten Zeit, um zu reagieren und so Tonnen an Produkt einzusparen.

In vielen Halbleiterprozessen haben Ingenieure nur Sekunden Zeit, um zu reagieren. In diesem Fall muss die Analyse an den „Edge“ verlagert werden, was bedeutet, dass Daten analysiert und Entscheidungen an der Maschine oder in der Werkstatt getroffen werden müssen und nicht im Backoffice oder in der Konstruktionsabteilung.

Dies erfordert die Fähigkeit, Analysen überall dort durchzuführen, wo sie benötigt werden, auf der Maschine, in der Produktion, in der Cloud oder im Backoffice.

Eine der größten Herausforderungen sind Datensilos. Bei Unternehmen, die keine IT/OT-Konvergenz implementiert haben, liegt dies an einem Flickenteppich nicht integrierter oder teilweise integrierter Anwendungen und Unternehmenssysteme. Ohne sorgfältige Planung kann die Einführung neuer Datenquellen, wie etwa IoT-Sensoren, das Problem verschärfen.

Die Implementierung einer Datenintegrationsplattform zur Verbindung von IoT-Systemen mit dem vorhandenen Technologie-Stack eines Unternehmens kann Silos zwischen historischen und zukünftigen Daten auflösen und gleichzeitig allen Teams den gleichen Zugriff über einen einzigen Kontrollpunkt ermöglichen. Dies stellt sicher, dass IT- und OT-Teams auf dem gleichen Stand sind, und legt den Grundstein für eine bessere IT/OT-Integration.

Das obige ist der detaillierte Inhalt vonDer Wert künstlicher Intelligenz in der IoT-Analyse. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!