Maison >Périphériques technologiques >IA >La valeur de l'intelligence artificielle dans l'analyse IoT
Dans de nombreuses régions d’Asie, les fortes pluies saisonnières provoquent des inondations, détruisant les biens et les moyens de subsistance des citoyens. Dans le passé, les administrations municipales, les citoyens et les entreprises ne pouvaient rien faire d’autre que de se protéger contre les inondations et les maladies potentielles qu’elles provoquaient. Et des technologies telles que l’Internet des objets (IoT), l’apprentissage automatique (ML) et l’intelligence artificielle (IA) peuvent offrir un répit aux dirigeants les plus avant-gardistes.
Il s'agit de l'application du système de contrôle des inondations du gouvernement provincial de DKI Jakarta dans la ville intelligente de Jakarta. Le projet a été développé par Jakarta Smart City en partenariat avec la Jakarta Water Services Agency (DSDA) et vise à optimiser la gestion des risques d'inondation à Jakarta. Le projet consiste à utiliser l’IoT, l’intelligence artificielle et l’apprentissage automatique dans le cadre d’un système d’alerte précoce pour lutter contre les risques d’inondation dans les villes.
À mesure que de plus en plus d'organisations déploient l'IoT dans des environnements commerciaux et industriels, le volume de données provenant de ces appareils et capteurs pourrait jouer un rôle déterminant dans l'amélioration de la qualité, l'efficacité opérationnelle et, dans le cas de Jakarta, sauver des vies suite à des catastrophes naturelles et des biens. d'une grande importance.
Kenneth Koh, directeur du conseil industriel au SAS Institute, estime que la rapidité et la précision avec lesquelles les systèmes IoT peuvent répondre à leur environnement sont essentielles. Cependant, étant donné que les appareils et autres capteurs des systèmes classiques génèrent de grandes quantités de données, les outils et méthodes traditionnels peuvent ralentir le processus de compréhension de ces données.
Kenneth Koh : Le traitement des données en périphérie ou à proximité peut rendre les systèmes IoT plus flexibles et plus efficaces. Cependant, la qualité des actions basées sur les données est aussi importante que la qualité des informations basées sur les données sur lesquelles elles sont fondées.
L'Internet des objets en lui-même n'est pas nouveau pour les fabricants. Les fabricants collectent et stockent les données des capteurs des machines depuis des décennies. Leur proposition de valeur réside dans l'AIoT : analyser les données en temps réel à la périphérie, tirer parti de l'intelligence artificielle et de l'apprentissage automatique pour accroître l'efficacité et la valeur.
En équipant les systèmes IoT de capacités d'intelligence artificielle, diverses données structurées et non structurées peuvent être traitées en périphérie. Fournissez plus rapidement des informations de haute qualité sur lesquelles les systèmes pourront agir.
Kenneth Koh : L'IoT embarqué par l'intelligence artificielle améliore l'efficacité opérationnelle et la productivité tout en réduisant les coûts. Cela stimule également l’innovation pour fournir un meilleur service client, de meilleurs produits et une mise sur le marché plus rapide.
L'intégration de l'IA dans les appareils IoT permet l'informatique de pointe, permettant le déploiement de systèmes IoT là où des réseaux 5G cohérents ne sont pas disponibles. Par exemple, les prestataires logistiques peuvent utiliser des capteurs IoT dans leurs flottes de transport pour surveiller les conditions internes et externes des véhicules, même dans les zones reculées de ces derniers itinéraires.
En plus de l'informatique de pointe, l'IoT intégré à l'IA exploite l'apprentissage automatique pour développer des informations exploitables à partir des téraoctets de données générés chaque jour par les systèmes IoT. Dans l'exemple ci-dessus, les données collectées par ces capteurs sont envoyées vers le cloud en temps réel, permettant aux techniciens de résoudre les problèmes du véhicule avec plus de précision et de rapidité.
Les fabricants peuvent également utiliser ces informations pour prédire quand un système ou un équipement d'usine spécifique tombera en panne, permettant ainsi aux techniciens de mettre en œuvre une maintenance préventive. La détection proactive des équipements défectueux permet d'économiser de précieuses heures de travail tout en réduisant les temps d'arrêt imprévus coûteux.
Dans le commerce de détail, les informations issues des systèmes IoT peuvent être utilisées pour déterminer le prix optimal d'un produit et minimiser les perturbations de sa chaîne d'approvisionnement.
Kenneth Koh : L'apprentissage automatique est l'avantage de l'intelligence artificielle embarquée dans l'IoT par rapport aux autres déploiements IoT. Le système peut apprendre tout en traitant les données générées par les capteurs, en utilisant diverses méthodes d'analyse avancées telles que les arbres de décision, les forêts aléatoires, l'augmentation de gradient, les réseaux neuronaux, les machines à vecteurs de support et les machines de factorisation.
Cela fait gagner du temps à la main-d'œuvre et aux experts de l'organisation. Sans avoir besoin de former de manière approfondie les systèmes d’IA, les experts peuvent se concentrer sur d’autres tâches critiques tandis que les non-scientifiques des données peuvent accéder, visualiser et traiter les données.
Les capacités d'apprentissage automatique augmentent également la gamme de données auxquelles les systèmes d'IA peuvent accéder et traiter : des images visuelles, du texte et même de la parole, en ligne et hors ligne. L’augmentation de la quantité et de la qualité des données existantes augmente la valeur et l’impact des informations qui en sont tirées.
La combinaison de ces capacités d'apprentissage automatique augmente la vitesse et le volume du traitement des données, ce qui donne lieu à des informations exploitables en temps réel. Ceci est crucial dans de nombreux systèmes IoT.
Comment l'AIoT prend en charge Jakarta Smart City : grâce à la plate-forme d'intelligence artificielle de SAS, Jakarta Smart City est capable d'intégrer des données multi-sources en temps réel et de fournir une analyse avancée grâce aux technologies de l'IoT, de l'apprentissage automatique et de l'intelligence artificielle pour fournir des capacités de prévision et d'optimisation des urgences/catastrophes. services publics. Le résultat est une réponse d’urgence aux inondations qui réduit les risques d’inondation à Jakarta.
Kenneth Koh : L'introduction de l'IoT a brouillé les frontières entre l'informatique d'entreprise et l'OT. Des capteurs et des appareils sont connectés au réseau pour créer de nouveaux systèmes et améliorer les processus. Dans le même temps, cette convergence expose les équipements et systèmes OT traditionnels à des menaces auxquelles ils n’avaient jamais été confrontés auparavant.
En fait, la véritable sécurité des appareils est une combinaison de technologie, de processus et de meilleures pratiques. Par conséquent, la sécurisation des systèmes IoT ne doit pas être le domaine exclusif des équipes OT ou IT, mais doit aboutir à une collaboration plus étroite et plus efficace entre les deux.
Cependant, cela est plus facile à dire qu’à faire, car les équipes de sécurité informatique et les équipes de sécurité OT ne parlent souvent pas le même langage et peuvent avoir du mal à comprendre les points de vue de chacun.
La répartition des responsabilités est complètement différente. Les priorités divergent souvent et les réglementations régissant la sécurité OT et la sécurité informatique sont parfois contradictoires. L’obtention d’une vue d’ensemble de tous les actifs dans un environnement donné indique clairement quels actifs et processus ne peuvent en aucun cas échouer.
En faisant cela, les organisations peuvent établir et mettre en pratique une cybersécurité unifiée pour garantir la confidentialité, l'intégrité et la disponibilité des données.
Kenneth Koh : Dans le secteur manufacturier, les données sont très sensibles au facteur temps. Par exemple, si les concentrations de produits chimiques dans un processus s'écartent des concentrations optimales, les ingénieurs ne disposent que de quelques minutes pour réagir et économiser des tonnes de produit.
Dans de nombreux processus de semi-conducteurs, les ingénieurs n'ont que quelques secondes pour réagir. Dans ce cas, l'analyse doit se déplacer vers la « périphérie », ce qui signifie que les données doivent être analysées et les décisions prises sur la machine ou dans l'atelier, plutôt que dans le back-office ou le service d'ingénierie.
Cela nécessite la capacité d'effectuer des analyses partout où cela est nécessaire, sur la machine, dans l'atelier de production, dans le cloud ou dans le back-office.
L'un des principaux défis réside dans les silos de données. Pour les organisations qui n’ont pas mis en œuvre la convergence IT/OT, il existe une mosaïque d’applications et de systèmes d’entreprise non intégrés ou partiellement intégrés. Sans une planification minutieuse, l’introduction de nouvelles sources de données, telles que les capteurs IoT, peut aggraver le problème.
La mise en œuvre d'une plate-forme d'intégration de données pour connecter les systèmes IoT à la pile technologique existante d'une organisation peut briser les silos entre les données historiques et futures tout en offrant à toutes les équipes le même accès via un point de contrôle unique. Cela garantit que les équipes IT et OT sont sur la même longueur d’onde, jetant ainsi les bases d’une meilleure intégration IT/OT.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!