IoT 分析における人工知能の価値

アジアの多くの地域では、季節的な豪雨により洪水が発生し、国民の財産や生活が破壊されています。これまで市当局、市民、企業は洪水とそれがもたらす潜在的な病気から身を守ることしかできませんでした。そして、モノのインターネット (IoT)、機械学習 (ML)、人工知能 (AI) などのテクノロジーは、より先進的なリーダーに息抜きの余地を提供する可能性があります。

これは、ジャカルタ スマート シティにおける DKI ジャカルタ州政府洪水制御システムのアプリケーションです。このプロジェクトは、ジャカルタ スマート シティがジャカルタ水道庁 (DSDA) と協力して開発したもので、ジャカルタの洪水リスク管理を最適化することを目的としています。このプロジェクトには、都市の洪水リスクに対抗するための早期警報システムの一部として、IoT、人工知能、機械学習を使用することが含まれています。

商業環境や産業環境でモノのインターネットを導入する組織が増えるにつれ、これらのデバイスやセンサーからのデータ量は、品質、運用効率、およびシステムの改善に大きな影響を与える可能性があります。ジャカルタ 自然災害から生命と財産を守ることは非常に重要です。

SAS Institute の業界コンサルティング担当ディレクター Kenneth Koh 氏によると、IoT システムが環境に応答できる速度と精度が非常に重要です。ただし、一般的なシステムのデバイスやその他のセンサーは大量のデータを生成するため、従来のツールや方法ではこのデータを理解するプロセスが遅くなる可能性があります。

人工知能を組み込んだモノのインターネットとは何ですか?

Kenneth Koh: エッジまたはエッジ付近でデータを処理すると、IoT システムをより柔軟で効果的なものにすることができます。ただし、データ主導のアクションの品質は、そのベースとなるデータに基づく洞察の品質と同じくらい重要です。

モノのインターネット自体は、メーカーにとって新しいものではありません。メーカーは何十年にもわたって機械からセンサー データを収集し、保存してきました。彼らの価値提案は AIoT にあります。つまり、エッジでリアルタイムにデータを分析し、人工知能と機械学習を活用して効率と価値を向上させます。

IoT システムに人工知能機能を装備することで、さまざまな構造化データと非構造化データをエッジで処理できるようになります。システムが実行できる高品質の洞察をより迅速に提供します。

人工知能組み込み IoT がビジネス価値を引き出す方法

Kenneth Koh: 人工知能組み込み IoT は、業務効率と生産性を向上させます。コストが削減されます。また、より良い顧客サービス、より良い製品、より短い市場投入時間を提供するためのイノベーションも推進します。

AI を IoT デバイスに組み込むことでエッジ コンピューティングが可能になり、一貫した 5G ネットワークが利用できない場所でも IoT システムの展開が可能になります。たとえば、物流プロバイダーは、輸送車両に IoT センサーを使用して、後者のルートの遠隔地であっても車両の内部および外部の状態を監視できます。

エッジ コンピューティングに加えて、AI 組み込み IoT は機械学習を活用して、IoT システムによって毎日生成されるテラバイト規模のデータから実用的な洞察を開発します。上の例では、これらのセンサーから収集されたデータがリアルタイムでクラウドに送信されるため、技術者は車両の問題をより正確かつ迅速にトラブルシューティングできるようになります。

メーカーは、これらの洞察を使用して、特定の工場システムや機器がいつ故障するかを予測し、技術者が予防保守を実施できるようにすることもできます。故障した機器をプロアクティブに検出することで、貴重な工数を節約しながら、コストのかかる計画外のダウンタイムを削減します。

小売業では、IoT システムからの洞察を使用して、製品の最適な価格を決定し、サプライ チェーンの混乱を最小限に抑えることができます。

IoT 分析における機械学習の役割

Kenneth Koh: 機械学習は、他の IoT 導入の利点と比較して、IoT に組み込まれた人工知能です。このシステムは、デシジョン ツリー、ランダム フォレスト、勾配ブースティング、ニューラル ネットワーク、サポート ベクター マシン、因数分解マシンなどのさまざまな高度な分析手法を使用して、センサーによって生成されたデータを処理しながら学習できます。

これにより、企業の人的時間と組織内の専門家の時間が節約されます。 AI システムを大規模にトレーニングする必要がなく、専門家は他の重要なタスクに集中できる一方、データ サイエンティスト以外はデータにアクセスして表示、処理できます。

機械学習機能により、AI システムがオンラインとオフラインの両方でビジュアル画像、テキスト、さらには音声など、アクセスして処理できるデータの範囲も広がります。既存のデータの量と質が増加すると、そこから得られる洞察の価値と影響力が高まります。

これらの機械学習機能を組み合わせることで、データ処理の速度と量が増加し、リアルタイムで実用的な洞察が可能になります。これは多くの IoT システムにとって非常に重要です。

AIoT によるジャカルタ スマート シティのサポート: SAS の人工知能プラットフォームを活用することで、ジャカルタ スマート シティはマルチソース データをリアルタイムで統合し、IoT、機械学習、人工知能テクノロジーを通じて高度な分析を提供し、緊急/災害予測機能を提供できます。公衆へのサービスを最適化します。その結果、ジャカルタの洪水リスクを軽減する洪水緊急対応が実現しました。

IoT が歴史的に運用テクノロジーであることを考えると、誰が IoT セキュリティを所有すべきですか?

Kenneth Koh: IoT の導入は曖昧であり、IoT の導入は曖昧です。企業の IT と OT の間の境界線。センサーとデバイスはネットワークに接続され、新しいシステムを作成し、プロセスを改善します。同時に、この統合により、従来の OT 機器やシステムがこれまで直面したことのない脅威にさらされることになります。

実際、真のデバイス セキュリティは、テクノロジー、プロセス、ベスト プラクティスの組み合わせです。したがって、IoT システムのセキュリティ保護は OT チームまたは IT チームの独占的な領域であるべきではなく、結果として 2 つのチーム間の緊密かつ効果的なコラボレーションが実現される必要があります。

ただし、IT セキュリティ チームと OT セキュリティ チームは同じ言語を話さないことが多く、互いの視点を理解することが難しいため、これは言うは易く行うは難しです。

責任の配分はまったく異なります。優先順位が異なることはよくあり、OT セキュリティと IT セキュリティを管理する規制は矛盾することがあります。特定の環境内のすべての資産の概要を取得すると、どのような状況でも失敗しない資産とプロセスが明確になります。

これにより、組織は統合サイバーセキュリティを確立および実践し、データの機密性、整合性、可用性を確保できます。

IT 技術者と運用技術者が協力するためのベスト プラクティスを引用する

Kenneth Koh: 製造業では、データと時間は非常に敏感です。たとえば、プロセス内の化学物質の濃度が最適な濃度から逸脱した場合、エンジニアは数分しか反応せずに大量の製品を節約できる可能性があります。

多くの半導体プロセスでは、エンジニアが反応できる時間はわずか数秒です。この場合、分析を「エッジ」に移行する必要があります。つまり、バックオフィスやエンジニアリング部門ではなく、機械または製造現場でデータを分析し、意思決定を行う必要があります。

これには、マシン、生産フロア、クラウド、バックオフィスなど、必要な場所で分析を実行できる機能が必要です。

主な課題の 1 つはデータのサイロ化です。 IT/OT コンバージェンスを実装していない組織の場合、統合されていない、または部分的に統合されたアプリケーションとエンタープライズ システムがパッチワークになっています。慎重に計画を立てずに、IoT センサーなどの新しいデータ ソースを導入すると、問題がさらに悪化する可能性があります。

データ統合プラットフォームを実装して IoT システムを組織の既存のテクノロジー スタックに接続すると、単一の制御ポイントを提供しながら、過去のデータと将来のデータの間のサイロを解消でき、すべてのチームに同じアクセス権を与えることができます。これにより、IT チームと OT チームが同じ認識を持つことが保証され、IT/OT 統合を改善するための基盤が築かれます。

以上がIoT 分析における人工知能の価値の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。