에지 AI 및 기계 학습 기능을 지원하는 데이터 파이프라인과 파이프라인이 중요합니다.
점차적으로 엣지 영역에서 인공지능과 머신러닝이 역할을 하기 시작하고 있나요? 그러나 기업은 인공지능과 머신러닝 기능을 지원하기 위해 여전히 기본 데이터 파이프라인과 파이프라인에 집중해야 합니다. Mitsubishi Electric Power의 제품 관리자인 Rohit Kadam은 다음과 같이 말했습니다. "다양한 마이크로서비스를 사용하는지, 배포 또는 사용 방법에 관계없이 아키텍처 구축에 더 많은 주의를 기울여야 합니다. 데이터가 확보되면 연결 방법에 집중하세요.
Kadam은 최근 엣지 구현의 기회와 과제에 관한 패널 토론에 참여하여 회사의 배터리 발전소와 시스템이 IoT 및 엣지 시스템을 통해 어떻게 연결되어 기업이 상태와 비용을 모니터링할 수 있는지 설명했습니다.
Kadam은 Mitsubishi Electric에서 인공 지능과 기계 학습이 고객에게 제공하는 연결된 배터리 전원 팩 내의 문제를 회사에 알리고 다운스트림 IoT 장치를 관리하는 데 중요한 역할을 한다고 설명했습니다. "ML이 작동하는 방식은 배터리의 동작을 학습하여 해당 배터리의 충전량이 얼마나 되는지 또는 주행 거리가 얼마나 남아 있는지를 아는 것입니다. 이는 모델을 교육할 때 사용하는 주요 지표 중 일부입니다. 더 많이 배울수록
Kadam은 장점과 인공 지능 기능을 결합하여 다음과 같이 말했습니다. “이제 우리는 이러한 발전소를 안전하게 운영하기 위해 식별하고 결정을 내릴 수 있는 데이터 측면에서 앞을 내다볼 수 있는 능력을 갖게 되었습니다. 보시다시피, 필요할 때 순차적으로 공장을 시작하고 종료하는 안전 메커니즘이 내장되어 있으며 이는 이미 우리 솔루션에 포함되어 있으며 엣지 컴퓨팅 관점에서 분산 아키텍처는 조치를 취하는 데 도움이 될 수 있습니다. 실시간으로."
운영 지표. 배터리 시스템 가용성 및 보증을 보장합니다. “우리는 배터리의 특성과 시간이 지남에 따라 성능이 저하되는 방식을 추적하는 IoT 사용 지표를 가지고 있습니다. 이는 배터리 자체를 에지 노드 또는 에지 컴퓨팅 장치로 간주하여 배터리의 전압, 전류 및 온도를 처리합니다. 거기에 정보를 저장한 다음 다시 기록 서버로 전송합니다."
Kadam은 다음과 같이 말했습니다. "공급망에는 통합해야 할 부분이 많아 표준이 문제가 됩니다. 최선을 다해야만 표준이 됩니다. 배터리 발전소와 관련된 다양한 규격을 준수하기 위해”
과제는 “배터리 발전소 자체가 독특한 공간”이라는 점이다. 카담은 계속했다. 이는 전기 자동차, 전력망, 변전소 및 빌딩 자동화 시스템을 제공하는 시장입니다. "우리는 블렌드 캔버스를 가지고 있으며 이를 함께 블렌딩한 다음 북쪽으로 스트리밍하려고 합니다. 실제로 이 모든 데이터를 구문 분석하고 함께 블렌딩하여 다양한 데이터 세트를 기록 서버로 보다 효율적으로 전달합니다.
위 내용은 AI를 엣지로 가져오기: 먼저 파이프라인에 집중의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!