Membawa AI ke tepi: Fokus pada saluran paip dahulu

Saluran data dan saluran paip yang menyokong AI kelebihan dan keupayaan pembelajaran mesin adalah kritikal.

Adakah kecerdasan buatan dan pembelajaran mesin mula memainkan peranan di kawasan pinggir secara beransur-ansur, ya. Tetapi perusahaan masih perlu menumpukan pada saluran paip dan saluran data asas untuk menyokong kecerdasan buatan dan keupayaan pembelajaran mesin. Rohit Kadam, pengurus produk di Mitsubishi Electric Power, berkata: "Sama ada anda menggunakan perkhidmatan mikro yang berbeza dan cara anda mahu menggunakan atau menggunakannya, anda harus memberi lebih perhatian untuk membina seni binanya. Setelah anda mempunyai data, fokus pada cara menyambungkan saluran paip."

Kadam mengambil bahagian dalam perbincangan panel baru-baru ini mengenai peluang dan cabaran pelaksanaan edge, menerangkan bagaimana loji dan sistem kuasa bateri syarikat disambungkan melalui sistem IoT dan edge, membolehkan syarikat memantau kesihatan dan perbelanjaan mereka .

Kadam menjelaskan bahawa di Mitsubishi Electric, kecerdasan buatan dan pembelajaran mesin memainkan peranan penting dalam memaklumkan syarikat tentang isu dalam pek kuasa bateri bersambung yang dihantarnya kepada pelanggan, serta mengurus peranti IoT hiliran. "Cara ML berfungsi ialah kita mempelajari tingkah laku bateri, jadi kita tahu berapa banyak cas dalam bateri tersebut, atau berapa banyak julat yang tinggal. Itu adalah beberapa metrik utama yang kita gunakan semasa melatih model. Semakin kita belajar, lebih baik."

Menerusi gabungan kekuatan dan keupayaan kecerdasan buatannya, Kadam berkata: "Kami kini mempunyai keupayaan untuk melihat ke hadapan dari segi data untuk mengenal pasti dan membuat keputusan tentang percubaan untuk mengendalikan loji ini dengan selamat. Jika kami mengesahkan kami melihat bendera merah, terdapat Mekanisme keselamatan terbina dalam yang dimulakan dan kemudian menutup loji dengan cara yang teratur terbina dalam penyelesaian kami, dan seni bina yang diedarkan boleh membantu mengambil tindakan dalam masa nyata dari perspektif pengkomputeran tepi."

Metrik operasi memastikan ketersediaan dan jaminan sistem bateri. “Kami mempunyai metrik penggunaan IoT untuk menjejaki sifat bateri dan cara ia merosot dari semasa ke semasa. Kami menganggap bateri itu sendiri sebagai nod tepi atau peranti pengkomputeran tepi dan simpan maklumat di sana dan kemudian hantar semula ke pelayan sejarah."

"Terdapat banyak bahagian dalam rantaian bekalan yang perlu disatukan, yang menjadikan standard menjadi masalah," kata Kadam. Tiada piawaian bersatu di sana, hanya cuba yang terbaik untuk mematuhi pelbagai piawaian yang berkaitan dengan loji kuasa bateri,"

Cabarannya ialah "loji kuasa bateri ialah ruang yang unik dalam diri mereka sendiri." Kadam menyambung. Ini ialah pasaran yang menyediakan kenderaan elektrik, grid kuasa, pencawang dan sistem automasi bangunan. "Kami mempunyai kanvas campuran dan cuba menggabungkannya bersama-sama dan kemudian menstrimnya ke utara. Kami sebenarnya menghuraikan semua data ini dan menggabungkannya bersama-sama untuk mengalirkan set data yang berbeza kembali ke pelayan sejarah dengan lebih cekap."

Atas ialah kandungan terperinci Membawa AI ke tepi: Fokus pada saluran paip dahulu. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!