Nilai kecerdasan buatan dalam analisis IoT

Di banyak bahagian Asia, hujan lebat bermusim membawa banjir, memusnahkan harta benda dan mata pencarian rakyat. Pada masa lalu, pentadbiran bandar, rakyat dan perniagaan tidak boleh berbuat banyak tetapi melindungi daripada banjir dan penyakit berpotensi yang dibawanya. Dan teknologi seperti Internet Perkara (IoT), pembelajaran mesin (ML) dan kecerdasan buatan (AI) mungkin menyediakan ruang bernafas untuk lebih ramai pemimpin yang berfikiran ke hadapan.

Ini merupakan aplikasi Sistem Kawalan Banjir Pemerintah Provinsi DKI Jakarta di Jakarta Smart City. Projek itu dibangunkan oleh Jakarta Smart City dengan kerjasama Agensi Perkhidmatan Air Jakarta (DSDA) dan bertujuan untuk mengoptimumkan pengurusan risiko banjir di Jakarta. Projek ini melibatkan penggunaan IoT, kecerdasan buatan dan pembelajaran mesin sebagai sebahagian daripada sistem amaran awal untuk memerangi risiko banjir di bandar.

Memandangkan lebih banyak organisasi menggunakan IoT dalam persekitaran komersil dan perindustrian, volum data yang datang daripada peranti dan penderia ini mungkin mempunyai kesan yang ketara ke atas peningkatan kualiti, kecekapan operasi dan di Jakarta. amat penting untuk menyelamatkan nyawa dan harta benda daripada bencana alam.

Kenneth Koh, pengarah perundingan industri di SAS Institute, percaya bahawa kelajuan dan ketepatan sistem IoT boleh bertindak balas terhadap persekitaran mereka adalah kritikal. Walau bagaimanapun, kerana peranti dan penderia lain dalam sistem biasa menjana sejumlah besar data, alat dan kaedah tradisional boleh melambatkan proses memahami data ini.

Apakah IoT Terbenam Kecerdasan Buatan?

Kenneth Koh: Memproses data di atau berhampiran tepi boleh menjadikan sistem IoT lebih fleksibel dan memberi kesan. Walau bagaimanapun, kualiti tindakan yang diterajui data adalah sama bermakna dengan kualiti cerapan berasaskan data yang menjadi asasnya.

Internet Perkara itu sendiri bukanlah perkara baharu kepada pengeluar. Pengilang telah mengumpul dan menyimpan data sensor daripada mesin selama beberapa dekad. Cadangan nilai mereka terletak pada AIoT - menganalisis data dalam masa nyata di tepi, memanfaatkan kecerdasan buatan dan pembelajaran mesin untuk meningkatkan kecekapan dan nilai.

Dengan melengkapkan sistem IoT dengan keupayaan kecerdasan buatan, pelbagai data berstruktur dan tidak berstruktur boleh diproses di tepi. Sampaikan cerapan berkualiti tinggi dengan lebih pantas untuk sistem bertindak.

Cara IoT terbenam AI membuka kunci nilai perniagaan

Kenneth Koh: IoT terbenam AI meningkatkan kecekapan operasi dan produktiviti, Pada masa yang sama, kos dikurangkan. Ia juga memacu inovasi untuk menyediakan perkhidmatan pelanggan yang lebih baik, produk yang lebih baik dan masa yang lebih pantas untuk memasarkan.

Membenamkan AI dalam peranti IoT membolehkan pengkomputeran tepi, membenarkan penggunaan sistem IoT di mana rangkaian 5G yang konsisten tidak tersedia. Sebagai contoh, pembekal logistik boleh menggunakan penderia IoT dalam armada pengangkutan mereka untuk memantau keadaan dalaman dan luaran kenderaan, walaupun di kawasan terpencil di laluan terakhir.

Selain pengkomputeran edge, IoT terbenam AI memanfaatkan pembelajaran mesin untuk membangunkan cerapan yang boleh diambil tindakan daripada terabait data yang dijana oleh sistem IoT setiap hari. Dalam contoh di atas, data yang dikumpul daripada penderia ini dihantar ke awan dalam masa nyata, membolehkan juruteknik menyelesaikan masalah kenderaan dengan lebih tepat dan lebih pantas.

Pengilang juga boleh menggunakan cerapan ini untuk meramalkan apabila sistem kilang atau peralatan tertentu akan gagal, membolehkan juruteknik melaksanakan penyelenggaraan pencegahan. Mengesan peralatan yang rosak secara proaktif menjimatkan masa kerja yang berharga sambil mengurangkan masa henti yang tidak dirancang yang mahal.

Dalam runcit, cerapan daripada sistem IoT boleh digunakan untuk menentukan harga optimum untuk produk dan meminimumkan gangguan pada rantaian bekalannya.

Peranan pembelajaran mesin dalam analisis IoT

Kenneth Koh: Pembelajaran mesin ialah kecerdasan buatan dalam IoT terbenam berbanding kelebihan Penerapan IoT yang lain. Sistem ini boleh belajar sambil memproses data yang dijana oleh penderia, menggunakan pelbagai kaedah analisis lanjutan seperti pepohon keputusan, hutan rawak, peningkatan kecerunan, rangkaian saraf, mesin vektor sokongan dan mesin pemfaktoran.

Ini menjimatkan masa manusia dan pakar dalam organisasi perniagaan. Tanpa perlu melatih sistem AI secara meluas, pakar boleh memberi tumpuan kepada tugas kritikal lain manakala saintis bukan data boleh mengakses, melihat dan memproses data.

Keupayaan pembelajaran mesin juga meningkatkan julat data yang boleh diakses dan diproses oleh sistem AI: imej visual, teks dan juga pertuturan dalam talian dan luar talian. Peningkatan dalam kuantiti dan kualiti data sedia ada meningkatkan nilai dan kesan daripada cerapan yang diperoleh daripadanya.

Menggabungkan keupayaan pembelajaran mesin ini meningkatkan kelajuan dan volum pemprosesan data, menghasilkan cerapan yang boleh diambil tindakan masa nyata. Ini penting dalam banyak sistem IoT.

Bagaimana AIoT menyokong Jakarta Smart City: Memanfaatkan platform kecerdasan buatan SAS, Jakarta Smart City mampu menyepadukan data berbilang sumber dalam masa nyata dan menyediakan analitik lanjutan melalui IoT, pembelajaran mesin dan teknologi kecerdasan buatan untuk menyediakan keupayaan ramalan kecemasan/bencana dan Optimumkan perkhidmatan kepada orang ramai. Hasilnya ialah tindak balas kecemasan banjir yang mengurangkan risiko banjir di Jakarta.

Memandangkan IoT secara historis merupakan teknologi operasi, siapa yang harus memiliki keselamatan IoT?

Kenneth Koh: Pengenalan IoT adalah samar-samar mengaburkan garisan antara IT perusahaan dan OT. Penderia dan peranti disambungkan ke rangkaian untuk mencipta sistem baharu dan menambah baik proses. Pada masa yang sama, penumpuan ini mendedahkan peralatan dan sistem OT tradisional kepada ancaman yang tidak pernah mereka hadapi sebelum ini.

Malah, keselamatan peranti sebenar ialah gabungan teknologi, proses dan amalan terbaik. Oleh itu, mengamankan sistem IoT tidak seharusnya menjadi domain eksklusif pasukan OT atau IT, tetapi harus menghasilkan kerjasama yang lebih erat dan berkesan antara kedua-duanya.

Walau bagaimanapun, ini lebih mudah diucapkan daripada dilakukan, kerana pasukan keselamatan IT dan pasukan keselamatan OT selalunya tidak bercakap bahasa yang sama, menjadikannya sukar untuk memahami perspektif satu sama lain.

Agihan tanggungjawab adalah berbeza sama sekali. Keutamaan sering berbeza, dan peraturan yang mengawal keselamatan OT dan keselamatan IT kadangkala bercanggah. Mendapat gambaran keseluruhan semua aset dalam persekitaran tertentu menjelaskan aset dan proses mana yang tidak boleh gagal dalam apa jua keadaan.

Dengan berbuat demikian, organisasi boleh mewujudkan dan mengamalkan keselamatan siber bersatu untuk memastikan kerahsiaan, integriti dan ketersediaan data.

Petik amalan terbaik untuk juruteknik IT dan operasi bekerjasama

Kenneth Koh: Dalam pembuatan, data berbanding masa Sangat sensitif. Contohnya, jika kepekatan kimia dalam proses menyimpang daripada kepekatan optimum, jurutera mungkin hanya mempunyai beberapa minit untuk bertindak balas untuk menjimatkan banyak produk.

Dalam banyak proses semikonduktor, jurutera hanya mempunyai beberapa saat untuk bertindak balas. Dalam kes ini, analitik perlu beralih ke "tepi", bermakna data mesti dianalisis dan keputusan dibuat di mesin atau di tingkat kedai, bukannya di pejabat belakang atau jabatan kejuruteraan.

Ini memerlukan keupayaan untuk melaksanakan analitik di mana-mana sahaja diperlukan, seperti pada mesin, di tingkat pengeluaran, di awan atau di pejabat belakang.

Salah satu cabaran utama ialah silo data. Bagi organisasi yang tidak melaksanakan penumpuan IT/OT, ini disebabkan oleh tampalan aplikasi dan sistem perusahaan yang tidak disepadukan atau separa bersepadu. Tanpa perancangan yang teliti, memperkenalkan sumber data baharu, seperti penderia IoT, boleh menambah masalah.

Melaksanakan platform penyepaduan data untuk menghubungkan sistem IoT dengan susunan teknologi sedia ada organisasi boleh memecahkan silo antara data sejarah dan masa hadapan sambil melalui satu titik kawalan Beri semua pasukan akses yang sama . Ini memastikan bahawa pasukan IT dan OT berada pada halaman yang sama, meletakkan asas untuk penyepaduan IT/OT yang lebih baik.

Atas ialah kandungan terperinci Nilai kecerdasan buatan dalam analisis IoT. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!