我们听到很多关于物联网中的人工智能 (AI) 及其在简化流程和降低成本方面的巨大潜力。仅通过实施连接系统来监控设备、设备和流程并进行数据分析,我们就可以将维护成本降低多达 69%(根据ONE Tech的数据)。该系统可以在设备实际需要维修时通知用户或警告他们潜在的故障。那么,人工智能将提供什么价值,它是否更复杂?
在物联网连接的世界中,来自资产的数据被实时监控,以分析设备性能和可能的故障。设备的健康状况需要大量数据来建立“正常”基线,并且操作员需要设置阈值(如果已知)以在超出该范围时触发警报。随着互联系统的扩展,“大数据”将淹没一个组织的资源,不仅要存储大容量,还要存储数据进入的速度。如果有多个“类型”的设备,那么数据可以有多种形式,例如文本、视频、音频或短信。
如果可以在设备节点上完成某些处理以建立正常行为并且仅在异常事件发生时触发信号、警报或通知,该怎么办?与其复杂的“学会做这一切”人工智能,不如我们采取一种更加外科手术的方法呢?这就是这些较小的 AI 容器发挥作用的时候,例如ONE Tech的MicroAI TM。
这些小型 AI 算法可以轻松嵌入到标准 MCU 中,并使用“正常”数据的样子进行训练,而且还可以在操作过程中学习。现在,可以直接在连接的设备节点或系统边缘进行处理。可能会在系统功率方面进行一些权衡,但这可以与数据聚合和处理的频率相平衡。
此外,当通过边缘计算在边缘位置本地处理数据时,数据连接成本和传输的数据量要低得多。这是因为系统只发送警报/警报,而不是将所有原始传感器数据发送到云端进行处理。在查看一项资产可以生成多少数据时,这将节省成倍的成本。
例如,单个物联网传感器每秒可以提取五个数据点。如果资产上放置了 10 个传感器,并且每个值保守地表示 10 个字节,则在一小时内,单个资产将生成 1.8MB(5 个值 x 10 个传感器 x 10 个字节 x 3,600 秒 = 1,800,000 个字节)。
现在假设您在整个设施中拥有 100 个资产。在一年的时间里,您拥有超过 65GB 的数据。这只是边缘计算带来的成本节省之一。MicroAI™ 允许组织专注于其核心竞争力,而不是通过允许数据开始为组织工作而专注于手动处理这些数据。例如,当 MicroAI™ 确定机器内部存在故障迹象时,机器现在可以调用 API 来打开自己的工作订单,以便维护技术人员对其进行检查。
带有边缘 AI 平台的物联网
真正受益于这种方法的一个应用是利用蜂窝网络作为网关将数据推送到云的远程系统。将 MicroAI TM 与 NB-IoT/CAT-M 连接系统相结合,让物联网自主性迈向未来。
审核编辑:郭婷
-
传感器
+关注
关注
2522文章
47965浏览量
739648 -
物联网
+关注
关注
2865文章
41524浏览量
358083 -
边缘计算
+关注
关注
22文章
2789浏览量
45980
发布评论请先 登录
相关推荐
评论