特征人工智能
在边缘使用人工智能

人工智能（AI）的关键益处之一是它为更广泛的事物（物联网）战略提供了有价值的见解。在没有行业中，这种可行和富有洞察力的数据比制造更有价值。

没有AI，制造商对其资产的健康和行为有限（即设备和设备），这可能对性能，成本和安全产生重大影响。对于AI来达到其潜力，资产价值链的每个部分都需要能够在控制连接成本时能够深入了解设备行为。

原始设备制造商(oem)在物联网部署方面面临两个关键挑战。

首先，它们有限地了解他们的智能设备/设备的健康和性能，一旦将其部署到现场，导致他们错过了一些可能有助于不仅避免意外停机和灾难性失败的关键信息，而且还提供更好的信息产品到市场。

其次，当原始设备制造商获得了对其解决方案产生的数据的可见性和访问权时，将大量数据发送到云端进行处理和存储的成本可能会很高。

驱动智能到设备OEM

无论人工智能IoT解决方案是工业或消费者实施的一部分，如果添加它们，都可以获得巨大的好处。当设备制造商将人工智能嵌入他们的设备时，他们能够更具体地定义输入和输出。

例如，对于管道监控，压力、体积和流量可能是重要的测量因素。对于工业设备，如生产线上的机械臂，循环速率和温度可能是最重要的。

在消费品中，如洗碗机或洗衣机，振动和能量使用可能是测量的关键因素。设备管理器可以采用启用AI的平台并将其送入机器学习引擎并监控对输出的影响。

当设备制造商将人工智能嵌入他们的设备时，他们能够更具体地定义输入和输出。

此过程不仅带来了对特定设备的健康状况的可见性，而且还允许设备OEM获得有助于健康和性能的洞察力。例如，带家用电器。

OEM可能希望将数据输出发送到其IT系统，以便在其机器上运行进一步的分析。他们可以使用这些数据获取关于单个机器、特定型号的所有机器、甚至地理位置上的机器的运行情况的情报。

能够通过AI驱动的解决方案聚合此数据允许OEM更好地了解为什么事情出错并确定导致问题的因素。

例如，问题是否包含在某个特定设施中?或者是制造零件的特定路线?零部件是否更频繁地出现故障?应该度量哪些额外的度量标准?

此外，这些原始设备制造商可以通过在资产出现故障之前为显示故障迹象的资产提供维护服务，从而发挥服务化模型的作用。

部署机器学习

将其转换为汽车行业，其中AI动力边缘解决方案可以基于与其他车辆的类似情况来预测车辆健康。车辆制造商可以积极主动服务通知，提醒客户，他们的部分可能会失败，应该是为了减轻它的服务。

该数据也可以用于调用保证，例如，如果设备用于室内使用的指令状态，但湿度和电导率在特殊的高水平注册，则可以指示设备可能已放置在外面。

许多原始设备制造商生产不止一种类型的产品，而机器学习技术的出现，使这种水平的智能和洞察力得到培训，为原始设备制造商带来价值，而不需要重新发明轮子。OEM只需要选择应该收集哪些数据作为输入和输出。

这迅速加快了将嵌入式人工智能带到设备上的市场时间，因为每个设备都不需要新的培训模式——这只是一个连接到平台的问题。

虽然不同类型的设备有不同的数据输入，但机器学习平台与这些数据输入无关。该设备只需通过训练阶段来学习正常的资产行为，每当该行为偏离规范时，它就会触发一个动作，比如警报。

OEM使用边缘人工智能IoT的结果包括提高硬件/资产可靠性和生产率，以及对设备性能的更大可视性，使产品开发能够计划未来的改进。

控制成本

使用物联网解决方案的最大费用之一是连接到云以进行处理的原始数据的连接成本。大多数AI解决方案都不考虑到数据发送到云时对成本的影响。

大多数数据都是报告在不需要任何操作的正常范围内的读数。许多IOT实现使用蜂窝或在某些情况下，用于云的数据传输的卫星网络，并且与发送的每个字节有关的成本。

当读数处于正常范围时，移动所有数据 - 良好，坏和边缘 - 到云是昂贵的，并且在大多数情况下都没有必要。什么企业真正想要被警告为不寻常的读数，表明即将发生的失败迹象，因此他们可以在发生灾难性运营停机前采取行动。

当OEMs确实获得可见性并访问其解决方案的数据正在产生的数据时，将该数据量发送到云以进行处理和存储的成本可能是过高的。

技术正在出现，使所有数据才能接受培训，收集和处理在网络边缘，只有超出范围的数据被传输到云。这有助于从数据传输角度以及存储器中节省重大成本，因为现在可以解析和存储选择数据以进行更深的分析。

将所有数据传输到云的一个副作用是功耗。大多数物联网设备依靠电池工作，每当物联网设备连接到网络并进行传输时，电池消耗就会发挥作用。通过减少设备连接到网络的时间(因为只传输选定的数据)，整体电池寿命得到了提高。

驾驶新效率

基于AI的IOT解决方案正在跨越许多行业推动新的效率，并通过各种用例证明其对制造的价值。关键是控制成本，新兴技术可以帮助分析网络边缘的数据，避免高云传输成本。

随着人工智能解决方案提供的新可视性，oem可以访问物联网设备收集的数据，收集短期洞察力，并为长期分析和整体价值创造环境。

_____

Chris Catterton是一个科技解决方案工程的主任。

这篇文章最初发表于11月/ 12月2020年问题的制造自动化．