Tekoäly lisää älykkyyttä IoT-alustoille

 Esineiden internetin tappajasovellus saattaa olla tekoäly.

Vaikka tekoälyn (AI) ja sen monipuolisen koneoppimisen luokitteleminen todellisiksi sovelluksiksi saattaa olla vaikeaa, nämä tekniikat voivat muuttaa IoT-toimintoja perusteellisesti. AI tekee IoT-verkoista älykkäämpiä ja skaalautuvia tarpeen mukaan ilman hallitsemattoman kasvun riskiä.

IoT-toiminta on jatkuvaa kamppailua varmistaakseen, että tuhannet tai useammat laitteet toimivat oikein ja turvallisesti yritysverkossa ja että kerättävä data on sekä tarkkaa että oikea-aikaista. Vaikka kehittyneet tausta-analytiikkamoottorit tekevät raskaan työn tasaisen datavirran käsittelystä, itse tiedon laadun varmistaminen jätetään usein jokseenkin vanhentuneiden menetelmien varaan.

Auttaakseen hillitsemään laajenevia IoT-infrastruktuureja jotkin IoT-alustan toimittajat kehittävät AI/ML-teknologiaa parantaakseen toimintojensa hallintaominaisuuksia. Jotkin merkittävät alustavalmistajat, kuten IBM ja Schneider Electric, ovat jo keränneet vuosien kokemuksen tekoälyn/ML:n integroimisesta tuotteisiinsa, mutta tekoälyn/ML:n käyttö ei ole läheskään yleismaailmallista kaikkien IoT-alustan tarjoajien keskuudessa.

"Sanoisin satojen IoT-alustatoimittajien joukossa, että se on edelleen melko harvinainen ilmiö", totesi analyytikkoyhtiö Omdian IoT-palveluista ja -tekniikoista vastaava pääanalyytikko Sam Lucero. "Se on edelleen kehitteillä oleva ominaisuus ratkaisusarjoissa."

Miksi IoT-alustat tarvitsevat AI/ML:n

Huolimatta tähänastisista rajoitetuista tuotejulkaisuista, on olemassa runsaasti todisteita siitä, että tekoäly/ML tulee olemaan välttämätön ainesosa useimmissa IoT-alustoissa. Perinteiset hallintatyökalut voivat vastata suurempien IoT-ympäristöjen vaatimuksiin, koska ne eivät pysty pysymään verkkojen koon ja niiden yhdistämien laitteiden kasvavan määrän mukana.

Nykyiset työkalut, kuten SCADA-järjestelmät, saattavat pystyä tarjoamaan antureiden, toimilaitteiden ja muiden kytkettyjen laitteiden perusvalvontaa, mutta niiden vastaanottama tieto on parhaimmillaan perustietoa. Tyypillisesti tiedot perustuvat ennalta määrättyihin kynnysarvoihin, joissa on vain vähän tai ei ollenkaan laadullisia eroja.

IBM:n tekoälysovellusten varatoimitusjohtaja Joe Berti näkee ikääntyvien SCADA-ympäristöjen olevan keskeinen motivaatio päivittää tekoälyn sisältämään IoT-hallintaan.

"Vain siksi, että siellä on valtava SCADA-järjestelmien infrastruktuuri, joka kerää tietoja laitoksista, öljystä ja kaasusta sekä teollisuudesta, ja ne ovat keränneet tietoja 10-15 vuoden ajan", sanoi Berti, "mutta ne perustuvat asetettuihin arvoihin. ”

Tällaiset manuaaliset prosessit – erityisesti niiden pisteiden määrittäminen, joissa tiedonkeruutoiminnot muuttuvat "hyvästä" "huonoksi" - ovat yksi avainkysymyksistä, jotka vaikuttavat tehottomuuteen ja usein epätarkkoihin hallintamenetelmiin.

Toinen tekijä, joka lisää tekoälyn käyttöönoton kiireellisyyttä, on monien IoT-ympäristöihinsä riippuvaisten toimialojen hupeneva työvoima. Supistuva työvoima – eläkkeelle siirtymisen, irtisanomisten ja ulkomaille siirtymisen seurauksena – jättää osaamisvajeen, jota voidaan pienentää älykkäämpien johtamisjärjestelmien avulla.

<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<

Lisätietoja IoT-alustoista on Omdia-raportissa "Yhteydenhallintaympäristöt – 2021-analyysi"

Mitä tekoäly voi tehdä IoT:lle

Alustapohjainen tekoäly keskittyy toimintatason läpi virtaaviin tietoihin varmistaakseen, että tiedonkeruu ja muut laitteet toimivat tehokkaasti. Alustapohjainen tekoäly ei vaikuta analysointia varten kerättyihin tietoihin.

Se on tärkeä "ero järjestelmän toimintaa koskevien tietojen ja järjestelmäsi tarjoamien tietojen välillä", sanoi Omdian Lucero.

Analytiikkapuolella jotkin sovellukset – tyypillisesti pilvipohjaiset – ovat myös integroineet tekoälyteknologioita, mutta ne eroavat toiminnallisesti suuntautuneista alustatoteutuksista.

Tekoälyn – erityisesti koneoppimisen – avulla verkkolaitteiden toimintakuntoa voidaan seurata reaaliaikaisten tietojen perusteella ja seurata tietyn ajanjakson ajan, jotta voidaan analysoida useita parametreja. Tämä lähestymistapa tarjoaa entistä tarkempaa tietoa laitteiden toiminnasta verrattuna vähemmän informatiiviseen suorituskykyyn verrattuna ennalta asetettuihin vertailuarvoihin. Joissakin tapauksissa jo kaapattujen käyttötietojen syöttäminen koneoppimismoottoriin laajentaa sen kokemusta ja antaa sille mahdollisuuden tarjota entistä tarkempaa tietoa.

Myös reaaliaikainen näkökulma on kriittinen. Nykyään monet IoT-järjestelmänvalvojat ovat ylikuormittuneet verkkojensa antamasta valtavasta tiedon määrästä. IBM:n Berti sanoi, että asiakkaat huutavat apua, ja huomautti, että monet heistä sanovat: "Saamme tuhansia hälytyksiä, joten emme vain voi kiinnittää niihin huomiota - tämä on melua, ja se on liian paljon meidän käsiteltäväksi. .”

Berti sanoi, että IBM:n ratkaisu pystyy käsittelemään tiedon tunkeutumisen ja jäsentämään sen todella merkityksellisille datapisteille: "Se on pohjimmiltaan tekoälypohjaista poikkeamien havaitsemista", sanoi Berti, "ja todellakin löydämme sen, mikä todella toimii täällä eri tavalla? ”

Tämä tiedonkeruun ja -analyysin taso tarjoaa huomattavasti paremman käsityksen verkon suorituskyvystä. "Puhumme siitä, että yritämme esimerkiksi havaita poikkeavuuksia tai havaita käyttötottumuksia ja sitten sanoa: "Ok, toimitaan toisin", Lucero sanoi. "Muutetaan näitä käyttöohjeita, koska saamme nämä tiedot, joita käsittelemme automaattisesti ja voimme sen ansiosta toimia tehokkaammin."

Schneider Electric tarjoaa AI-ominaisuudet "täysin integroituna lisävarusteena" Schneiderin EcoStruxure-markkinointipäällikön Martin Bauerin mukaan, joka vastasi IoT World Todayn kysymyksiin sähköpostitse. "Asiakkailla on täysi joustavuus käyttää EcoStruxure Machine Advisoria koneiden [kerättyjen] tietojen keräämiseen ja näyttämiseen tai analytiikkavaihtoehdon lisäämiseen ennakoivaa ylläpitoa varten."

IBM:n toteutus ei käytä tekoälyä vain havaitsemaan poikkeavuuksia, vaan se voi myös käynnistää toimintaan tämän havaitsemisen perusteella. "Me itse asiassa suljemme silmukan", sanoi Berti. "Voimme luoda työmääräyksen Maximon sisällä ja sitten saada teknikon käymään katsomassa laitteita." Teknikko voi käyttää mobiililaitetta nähdäkseen tiedot ja ehdotetut korjaustoimenpiteet.

Tekoäly auttaa myös IoT-suojausta

Paremman tiedon vastaanottamisen ja analysoinnin nopeammin turvajärjestelmät ja järjestelmäoperaattorit voivat reagoida nopeammin havaittuun uhkaan.

Ilman tekoälyä turva- tai hallintajärjestelmä saattaa tuottaa vain hälytyksen, jos laite ei jatka toimintaansa sekä tietojen keräämistä ja lähettämistä. Mutta AI/ML voi havaita laitteen toiminnan hienovaraisuudet, jotka voivat viitata siihen, että laite, joka ilmeisesti toimii oikein, toimii poikkeavalla tavalla – ehkä keräämällä tietoja, kun sen ei odoteta toimivan lämpötila-alueensa ulkopuolella.

"Ohjaustasolla ML:n käyttö on eräänlainen poikkeamien havaitseminen, mikä parantaa turvallisuutta", Lucero sanoi.

IBM:n Berti totesi, että tekoälyavusteisen hallinnan keräämät ja toimittamat tiedot voivat auttaa eristämään IoT-verkon segmenttejä ja siten vähentämään haavoittuvuuksia ja mahdollisia kiinnityspintoja häiritseville.

Schneiderin EcoStruxure-alusta hyödyntää myös sen tekoälyosaamista vahvistaakseen verkkoturvallisuutta. "Kyberturvallisuus on yksi tärkeimmistä näkökohdista tarjontaamme kehitettäessä", kirjoitti Schneiderin Bauer.

Tarvitaan vähän majoitusta tekoälyn lisäämiseen IoT:hen

Jotkut käyttäjät saattavat vastustaa tekoälyllä parannetun IoT-alustan käyttöönottoa tai päivittämistä olettaen, että tällainen uusinta ohjelmistotekniikka vaatii yhtä pitkälle kehitettyä laitteistoa, mikä merkitsisi laajoja ja kalliita laitepäivityksiä.

Mutta näin ei välttämättä ole.

"En ole kuullut erityisistä muokkauksista, joita pitäisi integroida tai kehittää itse laitteeseen", sanoi Lucero, "ja todellakin, jos suurin osa IoT-laitteista olisi jonkinlainen kaupan katkaisija heti alussa. .”

Sama koskee laitteiden lähettämien tietojen muotoa ja protokollia, joita ne käyttävät tiedon siirtämiseen. Useimmat tekoälyä tukevat alustat voivat kerätä ja tulkita dataa useissa tutuissa muodoissa käyttämällä hyväksi havaittuja siirtoprotokollia.

"Voimme itse asiassa hyväksyä kaikenlaisia ​​tietoja", Berti sanoi. "Olemme tehneet liittimiä tärkeimpiin SCADA-järjestelmiin."

Alkuun pääseminen ei yleensä olekaan niin vaikeaa. Kuten aiemmin todettiin, jotkin AI/ML-järjestelmät hyötyvät siitä, että ne pystyvät nielemään ja analysoimaan historiallisia tietoja, mutta järjestelmät tai käyttäjät tarvitsevat yleensä vähän koulutusta.

AI nopeuttaa IoT-markkinoita

Ei ole epäilystäkään siitä, että tekoälystä on tullut olennainen osa IoT-toimintojen hallintaa. Suuremmat IoT-asennukset huomaavat tekoälyn edut nopeammin kuin pienemmät asennukset pelkästään suuren ja monimutkaisen IoT-ympäristön laajuuden ja haasteiden vuoksi. Ja vaikka nykyään tekoälyä tukevien alustojen valikoima on rajallinen, se muuttuu pian.

"Näemme jo toimittajamaiseman konsolidoinnin meneillään", Lucero sanoi. "Epäilen, että tekoäly/ML tulee olemaan yksi niistä asioista, jotka auttavat nopeuttamaan tätä prosessia."

On myös mahdollista – vaikkakaan ei tapahdu nykyään – että tekoälyllä parannettujen alustojen toimittajat asettavat osan näistä tekoälyominaisuuksista muiden sovellusten saataville API:iden tai muiden integraatioiden kautta.

"Olen varma, että se esitettäisiin muiden ominaisuuksien ja toimintojen ohella", Lucero sanoi, "mutta uskon, että se on jälleen hieman alempana, mitä tulee suoraan integraatioon IoT-alustan kanssa."