AI Menambahkan Kecerdasan ke Platform IoT

 Aplikasi pembunuh Internet of Things mungkin adalah kecerdasan buatan.

Meskipun mungkin sulit untuk mengklasifikasikan kecerdasan buatan (AI) dan pembelajaran mesin cabang multifasetnya sebagai aplikasi yang sebenarnya, teknologi ini dapat sangat mengubah operasi IoT. AI membuat jaringan IoT lebih pintar dan mampu menskalakan sesuai kebutuhan tanpa risiko pertumbuhan yang tidak terkendali.

Operasi IoT adalah perjuangan berkelanjutan untuk mencoba memastikan bahwa ribuan atau lebih perangkat berjalan dengan baik dan aman di jaringan perusahaan dan bahwa data yang dikumpulkan akurat dan tepat waktu. Sementara mesin analitik back-end yang canggih melakukan pekerjaan berat dalam memproses aliran data yang stabil, memastikan kualitas data itu sendiri sering kali diserahkan pada metodologi yang agak kuno.

Untuk membantu mengendalikan infrastruktur IoT yang luas, beberapa vendor platform IoT menggunakan teknologi AI/ML untuk meningkatkan kemampuan manajemen operasi mereka. Beberapa vendor platform terkemuka, seperti IBM dan Schneider Electric, telah mencatat pengalaman bertahun-tahun dalam mengintegrasikan AI/ML ke dalam produk mereka, tetapi penggunaan AI/ML jauh dari universal di antara semua penyedia platform IoT.

“Menurut saya, di antara ratusan vendor platform IoT di luar sana, ini masih merupakan fenomena yang cukup langka,” kata Sam Lucero, kepala analis, layanan dan teknologi IoT, di firma analis Omdia. “Ini masih merupakan fitur yang berkembang di set solusi.”

Mengapa Platform IoT Membutuhkan AI/ML

Terlepas dari peluncuran produk yang terbatas hingga saat ini, ada banyak bukti bahwa AI/ML akan menjadi bahan yang diperlukan di sebagian besar platform IoT. Alat manajemen tradisional dapat memenuhi tuntutan lingkungan IoT yang lebih besar, karena alat tersebut tidak dapat mengimbangi ukuran jaringan yang tipis dan semakin banyak perangkat yang ditautkan.

Alat saat ini seperti sistem SCADA mungkin dapat memberikan pemantauan dasar terhadap sensor, aktuator, dan perangkat lain yang terhubung, tetapi informasi yang mereka terima adalah yang terbaik. Biasanya data didasarkan pada ambang batas yang telah ditentukan, dengan sedikit atau tanpa perbedaan kualitatif.

Joe Berti, wakil presiden untuk aplikasi AI di IBM, melihat lingkungan SCADA yang menua sebagai motivasi utama untuk meningkatkan ke manajemen IoT yang diinfus AI.

“Hanya karena ada infrastruktur sistem SCADA yang sangat besar yang mengumpulkan data untuk utilitas, minyak dan gas, dan manufaktur, dan mereka telah mengumpulkan data selama 10 hingga 15 tahun,” kata Berti, “tetapi mereka berdasarkan pada titik setel. ”

Proses manual seperti itu—khususnya menetapkan titik di mana operasi pengumpulan data berubah dari "baik" menjadi "buruk"—merupakan salah satu isu utama yang berkontribusi pada metode manajemen yang tidak efisien dan seringkali tidak akurat.

Faktor lain yang berkontribusi yang menambah urgensi adopsi AI adalah berkurangnya tenaga kerja di banyak industri yang bergantung pada lingkungan IoT mereka. Tenaga kerja kontrak—menyusut akibat pensiun, PHK, dan pemindahan operasi ke luar negeri—meninggalkan kesenjangan keahlian yang dapat dikurangi dengan bantuan sistem manajemen yang lebih cerdas.

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

Untuk informasi lebih lanjut tentang platform IoT, lihat laporan Omdia “Platform Manajemen Konektivitas – Analisis 2021. "

Apa yang Dapat Dilakukan AI untuk IoT

AI berbasis platform difokuskan pada data yang mengalir melalui bidang operasional untuk memastikan pengumpulan data dan perangkat lain beroperasi secara efisien. AI berbasis platform tidak memengaruhi data yang dikumpulkan untuk analisis.

Ini adalah “perbedaan penting antara data tentang bagaimana sistem Anda beroperasi dan data yang disediakan sistem Anda,” kata Lucero dari Omdia.

Di sisi analitik, beberapa aplikasi–biasanya berbasis cloud—juga telah mengintegrasikan teknologi AI, tetapi itu berbeda dari implementasi platform yang berorientasi operasional.

Dengan AI—khususnya pembelajaran mesin—kesehatan operasional perangkat jaringan dapat dipantau berdasarkan data waktu nyata dan dilacak selama periode waktu tertentu sehingga berbagai parameter dapat dianalisis. Pendekatan ini menawarkan informasi yang lebih spesifik tentang bagaimana perangkat beroperasi dibandingkan dengan kinerja yang kurang informatif yang diukur terhadap tolok ukur yang telah ditetapkan. Dalam beberapa kasus, memasukkan data operasional yang sudah ditangkap ke dalam mesin pembelajaran mesin akan meningkatkan pengalamannya dan memungkinkannya memberikan informasi yang lebih terperinci.

Aspek real-rime juga sangat penting. Saat ini, banyak administrator IoT kewalahan dengan banyaknya informasi yang dihasilkan jaringan mereka. Berti dari IBM mengatakan pelanggan meminta bantuan, dan mencatat bahwa banyak dari mereka berkata, “Kami mendapatkan ribuan peringatan dan jadi kami tidak dapat memperhatikannya–ini berisik dan terlalu banyak untuk kami tangani. .”

Solusi IBM, kata Berti, dapat menangani serbuan informasi dan menguraikannya untuk poin data yang benar-benar bermakna: “Pada dasarnya ini adalah deteksi anomali berbasis AI,” kata Berti, “dan sebenarnya yang kami temukan adalah apa yang benar-benar beroperasi secara berbeda di sini? ”

Tingkat pengumpulan dan analisis data tersebut memberikan lebih banyak wawasan tentang kinerja jaringan. “Apa yang kami bicarakan adalah mencoba, misalnya, mendeteksi anomali atau mendeteksi pola penggunaan dan kemudian dapat berkata, Oke, mari beroperasi secara berbeda,” kata Lucero. “Mari kita ubah Instruksi pengoperasian ini karena kita mendapatkan data ini yang sedang kita proses secara otomatis dan sebagai hasilnya kita dapat beroperasi lebih efisien.”

Schneider Electric menyediakan kemampuan AI "terintegrasi penuh sebagai opsi" menurut Martin Bauer, manajer pemasaran EcoStruxure Schneider, yang menjawab pertanyaan IoT World Today melalui email. “Pelanggan memiliki fleksibilitas penuh untuk menjalankan EcoStruxure Machine Advisor guna mengumpulkan dan menampilkan data [yang dikumpulkan dari] mesin atau untuk menambahkan opsi analitik untuk pemeliharaan prediktif.”

Implementasi IBM tidak hanya menggunakan AI untuk mendeteksi anomali, tetapi juga dapat memulai aktivitas berdasarkan deteksi tersebut. “Kami benar-benar menutup putarannya,” kata Berti. “Kita dapat membuat perintah kerja di dalam Maximo dan kemudian meminta teknisi untuk melihat peralatannya.” Teknisi dapat menggunakan perangkat seluler untuk melihat informasi bersama dengan perbaikan yang disarankan.

AI Juga Membantu Keamanan IoT

Dengan data yang lebih baik diterima dan dianalisis lebih cepat, sistem keamanan dan operator sistem dapat bereaksi lebih cepat ketika ancaman yang dirasakan muncul.

Tanpa AI, sistem keamanan atau manajemen mungkin hanya menghasilkan peringatan jika perangkat gagal terus beroperasi dan mengumpulkan serta mengirimkan data. Namun AI/ML dapat mendeteksi seluk-beluk pengoperasian perangkat yang mungkin menunjukkan bahwa perangkat yang tampaknya beroperasi dengan benar bertindak dengan cara yang tidak wajar—mungkin mengumpulkan data saat tidak diharapkan atau beroperasi di luar rentang suhunya.

“Di bidang kontrol, penggunaan ML adalah jenis deteksi anomali, yang meningkatkan keamanan sebagai hasilnya,” kata Lucero.

Berti dari IBM mencatat bahwa informasi yang dikumpulkan dan ditindaklanjuti oleh manajemen yang dibantu AI, dapat membantu mengisolasi segmen jaringan IoT dan dengan demikian mengurangi kerentanan dan potensi permukaan tempel bagi penyusup.

Platform EcoStruxure Schneider juga memanfaatkan keahlian AI-nya untuk mendukung keamanan jaringan. “Keamanan dunia maya adalah salah satu aspek paling relevan dalam pengembangan penawaran kami,” tulis Bauer dari Schneider.

Sedikit Akomodasi yang Dibutuhkan untuk Menambahkan AI ke IoT

Beberapa pengguna mungkin menolak untuk mengimplementasikan atau memutakhirkan ke platform IoT yang ditingkatkan AI, dengan asumsi bahwa teknologi perangkat lunak canggih seperti itu akan membutuhkan perangkat keras yang sama canggihnya, yang berarti peningkatan perangkat yang ekstensif—dan mahal.

Tapi itu belum tentu demikian.

“Saya belum pernah mendengar tentang modifikasi khusus yang perlu diintegrasikan atau dikembangkan pada perangkat itu sendiri,” kata Lucero, “dan sungguh jika ada sebagian besar perangkat IoT yang akan menjadi pemecah kesepakatan sejak awal. .”

Hal yang sama berlaku untuk format data yang dikirimkan perangkat dan protokol yang mereka gunakan untuk memindahkan data lama. Sebagian besar platform berkemampuan AI dapat mengumpulkan dan menginterpretasikan data dalam berbagai format yang sudah dikenal menggunakan protokol transmisi yang sudah terbukti benar.

“Kami benar-benar dapat menerima semua jenis data,” kata Berti. “Apa yang telah kami lakukan adalah kami telah menulis konektor ke sistem SCADA utama.”

Bangun dan berlari pada umumnya juga tidak terlalu sulit. Seperti disebutkan sebelumnya, beberapa sistem AI/ML mendapat manfaat dari kemampuan menyerap dan menganalisis data historis, tetapi biasanya hanya ada sedikit pelatihan yang diperlukan untuk sistem atau operator.

AI Mempercepat Pasar IoT

Tidak diragukan lagi bahwa AI telah menjadi bagian integral dari manajemen operasi IoT. Instalasi IoT yang lebih besar akan melihat manfaat AI lebih cepat daripada instalasi yang lebih kecil hanya karena ruang lingkup dan tantangan pengoperasian lingkungan IoT yang besar dan kompleks. Dan sementara saat ini susunan platform yang mendukung AI terbatas, itu akan segera berubah.

“Kami sudah melihat konsolidasi lanskap vendor sedang berlangsung,” kata Lucero. “Saya menduga bahwa AI/ML akan menjadi salah satu hal yang membantu mempercepat proses tersebut.”

Mungkin juga—walaupun tidak terjadi hari ini—bahwa vendor platform yang disempurnakan AI akan membuat sebagian dari kemampuan AI tersebut tersedia untuk aplikasi lain melalui API atau integrasi lainnya.

“Saya yakin itu akan diekspos bersama dengan fitur dan fungsionalitas lainnya,” kata Lucero, “tetapi saya pikir itu lagi-lagi sedikit lebih jauh dalam hal integrasi langsung dengan platform IoT.”