AI מוסיף סמארט לפלטפורמות IoT

 אפליקציית הרוצח של Internet of Things עשויה להיות בינה מלאכותית.

אמנם זה עשוי להיות מאמץ לסיווג בינה מלאכותית (AI) ולמידת מכונה רב-גונית שלה כיישומים אמיתיים, הטכניקות הללו יכולות לשנות באופן עמוק את פעולות ה-IoT. בינה מלאכותית הופכת את רשתות ה-IoT לחכמות יותר ומסוגלות להרחיב לפי הצורך ללא סיכון של צמיחה בלתי נשלטת.

תפעול IoT הוא מאבק מתמשך לנסות להבטיח שאלפי המכשירים או יותר פועלים בצורה תקינה ובטוחה ברשת ארגונית ושהנתונים שנאספים מדויקים ובזמן. בעוד שמנועי הניתוח האחוריים המתוחכמים עושים את המשימות הכבדות של עיבוד הזרם הקבוע של הנתונים, הבטחת איכות הנתונים עצמם לרוב נותרת למתודולוגיות ארכאיות משהו.

כדי לעזור לרסן את תשתיות IoT רחבות ידיים, חלק מספקי פלטפורמות IoT אופים בטכנולוגיית AI/ML כדי להגביר את יכולות ניהול התפעול שלהם. כמה ספקי פלטפורמות בולטים, כמו IBM ושניידר אלקטריק, כבר רשמו שנים של ניסיון בשילוב AI/ML במוצרים שלהם, אך השימוש ב-AI/ML רחוק מלהיות אוניברסלי בקרב כל ספקי פלטפורמת ה-IoT.

"הייתי אומר על פני מאות ספקי פלטפורמות IoT בחוץ, זו עדיין תופעה נדירה למדי", ציין סם לוצ'רו, אנליסט ראשי, שירותי וטכנולוגיות IoT בחברת האנליסטים Omdia. "זו עדיין תכונה מתפתחת במערכות הפתרונות."

מדוע פלטפורמות IoT זקוקות ל-AI/ML

למרות השקות המוצרים המצומצמות עד כה, ישנן עדויות רבות לכך ש-AI/ML יהיה מרכיב הכרחי ברוב פלטפורמות ה-IoT. כלי ניהול מסורתיים יכולים לעמוד בדרישות של סביבות IoT גדולות יותר, מכיוון שהם אינם מסוגלים לעמוד בקצב העצום של הרשתות והמספר ההולך וגדל של מכשירים שהם מקשרים.

כלים נוכחיים כמו מערכות SCADA אולי יוכלו לספק ניטור בסיסי של חיישנים, מפעילים והתקנים מחוברים אחרים, אבל המידע שהם מקבלים הוא בסיסי במקרה הטוב. בדרך כלל הנתונים מבוססים על ספים שנקבעו מראש, עם מעט או ללא הבחנות איכותיות.

ג'ו ברטי, סגן נשיא ליישומי בינה מלאכותית ב-IBM, רואה בסביבות SCADA מזדקנות מניע מרכזי לשדרוג לניהול IoT מושקע ב-AI.

"רק בגלל שיש תשתית מסיבית זו של מערכות SCADA שאוספות נתונים עבור שירותים, נפט וגז וייצור, והן אוספות נתונים במשך 10 עד 15 שנים", אמר ברטי, "אבל הם מבוססים על נקודות מוגדרות. ”

תהליכים ידניים שכאלה - ביסוס ספציפית של הנקודות שבהן פעולות איסוף הנתונים הופכות מ"טובות" ל"רעות" - היא אחת מהנושאים המרכזיים שתורמים לשיטות ניהול לא יעילות ולעתים קרובות לא מדויקות.

גורם תורם נוסף שמוסיף דחיפות לאימוץ הבינה המלאכותית הוא כוח העבודה המתמעט בתעשיות רבות המסתמך על סביבות ה-IoT שלהם. כוח העבודה המצטמצם - מצטמצם כתוצאה מפרישות, פיטורים ומעבר פעולות מעבר לים - משאיר פער מומחיות שניתן לצמצם בעזרת מערכות ניהול חכמות יותר.

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

למידע נוסף על פלטפורמות IoT, עיין בדוח Omdia "פלטפורמות לניהול קישוריות – ניתוח 2021".

מה AI יכול לעשות עבור IoT

בינה מלאכותית מבוססת פלטפורמה מתמקדת בנתונים הזורמים במישור התפעולי כדי להבטיח שאיסוף נתונים והתקנים אחרים פועלים ביעילות. AI מבוסס פלטפורמה לא משפיע על הנתונים שנאספים לניתוח.

זוהי "הבחנה חשובה בין הנתונים על אופן פעולת המערכת שלך לבין הנתונים שהמערכת שלך מספקת", אמר Lucero של Omdia.

בצד האנליטי, חלק מהיישומים - בדרך כלל מבוססי ענן - שילבו גם טכנולוגיות בינה מלאכותית, אך אלו נבדלות מיישומי פלטפורמה מוכוונות תפעול.

עם AI - במיוחד למידת מכונה - ניתן לנטר את תקינות התפעול של התקני רשת בהתבסס על נתוני זמן אמת ולעקוב אחריהם על פני פרק זמן, כך שניתן לנתח מגוון פרמטרים. גישה זו מציעה יותר ויותר מידע ספציפי על אופן הפעולה של המכשירים בהשוואה לביצועים פחות אינפורמטיביים הנמדדים מול מדדים מוגדרים מראש. במקרים מסוימים, הזנת נתונים תפעוליים שכבר נלכדו לתוך מנוע למידת מכונה תגדיל את רוחב הניסיון שלו ותאפשר לו לספק מידע פרטני עוד יותר.

היבט הריאלי הוא קריטי גם כן. כיום, מנהלי IoT רבים מוצפים מכמות המידע העצומה שהרשתות שלהם מניבות. ברטי מ-IBM אמרה שלקוחות זועקים לעזרה, וציינה שרבים מהם אומרים, "אנחנו מקבלים אלפי התראות ולכן אנחנו פשוט לא יכולים לשים לב אליהם - זה רעש וזה יותר מדי בשבילנו להתמודד איתם. ."

הפתרון של IBM, אמר ברטי, יכול להתמודד עם מתקפת המידע ולנתח אותו עבור נקודות הנתונים המשמעותיות באמת: "זה בעצם זיהוי חריגות מבוסס בינה מלאכותית", אמר ברטי, "ובאמת מה שאנחנו מוצאים זה מה באמת פועל כאן אחרת? ”

רמה זו של איסוף וניתוח נתונים מספקת הרבה יותר תובנות לגבי ביצועי הרשת. "מה שאנחנו מדברים עליו הוא לנסות, למשל, לזהות חריגות או לזהות דפוסי שימוש ואז להיות מסוגלים לומר, בסדר, בוא נפעל אחרת", אמר לוצ'רו. "בואו נשנה את הוראות ההפעלה האלה כי אנחנו מקבלים את הנתונים האלה שאנחנו מעבדים באופן אוטומטי וכתוצאה מכך נוכל לפעול בצורה יעילה יותר."

שניידר אלקטריק מספקת יכולות AI "משולבות באופן מלא כאופציה" בהתאם למרטין באואר, מנהל השיווק של שניידר ב-EcoStruxure, שהשיב לשאלות IoT World Today באמצעות דואר אלקטרוני. "ללקוחות יש את הגמישות המלאה להפעיל את EcoStruxure Machine Advisor כדי לאסוף ולהציג נתונים [נאספים ממכונות] או להוסיף את אפשרות הניתוח לתחזוקה חזויה."

ההטמעה של IBM לא משתמשת בבינה מלאכותית רק כדי לזהות חריגות, היא יכולה גם ליזום פעילויות על סמך הזיהוי הזה. "אנחנו למעשה סוגרים מעגל," אמרה ברטי. "אנחנו יכולים ליצור הזמנת עבודה בתוך מקסימו ואז לבקש מטכנאי שיסתכל על הציוד." הטכנאי יכול להשתמש במכשיר נייד כדי לראות את המידע יחד עם הצעות לתיקון.

AI מסייע גם לאבטחת IoT

עם נתונים טובים יותר שמתקבלים ומנותחים מהר יותר, מערכות אבטחה ומפעילי מערכות יכולים להגיב מהר יותר כאשר מופיע איום נתפס.

ללא AI, מערכת אבטחה או ניהול עשויה ליצור התראה רק אם מכשיר לא ימשיך לפעול ולאסוף ולשדר נתונים. אבל AI/ML יכול לזהות את הדקויות של פעולת המכשיר, מה שעשוי להצביע על כך שמכשיר שככל הנראה פועל כהלכה פועל באופן חריג - אולי אוסף נתונים כאשר הוא לא צפוי או פועל מחוץ לטווח הטמפרטורה שלו.

"במישור הבקרה, השימוש ב-ML הוא סוג של זיהוי חריגות, המשפר את האבטחה כתוצאה מכך", אמר לוצ'רו.

ברטי מ-IBM ציינה כי המידע שנאסף ופועל על ידי ההנהלה הנעזרת בבינה מלאכותית, יכול לעזור לבודד חלקים של רשת ה-IoT ובכך להפחית פגיעויות ומשטחי חיבור פוטנציאליים עבור מתערבים.

פלטפורמת EcoStruxure של שניידר מנצלת גם את מומחיות ה-AI שלה כדי לחזק את אבטחת הרשת. "אבטחת סייבר היא אחד ההיבטים הרלוונטיים ביותר בפיתוח ההצעה שלנו", כתב באואר של שניידר.

נדרשת לינה קטנה כדי להוסיף AI ל-IoT

חלק מהמשתמשים עשויים להירתע מיישום או שדרוג לפלטפורמת IoT משופרת בינה מלאכותית, בהנחה שטכנולוגיית תוכנה חדישה כזו תדרוש חומרה מתוחכמת באותה מידה, מה שאומר שדרוגי מכשירים נרחבים ויקרים.

אבל זה לא בהכרח המקרה.

"לא שמעתי על שינויים מיוחדים שצריך לשלב או לפתח במכשיר עצמו", אמר לוצ'רו, "ובאמת אם היה עבור הרוב המכריע של מכשירי ה-IoT זה היה סוג של שובר עסקות מיד בהתחלה ."

כך גם לגבי פורמט הנתונים שהמכשירים משדרים והפרוטוקולים שבהם הם משתמשים כדי להעביר את הנתונים לאורך זמן. רוב הפלטפורמות התומכות בינה מלאכותית יכולות לאסוף ולפרש נתונים במגוון פורמטים מוכרים באמצעות פרוטוקולי שידור מנוסים.

"אנחנו יכולים למעשה לקבל כל סוג של נתונים", אמר ברטי. "מה שעשינו זה שכתבנו מחברים למערכות SCADA הגדולות."

גם לקום ולרוץ בדרך כלל זה לא כל כך קשה. כפי שצוין קודם לכן, חלק ממערכות הבינה המלאכותית/ML מרוויחות מהיכולת לקלוט ולנתח נתונים היסטוריים, אך בדרך כלל נדרשת הכשרה מועטה למערכות או למפעילים.

AI מאיץ את שוק ה-IoT

אין ספק שבינה מלאכותית הפכה לחלק בלתי נפרד מניהול התפעול של IoT. התקנות IoT גדולות יותר יראו את היתרונות של AI מוקדם יותר מהתקנות קטנות יותר פשוט בגלל ההיקף והאתגרים של הפעלת סביבת IoT גדולה ומורכבת. ובעוד שהיום מערך הפלטפורמות התומכות בינה מלאכותית מוגבל, זה ישתנה בקרוב.

"אנחנו כבר רואים איחוד של נוף הספקים בדרך", אמר לוצ'רו. "אני חושד ש-AI/ML הולך להיות אחד מאותם דברים שעוזרים להאיץ את התהליך הזה".

ייתכן גם - אם כי לא קורה היום - שספקי פלטפורמות משופרות בינה מלאכותית יהפכו חלק מיכולות ה-AI הללו לזמינות ליישומים אחרים באמצעות ממשקי API או אינטגרציות אחרות.

"אני בטוח שזה ייחשף יחד עם תכונות ופונקציונליות אחרות", אמר לוצ'רו, "אבל אני חושב שזה שוב קצת יותר למטה מהתחום מבחינת אינטגרציה ישירה עם פלטפורמת ה-IoT."