AI, IoT 플랫폼에 스마트 기능 추가

 사물인터넷의 킬러앱은 인공지능일지도 모른다.

인공 지능(AI)과 그 다면적인 분파 기계 학습을 진정한 응용 프로그램으로 분류하는 것은 무리일 수 있지만 이러한 기술은 IoT 운영을 근본적으로 변화시킬 수 있습니다. AI는 IoT 네트워크를 더 스마트하게 만들고 제어할 수 없는 성장의 위험 없이 필요에 따라 확장할 수 있습니다.

IoT 운영은 수천 개 이상의 장치가 엔터프라이즈 네트워크에서 적절하고 안전하게 실행되고 수집되는 데이터가 정확하고 시기적절하도록 보장하기 위한 지속적인 노력입니다. 정교한 백엔드 분석 엔진이 꾸준한 데이터 스트림을 처리하는 무거운 작업을 수행하는 동안 데이터 자체의 품질을 보장하는 것은 다소 구식 방법론에 맡겨지는 경우가 많습니다.

무분별하게 확장되는 IoT 인프라를 제어하기 위해 일부 IoT 플랫폼 공급업체는 AI/ML 기술을 활용하여 운영 관리 기능을 강화하고 있습니다. IBM 및 Schneider Electric과 같은 일부 주목할만한 플랫폼 공급업체는 이미 AI/ML을 자사 제품에 통합한 경험을 수년간 축적했지만 AI/ML의 사용은 모든 IoT 플랫폼 공급업체에서 보편적이지 않습니다.

애널리스트 회사인 Omdia의 IoT 서비스 및 기술 담당 수석 애널리스트 Sam Lucero는 “수백 개의 IoT 플랫폼 공급업체를 통틀어 보면 여전히 상당히 드문 현상이라고 말하고 싶습니다. "솔루션 세트에서 아직 개발 중인 기능입니다."

IoT 플랫폼에 AI/ML이 필요한 이유

현재까지 제한된 제품 출시에도 불구하고 AI/ML이 대부분의 IoT 플랫폼에서 필수 요소가 될 것이라는 충분한 증거가 있습니다. 기존의 관리 도구는 네트워크의 규모와 연결된 장치의 증가를 따라갈 수 없기 때문에 더 큰 IoT 환경의 요구 사항을 충족할 수 있습니다.

SCADA 시스템과 같은 현재 도구는 센서, 액추에이터 및 기타 연결된 장치의 기본 모니터링을 제공할 수 있지만 수신하는 정보는 기껏해야 기본입니다. 일반적으로 데이터는 질적 차이가 거의 또는 전혀 없는 사전 결정된 임계값을 기반으로 합니다.

IBM의 AI 애플리케이션 담당 부사장인 Joe Berti는 노화된 SCADA 환경을 AI 주입 IoT 관리로 업그레이드하는 주요 동기로 보고 있습니다.

Berti는 “유틸리티, 석유 및 가스, 제조에 대한 데이터를 수집하는 대규모 SCADA 시스템 인프라가 있고 10~15년 동안 데이터를 수집해 왔기 때문”이라고 말했습니다. ”

이러한 수동 프로세스, 특히 데이터 수집 작업이 "좋음"에서 "나쁨"으로 전환되는 지점을 설정하는 것은 비효율적이고 종종 부정확한 관리 방법에 기여하는 주요 문제 중 하나입니다.

AI 채택에 시급성을 더하는 또 다른 기여 요인은 IoT 환경에 의존하는 많은 산업에서 인력이 줄어들고 있다는 것입니다. 퇴직, 정리 해고 및 해외 사업장 이전으로 인해 줄어들고 있는 계약직 노동력은 더 스마트한 관리 시스템의 도움으로 완화할 수 있는 전문 지식 격차를 남기고 있습니다.

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

IoT 플랫폼에 대한 자세한 내용은 Omdia 보고서 "를 확인하십시오.연결 관리 플랫폼 – 2021년 분석. "

AI가 IoT를 위해 할 수 있는 것

플랫폼 기반 AI는 데이터 수집 및 기타 장치가 효율적으로 작동하도록 운영 평면을 통해 흐르는 데이터에 중점을 둡니다. 플랫폼 기반 AI는 분석을 위해 수집된 데이터에 영향을 미치지 않습니다.

Omdia의 Lucero는 "시스템 작동 방식에 대한 데이터와 시스템이 제공하는 데이터 사이의 중요한 구분"이라고 말했습니다.

분석 측면에서 일부 애플리케이션(일반적으로 클라우드 기반)도 AI 기술을 통합했지만 운영 지향적인 플랫폼 구현과는 다릅니다.

AI(특히 기계 학습)를 사용하면 실시간 데이터를 기반으로 네트워크 장치의 작동 상태를 모니터링하고 일정 기간 동안 추적하여 다양한 매개변수를 분석할 수 있습니다. 이 접근 방식은 미리 설정된 벤치마크에 대해 측정된 덜 유익한 성능과 비교하여 장치가 작동하는 방식에 대해 점점 더 구체적인 정보를 제공합니다. 경우에 따라 이미 캡처된 운영 데이터를 기계 학습 엔진에 공급하면 경험의 폭이 넓어지고 훨씬 더 세분화된 정보를 제공할 수 있습니다.

리얼 라임 측면도 중요합니다. 오늘날 많은 IoT 관리자는 네트워크에서 생성되는 엄청난 양의 정보에 압도당하고 있습니다. IBM의 Berti는 고객이 도움을 요청하고 있으며 많은 고객이 "수천 건의 경고를 받고 있기 때문에 주의를 기울일 수 없습니다. 이것은 소음이고 처리하기에는 너무 많습니다. .”

Berti는 IBM의 솔루션이 정보의 맹공격을 처리하고 이를 진정으로 의미 있는 데이터 포인트로 분석할 수 있다고 말했습니다. Berti는 “기본적으로 AI 기반 이상 탐지입니다. ”

이러한 수준의 데이터 수집 및 분석은 네트워크 성능에 대한 훨씬 더 많은 통찰력을 제공합니다. Lucero는 "우리가 말하는 것은 예를 들어 이상 징후를 감지하거나 사용 패턴을 감지한 다음 '좋아요, 다르게 작동합시다'라고 말할 수 있도록 노력하는 것입니다."라고 말했습니다. "자동으로 처리하는 이 데이터를 가져오고 결과적으로 더 효율적으로 작동할 수 있으므로 이 작동 지침을 변경합시다."

슈나이더 일렉트릭은 이메일을 통해 IoT World Today의 질문에 답한 Schneider의 EcoStruxure 마케팅 관리자인 Martin Bauer에 따라 "옵션으로 완전히 통합된" AI 기능을 제공합니다. "고객은 EcoStruxure Machine Advisor를 실행하여 기계 [수집된] 데이터를 수집 및 표시하거나 예측 유지 관리를 위한 분석 옵션을 추가할 수 있는 완전한 유연성을 갖습니다."

IBM의 구현은 AI를 사용하여 이상 징후를 감지하는 것이 아니라 해당 감지를 기반으로 활동을 시작할 수도 있습니다. "우리는 실제로 루프를 닫습니다."라고 Berti는 말했습니다. "Maximo 내에서 작업 주문을 생성한 다음 기술자가 장비를 살펴보도록 할 수 있습니다." 기술자는 모바일 장치를 사용하여 제안된 수정 사항과 함께 정보를 볼 수 있습니다.

AI도 IoT 보안 지원

더 나은 데이터를 더 빨리 수신하고 분석함으로써 보안 시스템과 시스템 운영자는 감지된 위협이 나타날 때 더 빠르게 대응할 수 있습니다.

AI가 없으면 보안 또는 관리 시스템은 장치가 계속 작동하고 데이터를 수집 및 전송하지 못하는 경우에만 경고를 생성할 수 있습니다. 그러나 AI/ML은 장치 작동의 미묘함을 감지할 수 있습니다. 이는 정상적으로 작동하는 것으로 보이는 장치가 비정상적인 방식으로 작동하고 있음을 나타낼 수 있습니다. 예상하지 못한 데이터를 수집하거나 온도 범위 밖에서 작동할 수 있습니다.

Lucero는 "컨트롤 플레인에서 ML을 사용하는 것은 일종의 이상 탐지이며 결과적으로 보안을 향상시킵니다."라고 말했습니다.

IBM의 Berti는 AI 지원 관리에 의해 수집되고 실행되는 정보가 IoT 네트워크의 세그먼트를 격리하는 데 도움이 될 수 있으므로 침입자의 취약성과 잠재적 연결 표면을 줄이는 데 도움이 될 수 있다고 언급했습니다.

슈나이더의 EcoStruxure 플랫폼은 또한 AI 전문 지식을 활용하여 네트워크 보안을 강화합니다. Schneider's Bauer는 "사이버 보안은 우리 제품 개발에서 가장 관련성이 높은 측면 중 하나입니다."라고 썼습니다.

IoT에 AI를 추가하는 데 약간의 조정 필요

일부 사용자는 AI로 강화된 IoT 플랫폼을 구현하거나 업그레이드하는 것을 주저할 수 있습니다. 이러한 최첨단 소프트웨어 기술에는 똑같이 정교한 하드웨어가 필요하며 이는 광범위하고 비용이 많이 드는 장치 업그레이드를 의미한다고 가정합니다.

그러나 반드시 그런 것은 아닙니다.

Lucero는 "장치 자체에 통합하거나 개발해야 하는 특별한 수정 사항에 대해 들어본 적이 없습니다. 그리고 실제로 대부분의 IoT 장치에 대해 시작부터 일종의 딜 브레이커가 될 것입니다. .”

장치가 전송하는 데이터의 형식과 데이터를 길게 이동하는 데 사용하는 프로토콜도 마찬가지입니다. 대부분의 AI 지원 플랫폼은 검증된 전송 프로토콜을 사용하여 다양한 친숙한 형식으로 데이터를 수집하고 해석할 수 있습니다.

"우리는 실제로 모든 유형의 데이터를 수용할 수 있습니다."라고 Berti는 말했습니다. "우리가 한 일은 주요 SCADA 시스템에 대한 커넥터를 작성한 것입니다."

일반적으로 시작하고 실행하는 것도 그렇게 어렵지 않습니다. 앞서 언급했듯이 일부 AI/ML 시스템은 기록 데이터를 수집하고 분석할 수 있는 이점이 있지만 일반적으로 시스템이나 운영자에게 필요한 교육은 거의 없습니다.

AI로 IoT 시장 가속화

AI가 IoT 운영 관리의 필수적인 부분이 되었다는 데는 거의 의문의 여지가 없습니다. 규모가 크고 복잡한 IoT 환경을 운영하는 데 따르는 범위와 문제 때문에 규모가 더 큰 IoT 설치는 소규모 설치보다 더 빨리 AI의 이점을 보게 될 것입니다. 그리고 오늘날 AI 지원 플랫폼의 배열은 제한적이지만 곧 바뀔 것입니다.

Lucero는 "우리는 이미 공급업체 환경의 통합이 진행되고 있음을 확인했습니다."라고 말했습니다. "나는 AI/ML이 그 프로세스를 가속화하는 데 도움이 되는 것 중 하나가 될 것이라고 생각합니다."

오늘날은 아니지만 AI 강화 플랫폼 공급업체가 API 또는 기타 통합을 통해 다른 애플리케이션에서 이러한 AI 기능 중 일부를 사용할 수 있도록 하는 것도 가능합니다.

Lucero는 "다른 특징 및 기능과 함께 노출될 것이라고 확신합니다. 그러나 IoT 플랫폼과의 직접 통합 측면에서 다시 한 번 현장에서 조금 더 멀리 떨어져 있다고 생각합니다."라고 말했습니다.