AI legger til smarts i IoT-plattformer

 Internet of Things’ morderapp kan være kunstig intelligens.

Selv om det kan være vanskelig å klassifisere kunstig intelligens (AI) og dens mangefasetterte maskinlæring som ekte applikasjoner, kan disse teknologiene endre IoT-operasjoner i stor grad. AI gjør IoT-nettverk smartere og i stand til å skalere etter behov uten risiko for ukontrollerbar vekst.

IoT-drift er en pågående kamp for å prøve å sikre at de tusenvis eller flere enhetene kjører riktig og trygt på et bedriftsnettverk og at dataene som samles inn er både nøyaktige og tidsriktige. Mens de sofistikerte back-end-analysemotorene gjør det tunge arbeidet med å behandle den jevne strømmen av data, er det å sikre at kvaliteten på selve dataene ofte overlates til noe arkaiske metoder.

For å hjelpe til med å tøyle spredte IoT-infrastrukturer, baker noen IoT-plattformleverandører inn AI/ML-teknologi for å øke sine driftsadministrasjonsevner. Noen bemerkelsesverdige plattformleverandører, som IBM og Schneider Electric, har allerede logget mange års erfaring med å integrere AI/ML i produktene sine, men bruken av AI/ML er langt fra universell blant alle IoT-plattformleverandører.

"Jeg vil si at på tvers av hundrevis av IoT-plattformleverandører der ute, er det fortsatt et ganske sjeldent fenomen," bemerket Sam Lucero, sjefanalytiker, IoT-tjenester og -teknologier, hos analytikerfirmaet Omdia. "Det er fortsatt en utviklingsfunksjon i løsningssettene."

Hvorfor IoT-plattformer trenger AI/ML

Til tross for de begrensede produktutrullingene til dags dato, er det rikelig med bevis på at AI/ML vil være en nødvendig ingrediens i de fleste IoT-plattformer. Tradisjonelle administrasjonsverktøy kan møte kravene til større IoT-miljøer, siden de ikke klarer å holde tritt med størrelsen på nettverkene og det økende antallet enheter de kobler sammen.

Nåværende verktøy som SCADA-systemer kan være i stand til å gi grunnleggende overvåking av sensorer, aktuatorer og andre tilkoblede enheter, men informasjonen de mottar er i beste fall grunnleggende. Dataene er vanligvis basert på forhåndsbestemte terskler, med få eller ingen kvalitative distinksjoner.

Joe Berti, visepresident for AI-applikasjoner i IBM, ser aldrende SCADA-miljøer som en nøkkelmotivasjon for å oppgradere til AI-infundert IoT-administrasjon.

"Bare fordi det er denne massive infrastrukturen av SCADA-systemer som samler inn data for verktøy, olje og gass og produksjon, og de har samlet inn data i 10 til 15 år," sa Berti, "men de er basert på settpunkter. ”

Slike manuelle prosesser – spesifikt å etablere punktene der datainnsamlingsoperasjoner går fra "gode" til "dårlige" – er et av nøkkelproblemene som bidrar til ineffektive og ofte unøyaktige styringsmetoder.

En annen medvirkende faktor som øker behovet for å ta i bruk AI er en minkende arbeidsstyrke på tvers av mange bransjer som er avhengig av deres IoT-miljøer. Den kontraherende arbeidsstyrken – krympende som følge av pensjoneringer, permitteringer og skiftende operasjoner utenlands – etterlater et kompetansegap som kan reduseres ved hjelp av smartere styringssystemer.

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

For mer om IoT-plattformer, sjekk ut Omdia-rapporten "Tilkoblingsadministrasjonsplattformer – 2021-analyse».

Hva AI kan gjøre for IoT

Plattformbasert AI er fokusert på dataene som flyter gjennom operasjonsplanet for å sikre at datainnsamling og andre enheter fungerer effektivt. Plattformbasert AI påvirker ikke dataene som samles inn for analyse.

Det er et viktig "skille mellom dataene om hvordan systemet ditt fungerer og dataene som systemet gir," sa Omdias Lucero.

På analysesiden har noen applikasjoner – typisk skybaserte – også integrerte AI-teknologier, men de er forskjellige fra de operasjonelt orienterte plattformimplementeringene.

Med AI – spesielt maskinlæring – kan driftstilstanden til nettverksenheter overvåkes basert på sanntidsdata og spores over en tidsperiode slik at en rekke parametere kan analyseres. Denne tilnærmingen gir mer og mer spesifikk informasjon om hvordan enhetene fungerer sammenlignet med mindre informativ ytelse målt mot forhåndsinnstilte benchmarks. I noen tilfeller vil innmating av allerede innfangede driftsdata inn i en maskinlæringsmotor øke bredden av erfaring og tillate den å gi enda mer detaljert informasjon.

Real-rime-aspektet er også kritisk. I dag er mange IoT-administratorer overveldet av den store mengden informasjon nettverkene deres gir. IBMs Berti sa at kundene roper om hjelp, og la merke til at mange av dem sier: "Vi får tusenvis av varsler, og derfor kan vi bare ikke ta hensyn til dem - dette er støy og det er for mye for oss å håndtere. ."

IBMs løsning, sa Berti, kan håndtere angrepet av informasjon og analysere den for de virkelig meningsfulle datapunktene: "Det er i utgangspunktet AI-basert anomalideteksjon," sa Berti, "og det vi finner er egentlig hva som virkelig fungerer annerledes her? ”

Det nivået av datainnsamling og analyse gir betydelig mer innsikt i nettverksytelse. "Det vi snakker om er å prøve å for eksempel oppdage anomalier eller oppdage bruksmønstre og deretter kunne si, OK, la oss operere annerledes," sa Lucero. "La oss endre disse driftsinstruksjonene fordi vi får disse dataene som vi behandler automatisk, og vi kan operere mer effektivt som et resultat."

Schneider Electric tilbyr AI-funksjoner "fullt integrert som et alternativ" i henhold til Martin Bauer, Schneiders EcoStruxure-markedssjef, som svarte på IoT World Todays spørsmål via e-post. "Kunder har full fleksibilitet til å kjøre EcoStruxure Machine Advisor for å samle inn og vise data [innsamlet fra] maskiner eller for å legge til analysealternativet for prediktivt vedlikehold."

IBMs implementering bruker ikke AI til bare å oppdage anomalier, den kan også starte aktiviteter basert på den deteksjonen. "Vi lukker faktisk sløyfen," sa Berti. "Vi kan lage en arbeidsordre inne i Maximo og deretter få en tekniker til å se på utstyret." Teknikeren kan bruke en mobil enhet for å se informasjonen sammen med foreslåtte utbedring.

AI hjelper også med IoT-sikkerhet

Med bedre data mottatt og analysert raskere, kan sikkerhetssystemer og systemoperatører reagere raskere når en opplevd trussel dukker opp.

Uten AI kan et sikkerhets- eller styringssystem bare generere et varsel hvis en enhet ikke klarer å fortsette å operere og samle inn og overføre data. Men AI/ML kan oppdage finessene ved enhetsdrift, som kan indikere at en enhet som tilsynelatende fungerer som den skal, oppfører seg på en uregelmessig måte – kanskje samler inn data når den ikke forventes eller opererer utenfor temperaturområdet.

"På kontrollplanet er bruken av ML en type anomalideteksjon, som forbedrer sikkerheten som et resultat," sa Lucero.

IBMs Berti bemerket at informasjonen som samles inn og handles på av AI-støttet ledelse, kan bidra til å isolere segmenter av IoT-nettverket og dermed redusere sårbarheter og potensielle festeflater for inntrengere.

Schneiders EcoStruxure-plattform benytter seg også av sin AI-ekspertise for å styrke nettverkssikkerheten. "Sybersikkerhet er et av de mest relevante aspektene i utviklingen av vårt tilbud," skrev Schneiders Bauer.

Lite overnatting kreves for å legge AI til IoT

Noen brukere kan la være å implementere eller oppgradere til en AI-forbedret IoT-plattform, forutsatt at slik toppmoderne programvareteknologi vil kreve like sofistikert maskinvare, noe som vil bety omfattende – og dyre – enhetsoppgraderinger.

Men det er ikke nødvendigvis tilfelle.

"Jeg har ikke hørt om noen spesielle modifikasjoner som må integreres eller utvikles på selve enheten," sa Lucero, "og egentlig hvis det var for det store flertallet av IoT-enheter som ville være en slags avtalebryter rett fra starten ."

Det samme gjelder formatet på dataene enhetene overfører og protokollene de bruker for å flytte dataene lenge. De fleste AI-kompatible plattformer kan samle inn og tolke data i en rekke kjente formater ved å bruke velprøvde overføringsprotokoller.

"Vi kan faktisk godta alle typer data," sa Berti. "Det vi har gjort er at vi har skrevet koblinger til de store SCADA-systemene."

Å komme i gang er generelt sett ikke så vanskelig heller. Som nevnt tidligere har noen AI/ML-systemer fordel av å kunne innta og analysere historiske data, men det kreves vanligvis lite opplæring for systemene eller operatørene.

AI akselererer IoT-markedet

Det er liten tvil om at AI har blitt en integrert del av IoT-driftsstyring. Større IoT-installasjoner vil se fordelene med AI raskere enn mindre installasjoner ganske enkelt på grunn av omfanget og utfordringene ved å drive et stort og komplekst IoT-miljø. Og selv om utvalget av AI-aktiverte plattformer i dag er begrenset, vil det snart endre seg.

"Vi ser allerede en konsolidering av leverandørlandskapet i gang," sa Lucero. "Jeg mistenker at AI/ML kommer til å være en av de tingene som bidrar til å fremskynde prosessen."

Det er også mulig – selv om det ikke skjer i dag – at leverandører av AI-forbedrede plattformer vil gjøre noen av disse AI-funksjonene tilgjengelige for andre applikasjoner via APIer eller andre integrasjoner.

"Jeg er sikker på at det vil bli eksponert sammen med andre funksjoner og funksjonalitet," sa Lucero, "men jeg tror at det igjen er litt lenger nede i feltet når det gjelder direkte integrasjon med IoT-plattformen."