ШІ додає розумність до платформ IoT

 Додатком-вбивцею Інтернету речей може бути штучний інтелект.

Хоча класифікувати штучний інтелект (ШІ) та його багатогранне машинне навчання як справжні додатки може бути важко, ці технології можуть кардинально змінити роботу Інтернету речей. AI робить мережі IoT розумнішими та здатними масштабуватися за потреби без ризику неконтрольованого зростання.

Операції IoT — це безперервна боротьба за те, щоб тисячі чи більше пристроїв працювали належним чином і безпечно в корпоративній мережі, а дані, які збираються, були точними та своєчасними. У той час як складні серверні механізми аналітики виконують важку роботу з обробки постійного потоку даних, забезпечення якості самих даних часто доручається дещо архаїчним методологіям.

Щоб допомогти стримати розгалужену інфраструктуру IoT, деякі постачальники платформ IoT використовують технологію AI/ML, щоб розширити свої можливості управління операціями. Деякі відомі постачальники платформ, такі як IBM і Schneider Electric, уже мають багаторічний досвід інтеграції AI/ML у свої продукти, але використання AI/ML далеко не універсальне серед усіх постачальників платформ IoT.

«Я б сказав, що серед сотень постачальників платформ IoT це все ще досить рідкісне явище», — зазначив Сем Лусеро, головний аналітик послуг і технологій IoT аналітичної компанії Omdia. «Ця функція все ще розвивається в наборах рішень».

Навіщо платформам IoT потрібен AI/ML

Незважаючи на обмежену кількість розгортань продукту на сьогоднішній день, є багато доказів того, що AI/ML буде необхідним компонентом більшості платформ IoT. Традиційні інструменти керування можуть задовольнити потреби великих середовищ Інтернету речей, оскільки вони не в змозі встигати за величезним розміром мереж і зростаючою кількістю пристроїв, які вони пов’язують.

Сучасні інструменти, такі як системи SCADA, можуть забезпечити базовий моніторинг датчиків, приводів та інших підключених пристроїв, але інформація, яку вони отримують, у кращому випадку є простою. Як правило, дані базуються на заздалегідь визначених порогових значеннях із невеликими якісними відмінностями або без них.

Джо Берті, віце-президент IBM із застосування штучного інтелекту, вважає застарілі середовища SCADA ключовою мотивацією для переходу до управління IoT на основі штучного інтелекту.

«Тільки тому, що існує величезна інфраструктура систем SCADA, які збирають дані для комунальних підприємств, нафти і газу та виробництва, і вони збирають дані протягом 10-15 років, — сказав Берті, — але вони базуються на заданих значеннях. »

Такі ручні процеси, зокрема встановлення моментів, коли операції збору даних перетворюються з «хороших» на «погані», є однією з ключових проблем, яка сприяє неефективним і часто неточним методам управління.

Ще одним фактором, який додає терміновості впровадження штучного інтелекту, є скорочення робочої сили в багатьох галузях, які покладаються на своє середовище IoT. Робоча сила, яка скорочується внаслідок виходу на пенсію, звільнень і перенесення операцій за кордон, залишає прогалину в експертних знаннях, яку можна пом’якшити за допомогою розумніших систем управління.

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

Щоб дізнатися більше про платформи IoT, перегляньте звіт Omdia “Платформи керування підключенням – аналіз 2021 року».

Що AI може зробити для IoT

Штучний інтелект на основі платформи зосереджений на даних, які проходять через операційну площину, щоб забезпечити ефективну роботу збору даних та інших пристроїв. Штучний інтелект на основі платформи не впливає на дані, які збираються для аналізу.

Це важлива «різниця між даними про те, як працює ваша система, і даними, які надає ваша система», — сказав Лусеро з Omdia.

Що стосується аналітики, деякі додатки, як правило, хмарні, також інтегрували технології ШІ, але вони відрізняються від операційно-орієнтованих платформ.

За допомогою штучного інтелекту, зокрема машинного навчання, працездатність мережевих пристроїв можна контролювати на основі даних у реальному часі та відстежувати протягом певного періоду часу, щоб можна було проаналізувати низку параметрів. Цей підхід пропонує більше й більше конкретної інформації про те, як працюють пристрої, порівняно з менш інформативною продуктивністю, виміряною за попередньо встановленими тестами. У деяких випадках передача вже отриманих оперативних даних у систему машинного навчання збільшить її досвід і дозволить надавати ще більш детальну інформацію.

Реальний аспект також є критичним. Сьогодні багато адміністраторів IoT перевантажені величезною кількістю інформації, яку передають їхні мережі. Берті з IBM сказав, що клієнти вимагають допомоги, і зазначив, що багато з них кажуть: «Ми отримуємо тисячі сповіщень, і тому ми просто не можемо звернути на них увагу – це шум, і ми не можемо з ним мати справу. .”

Рішення IBM, сказав Берті, може впоратися з натиском інформації та проаналізувати її для справді значущих точок даних: «Це, в основному, виявлення аномалій на основі штучного інтелекту, — сказав Берті, — і справді ми виявляємо, що насправді тут працює по-іншому? »

Цей рівень збору та аналізу даних дає значно більше розуміння продуктивності мережі. «Те, про що ми говоримо, це спроба, наприклад, виявити аномалії або виявити шаблони використання, а потім мати можливість сказати: добре, давайте працювати по-іншому», — сказав Лусеро. «Давайте змінимо ці інструкції з експлуатації, оскільки ми отримуємо ці дані, які обробляємо автоматично, і в результаті ми можемо працювати ефективніше».

Відповідно до Мартіна Бауера, менеджера з маркетингу Schneider EcoStruxure, який відповів електронною поштою на запитання IoT World Today, Schneider Electric надає можливості ШІ «повністю інтегровані як опцію». «Клієнти мають повну гнучкість для запуску EcoStruxure Machine Advisor для збору та відображення даних [зібраних з] машин або для додавання опції аналітики для прогнозованого обслуговування».

Реалізація IBM не використовує ШІ лише для виявлення аномалій, вона також може ініціювати дії на основі цього виявлення. «Ми фактично замкнули цикл», — сказав Берті. «Ми можемо створити робоче замовлення в Maximo, а потім попросити техніка перевірити обладнання». Технік може використовувати мобільний пристрій, щоб переглянути інформацію разом із запропонованими способами виправлення.

AI також сприяє безпеці Інтернету речей

Завдяки швидшому отриманню та аналізу кращих даних системи безпеки та системні оператори можуть швидше реагувати на появу загрози.

Без штучного інтелекту система безпеки або керування може генерувати лише сповіщення, якщо пристрій не може продовжувати працювати та збирати та передавати дані. Але AI/ML може виявляти тонкощі роботи пристрою, що може вказувати на те, що пристрій, який начебто працює належним чином, діє аномально — можливо, збирає дані, коли цього не очікується, або працює за межами діапазону температур.

«На площині управління використання ML є одним із видів виявлення аномалій, що, як наслідок, покращує безпеку», — сказав Лусеро.

Берті з IBM зазначив, що інформація, зібрана та використана за допомогою керування за допомогою штучного інтелекту, може допомогти ізолювати сегменти мережі IoT і, таким чином, зменшити вразливі місця та потенційні поверхні підключення для зловмисників.

Платформа Schneider EcoStruxure також використовує свій досвід ШІ для підвищення безпеки мережі. «Кібербезпека є одним із найважливіших аспектів у розробці нашої пропозиції», — написав Бауер із Schneider.

Щоб додати штучний інтелект до Інтернету речей, потрібно мало можливостей

Деякі користувачі можуть відмовитися від впровадження або оновлення до платформи IoT з підтримкою штучного інтелекту, припускаючи, що така найсучасніша програмна технологія вимагатиме настільки ж складного апаратного забезпечення, що означатиме значні — і дорогі — оновлення пристроїв.

Але це не обов’язково так.

«Я не чув про будь-які спеціальні модифікації, які потрібно було б інтегрувати чи розробити на самому пристрої, — сказав Лусеро, — і справді, якби існувала переважна більшість пристроїв Інтернету речей, це було б певним перешкодою з самого початку. .”

Те саме стосується формату даних, які передають пристрої, і протоколів, які вони використовують для переміщення даних. Більшість платформ із підтримкою штучного інтелекту можуть збирати й інтерпретувати дані в різноманітних звичних форматах за допомогою перевірених протоколів передачі.

«Ми фактично можемо приймати будь-які типи даних», — сказав Берті. «Що ми зробили, так це те, що ми написали конектори для основних систем SCADA».

Встати й працювати загалом теж не так вже й складно. Як зазначалося раніше, деякі системи штучного інтелекту/ML виграють від можливості отримувати та аналізувати історичні дані, але для систем або операторів зазвичай потрібно невелике навчання.

AI прискорює ринок IoT

Немає сумнівів, що ШІ став невід’ємною частиною управління операціями IoT. Більші інсталяції IoT побачать переваги штучного інтелекту швидше, ніж менші інсталяції, просто через обсяг і проблеми, пов’язані з експлуатацією великого та складного середовища IoT. І хоча сьогодні кількість платформ із підтримкою ШІ обмежена, незабаром це зміниться.

«Ми вже бачимо консолідацію ландшафту постачальників», — сказав Лусеро. «Я підозрюю, що AI/ML стане однією з тих речей, які допоможуть пришвидшити цей процес».

Також можливо (хоча цього не станеться сьогодні), що постачальники платформ, розширених ШІ, зроблять деякі з цих можливостей ШІ доступними для інших програм через API або інші інтеграції.

«Я впевнений, що це буде відкрито разом з іншими функціями та функціями, — сказав Лусеро, — але я думаю, що це знову ж таки трохи далі в плані прямої інтеграції з платформою IoT».