我們聽到很多關于物聯(lián)網中的人工智能 （AI） 及其在簡化流程和降低成本方面的巨大潛力。僅通過實施連接系統(tǒng)來監(jiān)控設備、設備和流程并進行數(shù)據(jù)分析，我們就可以將維護成本降低多達 69%（根據(jù)ONE Tech的數(shù)據(jù)）。該系統(tǒng)可以在設備實際需要維修時通知用戶或警告他們潛在的故障。那么，人工智能將提供什么價值，它是否更復雜？

在物聯(lián)網連接的世界中，來自資產的數(shù)據(jù)被實時監(jiān)控，以分析設備性能和可能的故障。設備的健康狀況需要大量數(shù)據(jù)來建立“正?！被€，并且操作員需要設置閾值（如果已知）以在超出該范圍時觸發(fā)警報。隨著互聯(lián)系統(tǒng)的擴展，“大數(shù)據(jù)”將淹沒一個組織的資源，不僅要存儲大容量，還要存儲數(shù)據(jù)進入的速度。如果有多個“類型”的設備，那么數(shù)據(jù)可以有多種形式，例如文本、視頻、音頻或短信。

如果可以在設備節(jié)點上完成某些處理以建立正常行為并且僅在異常事件發(fā)生時觸發(fā)信號、警報或通知，該怎么辦？與其復雜的“學會做這一切”人工智能，不如我們采取一種更加外科手術的方法呢？這就是這些較小的 AI 容器發(fā)揮作用的時候，例如ONE Tech的MicroAI TM。

這些小型 AI 算法可以輕松嵌入到標準 MCU 中，并使用“正?！睌?shù)據(jù)的樣子進行訓練，而且還可以在操作過程中學習?，F(xiàn)在，可以直接在連接的設備節(jié)點或系統(tǒng)邊緣進行處理。可能會在系統(tǒng)功率方面進行一些權衡，但這可以與數(shù)據(jù)聚合和處理的頻率相平衡。

此外，當通過邊緣計算在邊緣位置本地處理數(shù)據(jù)時，數(shù)據(jù)連接成本和傳輸?shù)臄?shù)據(jù)量要低得多。這是因為系統(tǒng)只發(fā)送警報/警報，而不是將所有原始傳感器數(shù)據(jù)發(fā)送到云端進行處理。在查看一項資產可以生成多少數(shù)據(jù)時，這將節(jié)省成倍的成本。

例如，單個物聯(lián)網傳感器每秒可以提取五個數(shù)據(jù)點。如果資產上放置了 10 個傳感器，并且每個值保守地表示 10 個字節(jié)，則在一小時內，單個資產將生成 1.8MB（5 個值 x 10 個傳感器 x 10 個字節(jié) x 3，600 秒 = 1，800，000 個字節(jié)）。

現(xiàn)在假設您在整個設施中擁有 100 個資產。在一年的時間里，您擁有超過 65GB 的數(shù)據(jù)。這只是邊緣計算帶來的成本節(jié)省之一。MicroAI? 允許組織專注于其核心競爭力，而不是通過允許數(shù)據(jù)開始為組織工作而專注于手動處理這些數(shù)據(jù)。例如，當 MicroAI? 確定機器內部存在故障跡象時，機器現(xiàn)在可以調用 API 來打開自己的工作訂單，以便維護技術人員對其進行檢查。

帶有邊緣 AI 平臺的物聯(lián)網

真正受益于這種方法的一個應用是利用蜂窩網絡作為網關將數(shù)據(jù)推送到云的遠程系統(tǒng)。將 MicroAI TM 與 NB-IoT/CAT-M 連接系統(tǒng)相結合，讓物聯(lián)網自主性邁向未來。

審核編輯：郭婷