我們聽到很多關(guān)于物聯(lián)網(wǎng)中的人工智能 （AI） 及其在簡(jiǎn)化流程和降低成本方面的巨大潛力。僅通過實(shí)施連接系統(tǒng)來監(jiān)控設(shè)備、設(shè)備和流程并進(jìn)行數(shù)據(jù)分析，我們就可以將維護(hù)成本降低多達(dá) 69%（根據(jù)ONE Tech的數(shù)據(jù)）。該系統(tǒng)可以在設(shè)備實(shí)際需要維修時(shí)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(jià)值，它是否更復(fù)雜？

在物聯(lián)網(wǎng)連接的世界中，來自資產(chǎn)的數(shù)據(jù)被實(shí)時(shí)監(jiān)控，以分析設(shè)備性能和可能的故障。設(shè)備的健康狀況需要大量數(shù)據(jù)來建立“正常”基線，并且操作員需要設(shè)置閾值（如果已知）以在超出該范圍時(shí)觸發(fā)警報(bào)。隨著互聯(lián)系統(tǒng)的擴(kuò)展，“大數(shù)據(jù)”將淹沒一個(gè)組織的資源，不僅要存儲(chǔ)大容量，還要存儲(chǔ)數(shù)據(jù)進(jìn)入的速度。如果有多個(gè)“類型”的設(shè)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(shè)備節(jié)點(diǎn)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(shí)觸發(fā)信號(hào)、警報(bào)或通知，該怎么辦？與其復(fù)雜的“學(xué)會(huì)做這一切”人工智能，不如我們采取一種更加外科手術(shù)的方法呢？這就是這些較小的 AI 容器發(fā)揮作用的時(shí)候，例如ONE Tech的MicroAI TM。

這些小型 AI 算法可以輕松嵌入到標(biāo)準(zhǔn) MCU 中，并使用“正?！睌?shù)據(jù)的樣子進(jìn)行訓(xùn)練，而且還可以在操作過程中學(xué)習(xí)?，F(xiàn)在，可以直接在連接的設(shè)備節(jié)點(diǎn)或系統(tǒng)邊緣進(jìn)行處理?？赡軙?huì)在系統(tǒng)功率方面進(jìn)行一些權(quán)衡，但這可以與數(shù)據(jù)聚合和處理的頻率相平衡。

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

例如，單個(gè)物聯(lián)網(wǎng)傳感器每秒可以提取五個(gè)數(shù)據(jù)點(diǎn)。如果資產(chǎn)上放置了 10 個(gè)傳感器，并且每個(gè)值保守地表示 10 個(gè)字節(jié)，則在一小時(shí)內(nèi)，單個(gè)資產(chǎn)將生成 1.8MB（5 個(gè)值 x 10 個(gè)傳感器 x 10 個(gè)字節(jié) x 3，600 秒 = 1，800，000 個(gè)字節(jié)）。

現(xiàn)在假設(shè)您在整個(gè)設(shè)施中擁有 100 個(gè)資產(chǎn)。在一年的時(shí)間里，您擁有超過 65GB 的數(shù)據(jù)。這只是邊緣計(jì)算帶來的成本節(jié)省之一。MicroAI? 允許組織專注于其核心競(jìng)爭(zhēng)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(dòng)處理這些數(shù)據(jù)。例如，當(dāng) MicroAI? 確定機(jī)器內(nèi)部存在故障跡象時(shí)，機(jī)器現(xiàn)在可以調(diào)用 API 來打開自己的工作訂單，以便維護(hù)技術(shù)人員對(duì)其進(jìn)行檢查。

帶有邊緣 AI 平臺(tái)的物聯(lián)網(wǎng)

真正受益于這種方法的一個(gè)應(yīng)用是利用蜂窩網(wǎng)絡(luò)作為網(wǎng)關(guān)將數(shù)據(jù)推送到云的遠(yuǎn)程系統(tǒng)。將 MicroAI TM 與 NB-IoT/CAT-M 連接系統(tǒng)相結(jié)合，讓物聯(lián)網(wǎng)自主性邁向未來。

審核編輯：郭婷