德勤報(bào)告表示物聯(lián)網(wǎng)變得更加智能。公司正在將人工智能(特別是機(jī)器學(xué)習(xí))整合到他們的物聯(lián)網(wǎng)應(yīng)用程序中，并觀察功能的增長，包括提高運(yùn)營效率并幫助避免意外停機(jī)。關(guān)鍵：洞察數(shù)據(jù)。

ITH是一波投資，一系列新產(chǎn)品和企業(yè)部署的崛起，人工智能正在物聯(lián)網(wǎng)(IoT)中掀起一陣熱潮。制定物聯(lián)網(wǎng)戰(zhàn)略，評估潛在的新物聯(lián)網(wǎng)項(xiàng)目或試圖從現(xiàn)有物聯(lián)網(wǎng)部署中獲得更多價(jià)值的公司可能需要探索人工智能的作用。

信號

以人工智能為重點(diǎn)的物聯(lián)網(wǎng)創(chuàng)業(yè)公司的風(fēng)險(xiǎn)投資正在快速增長：2017年前8個(gè)月，這個(gè)類別的初創(chuàng)公司籌集了7.05億美元

以人工智能為重點(diǎn)的物聯(lián)網(wǎng)創(chuàng)業(yè)公司并購數(shù)量增加：2017年前8個(gè)月為21個(gè)，2016年為24個(gè)，高于2015年的11個(gè)

包括亞馬遜，通用電氣，IBM，微軟，甲骨文，PTC和Salesforce在內(nèi)的IoT平臺供應(yīng)商正在整合AI功能

跨行業(yè)的大型組織已經(jīng)在利用物聯(lián)網(wǎng)來借助或探索人工智能的力量，提供新產(chǎn)品并更高效地運(yùn)營

Gartner預(yù)測，到2022年，超過80%的企業(yè)物聯(lián)網(wǎng)項(xiàng)目將包含一個(gè)AI組件，今天只有10%

AI是解鎖物聯(lián)網(wǎng)潛力的鑰匙

人工智能在物聯(lián)網(wǎng)應(yīng)用和部署中扮演著越來越重要的角色，這一領(lǐng)域的公司行為顯然發(fā)生了變化。使用AI的物聯(lián)網(wǎng)初創(chuàng)企業(yè)的風(fēng)險(xiǎn)投資大幅增加。在過去的兩年里，公司已經(jīng)收購了數(shù)十家在人工智能和物聯(lián)網(wǎng)交叉點(diǎn)工作的公司。物聯(lián)網(wǎng)平臺軟件的主要供應(yīng)商現(xiàn)在提供集成的AI功能，如基于機(jī)器學(xué)習(xí)的分析。

人工智能在物聯(lián)網(wǎng)中扮演著主要角色，因?yàn)樗軌蚩焖購臄?shù)據(jù)中獲取洞察力。機(jī)器學(xué)習(xí)是一項(xiàng)人工智能技術(shù)，它可以自動(dòng)識別模式并檢測智能傳感器和設(shè)備生成的數(shù)據(jù)中的異常情況，諸如溫度，壓力，濕度，空氣質(zhì)量，振動(dòng)和聲音等信息。各公司發(fā)現(xiàn)機(jī)器學(xué)習(xí)可以比傳統(tǒng)的商業(yè)智能工具在分析物聯(lián)網(wǎng)數(shù)據(jù)方面具有顯著優(yōu)勢，包括能夠比基于閾值的監(jiān)控系統(tǒng)提前20倍和更高的準(zhǔn)確度進(jìn)行運(yùn)營預(yù)測。而其他人工智能技術(shù)，如語音識別和計(jì)算機(jī)視覺可以幫助從過去需要人工評估的數(shù)據(jù)中獲得見解。

AI和物聯(lián)網(wǎng)技術(shù)的強(qiáng)大組合幫助公司避免意外停機(jī)，提高運(yùn)營效率，啟用新產(chǎn)品和服務(wù)，并加強(qiáng)風(fēng)險(xiǎn)管理。

避免昂貴的非計(jì)劃停機(jī)時(shí)間

在一些行業(yè)中，設(shè)備故障導(dǎo)致的意外停機(jī)可能造成嚴(yán)重?fù)p失。例如，根據(jù)一項(xiàng)研究，海上石油和天然氣經(jīng)營者每年平均損失3800萬美元。另一個(gè)消息估計(jì)，對于工業(yè)制造業(yè)來說，意外停機(jī)時(shí)間每年花費(fèi)500億美元，設(shè)備故障導(dǎo)致42%的停機(jī)。

使用預(yù)測性維護(hù)分析功能提前預(yù)測設(shè)備故障，以便安排有序的維護(hù)程序，可以減少非計(jì)劃停機(jī)的破壞性經(jīng)濟(jì)性。例如，在制造業(yè)中，德勤發(fā)現(xiàn)預(yù)測性維護(hù)可以將維護(hù)計(jì)劃縮短20-50%，將設(shè)備正常運(yùn)行時(shí)間和可用性增加10-20%，并將整體維護(hù)成本降低5-10%。

由于人工智能技術(shù)，特別是機(jī)器學(xué)習(xí)，可以幫助識別模式和異常情況，并基于大量數(shù)據(jù)進(jìn)行預(yù)測，因此它們在實(shí)施預(yù)測性維護(hù)方面尤其有用。例如，領(lǐng)先的韓國煉油商SK Innovation通過使用機(jī)器學(xué)習(xí)預(yù)測連接的壓縮機(jī)預(yù)計(jì)故障可節(jié)省“數(shù)十億韓元”。同樣，意大利列車運(yùn)營商Trenitalia希望避免意外停機(jī)，并節(jié)省8-10%的年度維護(hù)成本13億歐元。與此同時(shí)，法國電力公司EDF集團(tuán)已經(jīng)通過機(jī)器學(xué)習(xí)驅(qū)動(dòng)的設(shè)備故障預(yù)警節(jié)省了超過100萬美元。

提高運(yùn)營效率

人工智能驅(qū)動(dòng)的物聯(lián)網(wǎng)可以做的不僅僅是幫助避免意外停機(jī)。它還可以幫助提高運(yùn)營效率。這部分得益于機(jī)器學(xué)習(xí)的力量，以產(chǎn)生快速、準(zhǔn)確的預(yù)測和深刻見解，以及AI技術(shù)能夠使越來越多的任務(wù)自動(dòng)化完成。

例如，對于Hershey來說，在生產(chǎn)過程中管理其產(chǎn)品的重量至關(guān)重要：重量精度每提高1%，就意味著可以為14,000加侖的Twizzlers等一批產(chǎn)品節(jié)省超過500,000美元的成本。該公司使用物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)來顯著是減少生產(chǎn)過程中的重量變化。第二個(gè)數(shù)據(jù)被捕獲和分析，重量變化可以通過機(jī)器學(xué)習(xí)模型進(jìn)行預(yù)測，每天可以進(jìn)行240個(gè)工藝調(diào)整，而安裝ML驅(qū)動(dòng)的IoT解決方案前每天僅有12個(gè)。

基于人工智能的預(yù)測也有助于谷歌削減40%的數(shù)據(jù)中心冷卻成本。該解決方案通過對設(shè)施內(nèi)傳感器數(shù)據(jù)進(jìn)行培訓(xùn)，預(yù)測下一小時(shí)的溫度和壓力，以指導(dǎo)限制功耗的操作。

機(jī)器學(xué)習(xí)產(chǎn)生了深刻的見解，說服一家船隊(duì)運(yùn)營商采取反直覺行動(dòng)，為他們節(jié)省了大筆資金。從船載傳感器收集的數(shù)據(jù)被用來識別清洗船體的成本和燃油效率之間的相關(guān)性。分析表明，通過每年清洗船體兩次而不是每兩年清潔船體(從而將清潔費(fèi)用翻兩番)，由于燃油效率更高，最終可節(jié)省40萬美元。

實(shí)現(xiàn)新的和改進(jìn)的產(chǎn)品和服務(wù)

物聯(lián)網(wǎng)技術(shù)與人工智能相結(jié)合，可以為改進(jìn)并最終實(shí)現(xiàn)全新的產(chǎn)品和服務(wù)奠定基礎(chǔ)。例如，對于通用電氣的無人機(jī)和基于機(jī)器人的工業(yè)檢測服務(wù)，公司希望AI能夠?qū)崿F(xiàn)檢測設(shè)備的導(dǎo)航自動(dòng)化，并從他們捕獲的數(shù)據(jù)中識別缺陷。這可能會(huì)導(dǎo)致更安全，更精確，并且為客戶提供便宜高達(dá)25%的檢查。在醫(yī)療保健方面，費(fèi)城托馬斯杰佛遜大學(xué)醫(yī)院試圖通過自然語言處理改善患者體驗(yàn)，使患者能夠控制房間環(huán)境并通過語音命令請求各種信息。

與此同時(shí)，勞斯萊斯計(jì)劃盡快推出具有物聯(lián)網(wǎng)功能的飛機(jī)發(fā)動(dòng)機(jī)維護(hù)服務(wù)新產(chǎn)品。該公司計(jì)劃使用機(jī)器學(xué)習(xí)來幫助其發(fā)現(xiàn)模式并確定將出售給航空公司的運(yùn)營見解。汽車制造商N(yùn)avistar正在研究實(shí)時(shí)連接車輛數(shù)據(jù)的機(jī)器學(xué)習(xí)分析，以實(shí)現(xiàn)車輛健康診斷和預(yù)測性維護(hù)服務(wù)的新收入流。根據(jù)Navistar技術(shù)合作伙伴Cloudera的說法，這些服務(wù)幫助近30萬輛汽車減少了高達(dá)40%的停機(jī)時(shí)間。

加強(qiáng)風(fēng)險(xiǎn)管理

將物聯(lián)網(wǎng)與AI結(jié)合在一起的許多應(yīng)用程序，正在幫助企業(yè)更好地理解和預(yù)測各種風(fēng)險(xiǎn)，以及自動(dòng)執(zhí)行快速響應(yīng)，使他們能夠更好地管理工作人員安全，財(cái)務(wù)損失和網(wǎng)絡(luò)威脅。

例如，富士通已經(jīng)在使用機(jī)器學(xué)習(xí)技術(shù)來分析連接可穿戴設(shè)備的數(shù)據(jù)，以評估其工廠工人可能會(huì)在一段時(shí)間內(nèi)積累的潛在熱應(yīng)力。印度和北美的銀行已經(jīng)開始對ATM機(jī)中聯(lián)網(wǎng)監(jiān)控?cái)z像頭的可疑活動(dòng)進(jìn)行實(shí)時(shí)識別。汽車保險(xiǎn)公司進(jìn)步正利用機(jī)器學(xué)習(xí)對聯(lián)網(wǎng)汽車的數(shù)據(jù)進(jìn)行分析，從而準(zhǔn)確地為其基于美國的保費(fèi)定價(jià)，從而更好地管理承保風(fēng)險(xiǎn)。拉斯維加斯已經(jīng)轉(zhuǎn)向了一種機(jī)器學(xué)習(xí)解決方案，以確保其智能城市計(jì)劃的安全，旨在實(shí)時(shí)檢測和應(yīng)對威脅。

對企業(yè)的影響

對于不同行業(yè)的企業(yè)，人工智能有望提升物聯(lián)網(wǎng)部署所創(chuàng)造的價(jià)值，從而實(shí)現(xiàn)更好的產(chǎn)品和運(yùn)營，從而在業(yè)務(wù)績效中發(fā)揮競爭優(yōu)勢。

考慮新的基于物聯(lián)網(wǎng)項(xiàng)目的高管們應(yīng)該意識到，預(yù)測功能的機(jī)器學(xué)習(xí)現(xiàn)在已經(jīng)與大多數(shù)橫向和工業(yè)物聯(lián)網(wǎng)平臺集成在一起，如微軟 Azure 物聯(lián)網(wǎng)，IBM 沃森物聯(lián)網(wǎng)T，亞馬遜AWS物聯(lián)網(wǎng)，通用電氣Predix和PTC ThingWorx。

越來越多的交鑰匙，捆綁或垂直物聯(lián)網(wǎng)解決方案利用機(jī)器學(xué)習(xí)等AI技術(shù)。例如，對于連接汽車的使用案例，寶馬的CarData平臺可以訪問車主分享的數(shù)據(jù)以及IBM 沃森物聯(lián)網(wǎng)的AI功能。在消費(fèi)品和零售業(yè)中，一些補(bǔ)貨自動(dòng)化和優(yōu)化解決方案使用機(jī)器學(xué)習(xí)來預(yù)測需求并優(yōu)化庫存水平。汽車保險(xiǎn)行業(yè)的遠(yuǎn)程信息處理解決方案提供商正在整合機(jī)器學(xué)習(xí)，以創(chuàng)建更準(zhǔn)確的風(fēng)險(xiǎn)模型并預(yù)測索賠行為。

使用人工智能技術(shù)可能會(huì)從物聯(lián)網(wǎng)部署中獲得更多價(jià)值，而這些部署并非是在設(shè)計(jì)時(shí)考慮到使用人工智能而設(shè)計(jì)的。例如，一家匈牙利石油和天然氣公司將機(jī)器學(xué)習(xí)應(yīng)用于柴油生產(chǎn)過程中已經(jīng)收集到的傳感器數(shù)據(jù)。該分析使公司能夠更準(zhǔn)確地預(yù)測燃料的硫含量，并幫助識別過程改進(jìn)，現(xiàn)在每年為該公司節(jié)省超過600,000美元。主要的橫向和工業(yè)物聯(lián)網(wǎng)平臺 —— 企業(yè)可能已經(jīng)在使用 —— 正在提供新的基于人工智能的功能，可能有助于提升現(xiàn)有部署的價(jià)值。

物聯(lián)網(wǎng)的未來就是AI

很快就很難找到一個(gè)不能使用AI的物聯(lián)網(wǎng)實(shí)現(xiàn)。國際數(shù)據(jù)公司IDC預(yù)測，到2019年，AI將支持“所有有效的”物聯(lián)網(wǎng)工作，如果沒有人工智能，部署的數(shù)據(jù)將具有“有限的價(jià)值”。越來越多的物聯(lián)網(wǎng)供應(yīng)商提供至少基本的AI支持。各行業(yè)的先鋒公司已經(jīng)在其物聯(lián)網(wǎng)部署中獲得了AI的好處。如果你的公司有實(shí)施基于物聯(lián)網(wǎng)的解決方案的計(jì)劃，那么這些計(jì)劃也應(yīng)該包括人工智能。