AIoT对制造商的好处

物的人工智能(AIoT)是指在物联网(IoT)应用程序中采用人工智能功能。简单来说，物联网(IoT)是被动的，而人工智能(AIoT)是主动的。AIoT涉及人工智能和物联网的结合，目标是在复杂的操作中实现更高的效率——它旨在改善人机交互，并增强数据驱动的决策。AIoT还将“大脑”添加到云和边缘。

你认为AIoT在工业领域会产生什么影响?

Eurotech首席产品和营销官朱塞佩•苏瑞斯:人工智能技术帮助企业充分利用设备、资产或“事物”产生的大量数据的潜力。立即将所有这些数据发送到云端或数据中心将需要足够的基础设施，这将是昂贵的部署和维护，而不考虑带宽和延迟问题。让人工智能、机器和深度学习更接近数据来源，可以帮助企业为现场收集的数据提供意义，并将其转化为可操作的商业决策。

AVEVA公司人工智能和高级分析全球主管詹姆斯•h•查佩尔:从根本上说，随着公司采用AIoT，他们将变得更高效，降低成本，并改善整体运营，包括准确性和安全性，并通过在这些复杂的操作中减少浪费和减少碳排放，他们将变得更加可持续。人工智能使用各种各样的历史数据来分析趋势，这可以帮助简化和改进流程。

ADI OtoSense市场经理Pete Sopcik (Analog Devices公司):AIoT正在对工业生态系统的几个关键领域产生重大影响——更快的决策;降低基础设施成本;改进了安全架构。这些好处都是由AIoT在边缘提供洞察的能力驱动的。

在什么样的时间框架内，您预计AIoT技术将被应用于工业领域?

Surace:由于边缘计算技术的进步，人工智能已经向物联网边缘转移。通过将现场设备连接到功能强大的边缘计算机，无需将所有数据发送到云端或数据中心，因为可以在现场进行处理和分析。虽然我们距离完全自动驾驶的应用(比如5级自动驾驶)还很遥远，但在未来5-10年内，边缘处理的数据量将持续飞跃。

Chappell:AIoT已经在工业领域得到应用，但仍处于起步阶段。预测分析使用监督机器学习来了解资产的单个运行历史，并为每个特定设备开发一系列正常运行配置文件。当它应用于云时，它提供实时操作数据来检测系统行为中的细微变化，这些变化通常是即将发生设备故障的早期预警信号。通过将认知技术结合在一起，它变得越来越复杂。例如，应用于各种物联网数据的机器学习可以检测出生产线上的重型机械何时没有在峰值状态下运行。

Sopcik:我们已经见证了AIoT技术在工业环境中的应用。这些都以质量控制应用的形式出现，如监控成品的线端质量。客户正在创建从生产线上下来的资产模型，并在交付给客户之前测试这些资产以验证操作。这些应用为更广泛地采用与制造生态系统紧密结合的AIoT解决方案铺平了道路，优化了维护策略、过程控制和制造操作。

你期望AIoT如何影响控制工程功能?

Surace:尽管大多数人工智能训练仍将在云中进行，但仍需要部署训练有素的模型来优化现场应用，如预测性维护和机器人技术。挑战在于为人工智能模型提供正确的数据。由于人工智能训练和推理发生在软件层面，控制工程师的作用将是至关重要的，为软件提供高质量的数据，以改进机器和深度学习模型。

Chappell:为了从AIoT中获得最大的价值，了解它今天能做什么很重要，了解它不能提供什么同样重要。通过将业务用例与人工智能功能相匹配，公司可以务实地利用人工智能的力量，以实现现实和有益的结果的最大效益。例如，遇到计划外停机问题的公司可以利用人工智能，根据他们可能已经到位的传感器提供的数据，早期发现问题。此外，他们还可以利用深度学习等技术来预测资产的剩余使用寿命，以便更好地评估情况风险。通过遵循最佳实践并通过云将人工智能集成到业务运营中，公司可以最大限度地提高其投资的效益和价值。

Sopcik:AIoT将在控制工程如何影响工业环境和适应驱动扩展能力的新技术方面发挥重要作用。AIoT将推动资产和流程优化之间更紧密的集成。更快的决策时间带来更好的控制。对每个产品的分析——不仅仅是样本量——将提供更好的见解，并提高控制工业环境的制造和质量控制过程的准确性。

控制工程师需要继续将这些连接设备和改进的信息集成到工业生态系统中，同时发挥关键作用，确保这些分析得到适当的应用和控制，以实现优化、可靠和安全的制造条件。必须考虑最佳实践以及如何集成这些解决方案以交付最佳效率，以确保这种集成是有效的和可扩展的。

你能就AIoT在工业领域的实际应用提供一些想法吗?

Surace:预测性维护操作将从人工智能和AIoT中受益匪浅。随着时间的推移，通过收集越来越多的数据，维护过程将变得越来越高效，从而持续降低成本，减少浪费并减少停机时间。用于训练模型的数据越多，该模型的效率就越高。

AIoT技术的另一个应用领域是机器人和机器视觉。机器人和协作机器人大量使用摄像头输入来执行任务。能够实时处理和分析的数据越多，他们的工作效率就越高。这将提高生产过程的质量，从而获得更好的结果，同时减少浪费。

Chappell:为了从AIoT中获得最大价值，公司需要三件主要的事情:一种鼓励并促进AI注入业务流程的企业文化;对人工智能能力的理解和信任;以及提供人工智能所需的底层数据需求和处理能力的IT基础设施，其中包括利用云平台。如果没有这三个方面，实现最大成功的障碍就必然存在。

Sopcik:质量控制是今天以各种形式被解决的一种应用。无论是监测泵、压缩机、子组件还是冰箱等最终产品，AIoT都能对机器运行提供新的见解，以解决关键的质量问题。

将诊断直接带到现场的关键设备是AIoT的另一个关键应用。飞机发动机、风力涡轮机和车辆等大型资产需要服务团队前往现场设备。AIoT解决方案可以在现场对资产进行分析，从而立即采取纠正措施。

本文最初发表于欧洲控制工程的网站。

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。