AIoT提高了制造商的透明度和质量

人工智能(AI)和物联网(IoT)解决方案越来越多地应用于生活的各个领域，这在工业领域也是如此。Festo企业研究和创新部门的Martin Plank表示，目前，在工业领域，对生产设施的监控占工业AIoT应用的最大份额。

Plank说:“AIoT应用可以在维护或质量监控领域找到，例如在状态监测、预测性维护、预测性质量或维护活动管理的解决方案中，Festo已经为这些解决方案提供了AX和smarmaintenance的专用解决方案。”“在能源效率和机器人领域也发现了越来越多有趣的应用。”

所有这些解决方案的共同点是，它们都有助于提高质量、降低成本和/或保持可交付性。除了解决方案的实际好处之外，组织还通过利用应用程序所需的数据源获得了透明度。然后，所挖掘的数据源通常可用于实现进一步的应用程序，大大减少了工作量，从而形成一个正反馈循环。

Plank说:“然而，我们也发现了阻碍新的AIoT解决方案快速和广泛实施的障碍。“两个关键障碍是新解决方案的效益的可量化性，以及机器上数据的可用性和可访问性。对于改造应用来说尤其如此。”这些障碍之间存在明显的相关性——由于只有在假设的情况下才能对许多新解决方案的效益进行绝对量化，因此通常需要首先对它们进行评估，例如通过一个试点项目或对单个工厂进行概念验证。然而，为了开发和评估新的解决方案，需要数据，这些数据只能通过很高的努力才能获得，特别是对于现有的机器和系统。“出于这个原因，Festo正在研究生产中简单灵活的数据采集解决方案，以填补这一空白，从而实现AIoT领域新的定制解决方案的快速开发和评估。”

强有力的贡献

Crosser首席营销官兼联合创始人约翰•琼森(Johan Jonzon)表示:“分别来看，物联网和人工智能正在工业领域掀起波澜。“然而，当结合起来形成AIoT时，两者能够提供智能，连接系统，可以自我纠正和自我修复。”物联网可以被比作神经系统，通过许多设备发送和接收信号，而人工智能则充当大脑，接收数据，处理数据并使用它做出明智的决策。

到目前为止，物联网技术(如云计算和存储以及机器对机器通信)使制造商能够连接机器、存储数据并使其有意义。今天,随着AIoT在美国，制造商看到的不仅仅是事实。而不是工厂经理只了解设备的运行情况，并需要自己决定如何根据这些发现采取行动，人工智能通过自动采取行动来完成循环。

在谈到采用AIoT的障碍时，Jonzon说:“为了整合把物联网变成智能工厂可行的是，制造商需要一个能够支持快速决策的数据管理系统。这意味着分析数据更接近其来源。

“人工智能活动通常需要在本地进行，以实现快速行动。例如，如果系统收到关于机器故障的警报，它需要立即采取行动停止生产并防止任何严重损害。这就是优势发挥作用的地方。”Jonzon解释说，通过将人工智能系统集成在边缘而不是云端，可以避免延迟问题，这意味着机器故障等问题可以更快地得到纠正。

这同样适用于过程优化活动，例如改变机器的运动速度或类型。边缘的人工智能系统可以向设备发送指令，以提高其性能，这比仅在云中处理数据要快得多，从而提供了更快的生产力途径。

Jonzon说:“在边缘集成AIoT的另一个有利用例是涉及视觉检查系统的情况。“摄像头和传感器会产生大量数据，因此在边缘分析和过滤这些数据更有意义，而不是将如此大量的信息发送到云端。”

在边缘集成AIoT还可以提供更高的安全性。云计算可能会带来安全问题，因为数据是由第三方提供商存储的，远离公司的办公场所，并且可以通过互联网访问。边缘计算通过在源头过滤掉敏感信息并将其存储在本地，从而克服了这些安全问题，因此机密材料向云的传输较少。

“为了在边缘成功集成AIoT，首先需要离线构建AI模型，然后使用先前存储的数据集训练模型。一旦对这个模型感到满意，它就可以应用于新的实时数据，”Jonzon说。

“然而，将模型应用于在线场景中的实时数据与在训练阶段已经分类的存储数据上进行测试是非常不同的。实时数据没有被过滤或分类，给AIoT带来了混乱的信息。因此，在AIoT使用这些数据之前，需要对其进行一些处理。”

使用边缘分析平台可以在数据到达AIoT之前准备好数据。例如，它可以协调不同格式的数据，使系统能够进行解释。

-这最初出现在欧洲控制工程的网站。编辑克里斯·瓦夫拉，网络内容经理，控制工程、CFE媒体与技术、cvavra@cfemedia.com．

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