人工智能让边缘计算更有价值!

2019-08-29 作者:凤凰彩票登陆   |   浏览(82)

1.定义用途鉴于您对公司或解决方案中未充分利用的数据的了解,您希望完成什么?假设您希望控制酒店的自然光线,以节省公用事业支出费用,并且让客人更愉悦。您需要在房间内使用传感器来测量周围的阳光和温度,以便百叶窗相应地打开和关闭。另一个用例可能是创建一个数据生成平台,可以在其上构建无数的应用程序。比如汽车制造商通过将传感器和计算能力嵌入其车辆中来实现这一目标,这些传感器和计算能力可以为众多当前和未来的应用程序提供数据。智能手机是一个类似的平台,提供相机,加速度计,GPS和其他功能,以便在将来为新应用程序提供数据。2.量化价值主张价值创造是您计划中最重要的部分。在我们的楼宇自动化示例中,价值是您节省的水电费和更高的入住率带来的利润增加。虽然您的使用案例可能提高客户的舒适度,但价值可用美元和美分表示。一个警告:物联网可以发掘各种有趣的数据,但这与为客户或您自己的企业创造硬性价值并不相同。3.注意挖掘历史良好的物联网实施通过在业务遇到异常并找到解决方案时根据经验优化算法来“学习”。但是数据经验并不是从您的物联网实施的第一天开始的,它开始于几年前。无论您从事什么业务,您都可能拥有数十年的历史数据,可以为您的预测算法提供信息。比如你的季节性产出是多少?你是如何配备人员的?一年中的哪个时间出现过设备故障?什么时候是销售的波峰和波谷?即使是丢弃的机器也可以作为重要历史数据的来源,以改善您的算法。4.打破孤岛您可能计划使用物联网来管理库存,但库存本身只是物联网数据的一个来源。您还可以分析来自人力资源的数据,以比较员工与工厂的产出,利用CRM进行需求预测,收集材料成本,第三方物流交付时间,以及宏观经济指标等衡量一般业务活动模式。5.选择采样率一些物联网应用

Gartner的分析报告显示,目前,大约10%的企业生成数据是在传统的集中式数据中心或云之外创建和处理的,到2022年,Gartner预测这一数字将达到50%。

本文作者:

数据可能令人生畏,首先它是无形的,通常与物理上的东西隔离,例如你的车队中的卡车,医院的监视器或工厂里的机器。但是,数据一旦经过提取,汇总和分析,这些数据就变成非常有价值的,它是一切商业分析和行为的原材料。您可以利用数据为业务创造价值,硬件价格下降和计算性能飙升意味着您可以在十年前从未想象过的地方挖掘数据,未来无法抓住数据机会的公司将会面临眼中的风险。以下是安富利IoT业务部副总裁Lou Lutostanski提供的十余条关于数据的最佳实践。

3.维护和监测

工地

  • 比如,制造商检查消费者连接的冰箱 - 可能每天只需要一次数据样本。其他应用,如监控全球制造商的生产线,可能需要每秒分析数千个数据点。两种情况下的目标都是利用足够的数据来预测事件,例如故障,然后再发生。6.确保您的数据干净数据可能有各种污染,但想象一下,当你的手放在口袋里时,你的智能手表会错过你走的每五步中的一步,那是不好数据。从这些数据中获得的任何分析都将毫无用处。7.确保数据完整您从设备收集的数据通常需要通过其他信息进行补充。例如,如果工厂中的发电机振动,制造商只有在将振动与数千台随时间失效的发电机进行比较时才能确定严重程度。根据我的经验,一半的物联网领导者会意识到他们的数据不完整。8.选择存储站点如果要对海量数据集执行复杂分析,则需要存储它。云是一种具有成本效益的选择。数据仓库可能是一个更具成本效益的基础,可以在长期内添加用例和扩展物联网。8.选择存储站点如果要对海量数据集执行复杂分析,则需要存储它。云是一种具有成本效益的选择。数据仓库可能是一个更具成本效益的基础,可以在长期内添加用例和扩展物联网。另一方面,工厂生产线上的质量控制设备可能永远不会存储一个数据;只有存在产品缺陷时,它才会扫描部件,寻找丢弃数据并提醒关键人员。也许您需要一个混合设置,就像智能手表一样,它会在芯片上收集您的所有数据,然后在连接时将其传输到智能手机中。9.选择放置人工智能的位置与选择存储位置密切相关的是选择放置人工智能的正确位置,人工智能分析数据,合并数据并与物联网共享预测结果。许多组织认为AI的正确位置在云中,因为他们正在移动他们的数据,IT和计算能力。情况不一定如此,当前许多人工智能和机器学习应用程序需要实时响应(考虑无人驾驶汽车等)。当实时响应和低延迟至关重要时,您需要在边缘处理AI处理数据。然而,不久之后,5G将比现在快100倍的数据移动速度,这是首次可以实现从云数据中获得的实时物联网洞察力。10.继续学习您的物联网永远不应该停滞不前。想象一下,您的操作今天会受到干扰,并且您可以解决它。但是如果产生了新的问题,需要在下次发生时立即解决。11.重视安全安全是公司最大的担忧之一,也是他们今天推迟物联网项目的常见原因。通过充分保护系统,才可以相信真实的数据(与存储或传输中的更改相比),这是许多IT应用程序中的一个重要考虑因素。12.最后,应具备实时扩展性通常,试点物联网实施旨在“成功”,而不是客观地评估机遇和挑战。我们通常会遇到无法扩展的概念证明,从某种意义上说,它们本身就是物联网孤岛。如果您已经彻底解决了我们已经提出的考虑因素
  • 并且已经在经过验证的硬件和软件上建立了基础 - 您可能已经为自己设定了可扩展性。在计划物联网计划时,请考虑这些因素。我的用例是什么?如何创造价值?我需要多少数据以及来自哪些来源?我将在哪里存储它,我将在哪里设置智能端,以及我将如何保护它?它会扩展吗?利用最佳实践应对挑战,使数据不那么令人生畏,物联网的收益才会更大。

即使车上有一名操作人员来确保这项驾驶试验的安全,但是我们不得不承认这辆普通的卡车,它已被添加了传感器和软件以完成此项任务。“Embark卡车”方法的显着特点在于,他们没有使用详细的路线图来指导他们自动驾驶系统,而是考虑采用另一种方式来引导卡车。Embark完全依靠车辆传感器和嵌入式机器学习算法收集的数据。

真正的挑战在于让机器人在人类环境中工作,同时又要确保人类同事的安全。而事实是人类会犯错误,他们可能会有不稳定的行为,他们会违反或误解安全规则。

图片 1

“边缘计算是为精简物联网设备提供实时本地数据分析的方法。”-布兰登巴特勒

下面这些评论有助于我们更准确地评估关于边缘计算的关键之处,边缘计算让应用程序在获取数据的时间和地点以连续流的形式利用数据。这也带来了很多优势,其中就包括安全性、成本,因为数据不通过网络传输,也不存储在数据中心。

边缘计算的范围

虽然边缘计算有许多不同的使用场景,但它们本质上依然与IoT紧密相关。最著名的例子可能是自动驾驶汽车和智能手机。然而,包括通用电气数字在内的最大的创新型工业公司多年来一直致力于此工作,主要是在工业物联网的背景下。同样,越来越多的智能城市项目正在蓬勃发展遍布涉及物联网和AI技术,比如阿里云巴正在打造智慧杭州,其中这些场景都离不开边缘计算。

这是Edge Computing AI可以发挥重大作用的一个领域。无论是客机,运输卡车还是汽车,机器的质量不仅取决于它的效率,还取决于它的可靠性。

Gartner的分析报告显示,目前,大约10%的企业生成数据是在传统的集中式数据中心或云之外创建和处理的,到2022年,Gartner预测这一数字将达到50%。

预测性维护;

阅读原文

分析

无人驾驶汽车无疑是未来的“头牌”,无人驾驶生态系统包括软件开发,硬件制造商,应用开发商,数据科学家,汽车制造商,传感器制造商等。他们正在汇集技术和专业知识,以实现自动驾驶能力。他们依靠应用程序和算法来赋予装备车辆的传感器获取的数据。例如,他们致力于开发和完善处理传感器数据的AI算法,以让车辆做出即时决策,例如紧急停车。而边缘计算则是无人驾驶汽车不可缺少的技术之一。

Markets And Markets的一份新研究报告预计,边缘计算市场预计将从2017年的14.7亿美元增长到2022年的67.2亿美元,在预测期内复合年增长率超过35%。

另外,今年1月,在美国装备有最新技术的卡车在美国从西向东自主行驶超过3800公里。完成这项壮举的独特技术组合完美地展现了边缘计算的力量。你是否熟悉边缘计算的概念及其含义?

什么是边缘计算?

3月28日,在2018云栖大会·深圳峰会上,阿里云宣布2018年将战略投入到边缘计算技术领域,并推出了首个IOT边缘计算产品Link Edge,将阿里云在云计算、大数据、人工智能的优势拓宽到更靠近端的边缘计算上,打造云、变、端一体化的协同计算体系。

IDC表示到2019年,近50%的物联网创建的数据将被存储、处理、分析、并在网络边缘进行操作。

IDC表示到2019年,近50%的物联网创建的数据将被存储、处理、分析、并在网络边缘进行操作。

Link Edge的优势还体现在提升AI的实践效率,开发者可将深度学习的分析、训练过程放在云端,将生成的模型部署在边缘网关直接执行,优化良率、提升产能。

这项技术的特点是软件和硬件架构结合,其数据处理尽可能接近他们的本体。它主要涉及物联网和移动计算,依赖于智能设备以及一些云。值得注意的是边缘计算的另一个方面主要涉及在短时间内处理价值特别重要的数据。

根据前面的例子,卡车传感器产生的数据在其搭载设备内处理。显然,卡车必须实时“看到”道路来相应地处理驾驶任务。

图片 2

真正的挑战在于让机器人在人类环境中工作,同时又要确保人类同事的安全。而事实是人类会犯错误,他们可能会有不稳定的行为,他们会违反或误解安全规则。

什么是边缘计算?

2.机器人技术

灵活的设备更换(快速部署新流程和新模型);

这项技术的特点是软件和硬件架构结合,其数据处理尽可能接近他们的本体。它主要涉及物联网和移动计算,依赖于智能设备以及一些云。值得注意的是边缘计算的另一个方面主要涉及在短时间内处理价值特别重要的数据。

能效管理;

根据麦肯锡的说法:“目前使用的物联网数据主要用于异常检测和控制,而不是优化和预测,这提供了最大的价值。”麦肯锡还指出,物联网设备产生的大多数数据(更准确的说来自边缘的智能系统)在今天没有利用价值。他们的分析使他们感到公司可以从这些数据的90%的经济价值中受益。在他们看来,可以充分利用边缘计算的主要领域包括:

边缘计算有很多潜在的用途,但工业领域的典型用例已经有了很多:

低/间歇性连接(机器见解与启动之间的闭环交互);

根据麦肯锡的说法:“目前使用的物联网数据主要用于异常检测和控制,而不是优化和预测,这提供了最大的价值。”麦肯锡还指出,物联网设备产生的大多数数据(更准确的说来自边缘的智能系统)在今天没有利用价值。他们的分析使他们感到公司可以从这些数据的90%的经济价值中受益。在他们看来,可以充分利用边缘计算的主要领域包括:

到2020年,全球可用存储容量将能够存储数字世界中不到15%的数据量。——IDC

即使车上有一名操作人员来确保这项驾驶试验的安全,但是我们不得不承认这辆普通的卡车,它已被添加了传感器和软件以完成此项任务。“Embark卡车”方法的显着特点在于,他们没有使用详细的路线图来指导他们自动驾驶系统,而是考虑采用另一种方式来引导卡车。Embark完全依靠车辆传感器和嵌入式机器学习算法收集的数据。

图片 3

智能制造;

根据IDC进行的“数字宇宙”研究,全球数据将在未来两年内攀升超过40 ZB,其中物联网领域占10%。很容易看出为什么工业界对IIoT和边缘计算有着极大的兴趣。

这是Edge Computing AI可以发挥重大作用的一个领域。无论是客机,运输卡车还是汽车,机器的质量不仅取决于它的效率,还取决于它的可靠性。

当我们谈到机器人时,为了让他们在工作区域高效运行,除了机器人的功能(例如,移动沉重的负载并在复杂的危险环境中工作)外,他们必须还需要获得重要功能的授权,其中可能包括机器视觉、语音识别和复杂的决策算法。

智能制造;

在边缘计算有三个方面可以充分利用人工智能:

下面这些评论有助于我们更准确地评估关于边缘计算的关键之处,边缘计算让应用程序在获取数据的时间和地点以连续流的形式利用数据。这也带来了很多优势,其中就包括安全性、成本,因为数据不通过网络传输,也不存储在数据中心。

结论

事实上,今天似乎很清楚,技术发展数据量增加,实时数据处理的需求以及智能设备,传感器和相关事物日益复杂和广泛的可用性导致了边缘计算的出现的必然。

虽然物联网长期以来一直涉及很多场景,但拥有AI算法处理边缘的传感器数据为维护和监控的过程提供了另外一种可能。预测性维护对于航空公司来说是非常重要的,所以它变成了一项航空公司非常重视的服务。工业企业面临的下一个挑战是加强预测性维护,以改进流程,缩短上市时间,减少停机时间,节省资金,甚至挽救企业生命。

人工智能使边缘计算达到新的水平

预测性维护;

在这个领域有两大类:一个是机器,另一个是软件自动化。关于软件自动化(AKA机器人过程自动化),请参阅作者的文章AI如何将机器人过程自动化带入下一阶段。

在这个领域有两大类:一个是机器,另一个是软件自动化。关于软件自动化(AKA机器人过程自动化),请参阅作者的文章AI如何将机器人过程自动化带入下一阶段。

工厂

Markets And Markets的一份新研究报告预计,边缘计算市场预计将从2017年的14.7亿美元增长到2022年的67.2亿美元,在预测期内复合年增长率超过35%。

在边缘计算有三个方面可以充分利用人工智能:

根据IDC进行的“数字宇宙”研究,全球数据将在未来两年内攀升超过40 ZB,其中物联网领域占10%。很容易看出为什么工业界对IIoT和边缘计算有着极大的兴趣。

灵活的设备更换(快速部署新流程和新模型);

分析

工地

边缘计算的范围

零售场景

根据前面的例子,卡车传感器产生的数据在其搭载设备内处理。显然,卡车必须实时“看到”道路来相应地处理驾驶任务。

为了确保机器的可靠性,我们需要改进维护流程。安排像飞机这样复杂的机器的维护可能是一场噩梦。例如,空A380拥有约700万个零件。然而真正的挑战在于找到维护应该继续的非常恰当的时刻。它必须以不会过早更换的方式进行,但同时不会失败。回答业界最紧迫的问题需要结合传感器数据、机器学习算法和高级模型。

当我们谈到机器人时,为了让他们在工作区域高效运行,除了机器人的功能(例如,移动沉重的负载并在复杂的危险环境中工作)外,他们必须还需要获得重要功能的授权,其中可能包括机器视觉、语音识别和复杂的决策算法。

边缘计算是允许我们尽可能靠近应用程序并且是一种重新定位数据处理的技术。

3.维护和监测

另外,今年1月,在美国装备有最新技术的卡车在美国从西向东自主行驶超过3800公里。完成这项壮举的独特技术组合完美地展现了边缘计算的力量。你是否熟悉边缘计算的概念及其含义?

“边缘计算是为精简物联网设备提供实时本地数据分析的方法。”-布兰登巴特勒

边缘计算有很多潜在的用途,但工业领域的典型用例已经有了很多:

本文为云栖社区原创内容,未经允许不得转载。

图1

随着乔恩·马克曼正确地指出,你现在必须清楚,云计算出现之前包括移动从本地数据库到数据中心的数据-大多数计算确实发生在网络的边缘。

虽然物联网长期以来一直涉及很多场景,但拥有AI算法处理边缘的传感器数据为维护和监控的过程提供了另外一种可能。预测性维护对于航空公司来说是非常重要的,所以它变成了一项航空公司非常重视的服务。工业企业面临的下一个挑战是加强预测性维护,以改进流程,缩短上市时间,减少停机时间,节省资金,甚至挽救企业生命。

到2020年,全球可用存储容量将能够存储数字世界中不到15%的数据量。——IDC

1.无人驾驶汽车

它必然需要先进的技术,包括低功耗传感器,RFID,低成本电池供电,低成本数据通信链路以及数据存储和计算系统。

结论

城市/城市环境

能效管理;

为了确保机器的可靠性,我们需要改进维护流程。安排像飞机这样复杂的机器的维护可能是一场噩梦。例如,空A380拥有约700万个零件。然而真正的挑战在于找到维护应该继续的非常恰当的时刻。它必须以不会过早更换的方式进行,但同时不会失败。回答业界最紧迫的问题需要结合传感器数据、机器学习算法和高级模型。

城市/城市环境

零售场景

虽然边缘计算有许多不同的使用场景,但它们本质上依然与IoT紧密相关。最著名的例子可能是自动驾驶汽车和智能手机。然而,包括通用电气数字在内的最大的创新型工业公司多年来一直致力于此工作,主要是在工业物联网的背景下。同样,越来越多的智能城市项目正在蓬勃发展遍布涉及物联网和AI技术,比如阿里云巴正在打造智慧杭州,其中这些场景都离不开边缘计算。

2.机器人技术

随着乔恩·马克曼正确地指出,你现在必须清楚,云计算出现之前包括移动从本地数据库到数据中心的数据-大多数计算确实发生在网络的边缘。

低/间歇性连接(机器见解与启动之间的闭环交互);

办公室

汽车

麦肯锡估计,到2025年,物联网应用的经济影响可能会从每年3.9万亿美元增长到11.1万亿美元。他们举例说:“在2025年,通过远程监控改善慢性病患者健康状况的价值可能高达每年1.1万亿美元”。

麦肯锡估计,到2025年,物联网应用的经济影响可能会从每年3.9万亿美元增长到11.1万亿美元。他们举例说:“在2025年,通过远程监控改善慢性病患者健康状况的价值可能高达每年1.1万亿美元”。

1.无人驾驶汽车

无人驾驶汽车无疑是未来的“头牌”,无人驾驶生态系统包括软件开发,硬件制造商,应用开发商,数据科学家,汽车制造商,传感器制造商等。他们正在汇集技术和专业知识,以实现自动驾驶能力。他们依靠应用程序和算法来赋予装备车辆的传感器获取的数据。例如,他们致力于开发和完善处理传感器数据的AI算法,以让车辆做出即时决策,例如紧急停车。而边缘计算则是无人驾驶汽车不可缺少的技术之一。

工厂

它必然需要先进的技术,包括低功耗传感器,RFID,低成本电池供电,低成本数据通信链路以及数据存储和计算系统。

事实上,今天似乎很清楚,技术发展数据量增加,实时数据处理的需求以及智能设备,传感器和相关事物日益复杂和广泛的可用性导致了边缘计算的出现的必然。

3月28日,在2018云栖大会·深圳峰会上,阿里云宣布2018年将战略投入到边缘计算技术领域,并推出了首个IOT边缘计算产品Link Edge,将阿里云在云计算、大数据、人工智能的优势拓宽到更靠近端的边缘计算上,打造云、变、端一体化的协同计算体系。

边缘计算是允许我们尽可能靠近应用程序并且是一种重新定位数据处理的技术。

汽车

Link Edge的优势还体现在提升AI的实践效率,开发者可将深度学习的分析、训练过程放在云端,将生成的模型部署在边缘网关直接执行,优化良率、提升产能。

人工智能使边缘计算达到新的水平

数十款阿里云产品限时折扣中,赶紧点击领劵开始云上实践吧!

办公室

本文由凤凰彩票登陆发布于凤凰彩票登陆,转载请注明出处:人工智能让边缘计算更有价值!

关键词: 凤凰彩票登陆