QQ在线
企业微（wēi）信
资讯
328
物联网正（zhèng）变得越来越智能（néng）。企业正（zhèng）在将人工（gōng）智能——特别是机器学（xué）习——融入（rù）物联网应用，并看到能力（lì）的增长，包括提高操作效率和（hé）帮（bāng）助避（bì）免（miǎn）计（jì）划外（wài）停机（jī）。
随（suí）着（zhe）投资的浪潮、新产（chǎn）品的大量（liàng）涌现（xiàn）以及企业部署的不（bú）断增加，人工智能正在物联（lián）网（wǎng）(IoT)领域掀（xiān）起一股热潮。公司制定物联网战（zhàn）略，评估潜（qián）在的物联网（wǎng）项（xiàng）目，或寻求从现有（yǒu）物联网部署中获得更多价值（zhí），可能需要探索人（rén）工智能（néng）的角色。
开（kāi）启物联网潜力的人工智能钥匙
人（rén）工智能在物联（lián）网（wǎng）应（yīng）用和部署中扮演着越来越重要的角（jiǎo）色（sè），这一（yī）转变在该领域的企（qǐ）业行为中表现得非常明显。对使用人工智能的物联网初创企业的（de）风险投资大幅上升。在过去的两年（nián）里，公（gōng）司（sī）已（yǐ）经收购了几十（shí）家在人工智（zhì）能和物联网交叉领域工作的（de）公司。而（ér）物（wù）联网平台软（ruǎn）件的主要供应商现（xiàn）在正在提供集成的人工智能功能（néng），比如基于机器（qì）学习的分析（xī）。
人工智（zhì）能在（zài）物联网中扮演着重要角色，因为它有能力从数据中快速提取洞（dòng）察（chá）力。机器学习，一项（xiàng）人工智能技术，带来（lái）了（le）自动识别模式和检测数据（jù）异常的能力，智能传感器和设备（bèi）产生（shēng）的信息，如温（wēn）度，压力，湿度，空气质量，振动和声音（yīn）。企业发现，在分析物联网数（shù）据方面，机器学习与传统商业智能工具（jù）相（xiàng）比（bǐ）具有显著优（yōu）势（shì），包括能够（gòu）提前20倍（bèi）进行操作（zuò）预测，而（ér）且比基于阈值的监（jiān）控系（xì）统（tǒng）的准确度更高。语（yǔ）音识别和计算机视觉（jiào）等其他（tā）人工智能（néng）技术可以帮助从过去需（xū）要人工审（shěn）查的数据中（zhōng）提取洞察力。
人工智能和物（wù）联网（wǎng）技术的强大结（jié）合正在（zài）帮助企业避免（miǎn）计划外停机，提高运营效（xiào）率，推出新产品和（hé）服（fú）务（wù），并（bìng）加（jiā）强风险管理。
避免昂贵的计划（huá）外停（tíng）机时间
在许多部（bù）门，由（yóu）于设备（bèi）故障而导致的计划外停机会造成严重损失。
预测维护——使用分析方法提（tí）前预（yù）测设（shè）备故障，以（yǐ）便安排有序的维护（hù）程序——可以减（jiǎn）少计划外停机带来的经济损失。在制造业（yè）中，预测维护可以（yǐ）将计划维护所需的（de）时间减少20-50%，将设（shè）备的正常运行时间和可（kě）用性提高（gāo）10-20%，并将总体维护成本降（jiàng）低（dī）5-10%。
因为人工智能技术——尤其是机器学习（xí）——可（kě）以（yǐ）帮助识别模式和异常现象，并（bìng）基于大（dà）量数据（jù）进行预测，它们被证明在实现预测（cè）维护方面（miàn）特（tè）别（bié）有用。
提高操作效率
人工（gōng）智能（néng）驱动的物联网可（kě）以做的不仅（jǐn）仅是帮助避免计划外停机（jī）。它还可以帮助（zhù）提高操作效（xiào）率。部分原因在于机器（qì）学习能够产（chǎn）生快速（sù）而准确（què）的预测和深刻的（de）见解，以及人工智能技（jì）术能够自动完成越来越多（duō）的任务。
例如，对好时来说，在生产（chǎn）过程中控制产品的重（chóng）量至关重要:重量（liàng）精度每（měi）提高1%，就（jiù）可以为一批14000加仑的产品(如Twizzlers)节省50多万美元（yuán）。该公司利用物联网和机器学习，在生产过（guò）程中显著减少了重量变化。数据由第二次采集（jí）和分析，重量变（biàn）化可以通过机器（qì）学习模型进行预测，使得每天可进行240个（gè）工艺（yì）调整，而在安装ml驱动的物联网解决方案之前，每天只需进行12个工艺调整。
基于人（rén）工（gōng）智能的预测也帮助谷（gǔ）歌削减（jiǎn）了40%的数据中心冷却成本。该解决方案根据（jù）工厂内传感器提供的（de）数据进（jìn）行培训，预测未来一小时的温度和压（yā）力，以指（zhǐ）导限制电力消耗（hào）的（de）行动。
机（jī）器学习产生了深刻的见解，说服了一位（wèi）航运（yùn）舰队运营商（shāng）采（cǎi）取一种与直觉相反的行动，为（wéi）他们（men）节省（shěng）了大笔资金。从船上传感器收集的数据被用来确定用于清洁船体的金额和燃（rán）料效率之间的相关性。分析显（xiǎn）示，通过（guò）一年两次（cì）而（ér）不（bú）是两年一次的清洗船壳——从而使清（qīng）洁预算增（zēng）加四倍（bèi）——由于燃料（liào）效率的提高，他们最（zuì）终将（jiāng）节省40万（wàn）美元。
支持新的（de）和改进的产品和服务（wù）
物联网技（jì）术与人工智能相结（jié）合可以形成改进的基础，并最终形成全新的产品和服务。例（lì）如，在（zài）通用（yòng）电气的无人机和（hé）基于机器人的工业（yè）检查服务方（fāng）面（miàn），该公司希（xī）望人工（gōng）智能（néng）能够实现检查设备（bèi）导（dǎo）航（háng）的自（zì）动化，以及根（gēn）据检查设（shè）备捕获的（de）数据识别缺陷。这可能（néng）会（huì）导致更安全，更（gèng）精确，并为客户节省高达25%的检查费用。
与此同时，劳斯莱（lái）斯计划不久推出一项新产品，以物联（lián）网飞机发动机维修服务为特色（sè）。该（gāi）公（gōng）司计划使用机器学习来帮助它发现模式，并确（què）定（dìng）将出售给（gěi）航空公司的运营见（jiàn）解。汽车制（zhì）造商Navistar希望（wàng）通过机器（qì）学习分析实（shí）时（shí）联网的车（chē）辆数据，在车（chē）辆健康诊断和预测性维护服务方（fāng）面创造新的（de）收入来源。根据Navistar技术合作（zuò）伙伴Cloudera的数据，这些服务帮助近30万辆汽车减（jiǎn）少了40%的停机时间。
加强风险（xiǎn）管理
许多将物联（lián）网与人工智能（néng）相结合的应用程序正在帮助组（zǔ）织更（gèng）好地理解和预测各种风险，并实（shí）现（xiàn）快（kuài）速反（fǎn）应的自动化，使他们能够更好地管理（lǐ）工（gōng）人（rén）安全（quán）、财务损失和（hé）网络威胁（xié）。
例如，富士通(Fujitsu)已经尝试使用机器学习来分析来自联网可穿戴设备的数据（jù），以估计其工（gōng）厂工人长期（qī）积累（lèi）的潜在（zài）威胁热压（yā）力。印度和北美（měi）的银行已经开始评（píng）估人（rén）工智（zhì）能通过atm上的（de）联网监控（kòng）摄（shè）像头实时（shí）识别可疑活动的能（néng）力（lì）。汽车（chē）保险公司（sī）Progressive正在对联（lián）网汽车的数据进行机器学习分（fèn）析，以（yǐ）精确（què）定价其基于使用情况（kuàng）的保（bǎo）险费，从而更好地管理承保风险。拉斯维加斯市已经转向了一种机器（qì）学习（xí）解决方案，以确保其智（zhì）能（néng）城市计划的（de）安全，其目（mù）标是（shì）实时（shí）自（zì）动检测（cè）和应（yīng）对威胁。
对（duì）企业（yè）的（de）启示
对（duì）于跨（kuà）行业的企业来说，人工智能有（yǒu）可（kě）能提升物联网部署所创造（zào）的价值，从而（ér）实现更（gèng）好的产品和运营，从而在业务绩（jì）效（xiào）方面获得竞争优势。
考虑新的（de）基于物（wù）联网项目的管理人员应该意识到，用于预测能力的机（jī）器（qì）学习现在已与大多数（shù）主要的（de）水平（换句话说，通用）和工业物联（lián）网平（píng）台集成，如MicrosoftAzureIoT、IBMWatsonIoT、AmazonAWSIoT、GEPredix和PTCThingWorx。
越来越多的交（jiāo）钥匙、捆（kǔn）绑或垂直（zhí）物联网解决方案利用（yòng）了机器学（xué）习等人（rén）工智能技术（shù）。例如（rú），对于联网的汽车使用案例，宝马的CarData平台（tái）可（kě）以访问车主（zhǔ）共（gòng）享的数据和（hé）IBMWatsonIoT的AI功能。在消费（fèi）品（pǐn）和零（líng）售（shòu）业，许多补（bǔ）货自动化（huà）和（hé）优（yōu）化解决方（fāng）案使用机（jī）器学习来预测需求和优化库存水（shuǐ）平。汽车保（bǎo）险（xiǎn）业的远（yuǎn）程（chéng）信息处理解决方案（àn）提供商正在整合机（jī）器学（xué）习，以创建（jiàn）更准确（què）的风险模型和预测索赔行为。
也许可以使（shǐ）用人工智能技（jì）术从物（wù）联网部署中获取（qǔ）更（gèng）多价（jià）值，而物联网部（bù）署的设计并没（méi）有考虑到人工智能的使用。例如，匈（xiōng）牙利一家石油和天然气公司将（jiāng）机器学习应用于传感器数据，这（zhè）些数据（jù）在柴油生产过程（chéng）中（zhōng）已（yǐ）经（jīng）被收集。该分析使（shǐ）该（gāi）公司能（néng）够更准确（què）地预测燃料的硫含量，并帮助确定工艺改进，目（mù）前每年可为公司（sī）节省（shěng）60多万美元。企业可能已经在使用的主要水平和（hé）工业物联网平台正在提（tí）供（gòng）基于（yú）人工智能的新功（gōng）能，这（zhè）可（kě）能有（yǒu）助于提高现有（yǒu）部署的价值（zhí）。
物联（lián）网的未来是人工智能
在物联网的情况下（xià），机器学习可（kě）以帮助公司获取（qǔ）他们拥有的数十（shí）亿个数据点，并将其归（guī）结（jié）为有意义的内容。总的前（qián）提和零售应（yīng）用程（chéng）序一样——回顾和（hé）分析你（nǐ）收集的数据，找出可（kě）以从中学到（dào）的模式或相似之处，以（yǐ）便做出更好的决（jué）策。物联网也会产生大数据（jù），但人工（gōng）智能只是让这些大数（shù）据对一个行业有用和有意义的技术。物（wù）联（lián）网和人工智能技术之间互惠共（gòng）存（cún）。有大量（liàng）的（de）领（lǐng）域和商业利基（jī）可以获得两种技术共（gòng）存的优势。是时候（hòu）让（ràng）机器指出真正（zhèng）的机会在哪里了。
