人工智能正在物聯(lián)網(wǎng)(IoT)領(lǐng)域掀起一股熱潮

物聯(lián)網(wǎng)正變得越來越智能。企業(yè)正在將人工智能——特別是機(jī)器學(xué)習(xí)——融入物聯(lián)網(wǎng)應(yīng)用，并看到能力的增長，包括提高操作效率和幫助避免計(jì)劃外停機(jī)。

隨著投資的浪潮、新產(chǎn)品的大量涌現(xiàn)以及企業(yè)部署的不斷增加，人工智能正在物聯(lián)網(wǎng)（IoT）領(lǐng)域掀起一股熱潮。公司制定物聯(lián)網(wǎng)戰(zhàn)略，評估潛在的物聯(lián)網(wǎng)項(xiàng)目，或?qū)で髲默F(xiàn)有物聯(lián)網(wǎng)部署中獲得更多價(jià)值，可能需要探索人工智能的角色。

開啟物聯(lián)網(wǎng)潛力的人工智能鑰匙

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，這一轉(zhuǎn)變在該領(lǐng)域的企業(yè)行為中表現(xiàn)得非常明顯。對使用人工智能的物聯(lián)網(wǎng)初創(chuàng)企業(yè)的風(fēng)險(xiǎn)投資大幅上升。在過去的兩年里，公司已經(jīng)收購了幾十家在人工智能和物聯(lián)網(wǎng)交叉領(lǐng)域工作的公司。而物聯(lián)網(wǎng)平臺(tái)軟件的主要供應(yīng)商現(xiàn)在正在提供集成的人工智能功能，比如基于機(jī)器學(xué)習(xí)的分析。

人工智能在物聯(lián)網(wǎng)中扮演著重要角色，因?yàn)樗心芰臄?shù)據(jù)中快速提取洞察力。機(jī)器學(xué)習(xí)，一項(xiàng)人工智能技術(shù)，帶來了自動(dòng)識別模式和檢測數(shù)據(jù)異常的能力，智能傳感器和設(shè)備產(chǎn)生的信息，如溫度，壓力，濕度，空氣質(zhì)量，振動(dòng)和聲音。企業(yè)發(fā)現(xiàn)，在分析物聯(lián)網(wǎng)數(shù)據(jù)方面，機(jī)器學(xué)習(xí)與傳統(tǒng)商業(yè)智能工具相比具有顯著優(yōu)勢，包括能夠提前20倍進(jìn)行操作預(yù)測，而且比基于閾值的監(jiān)控系統(tǒng)的準(zhǔn)確度更高。語音識別和計(jì)算機(jī)視覺等其他人工智能技術(shù)可以幫助從過去需要人工審查的數(shù)據(jù)中提取洞察力。

人工智能和物聯(lián)網(wǎng)技術(shù)的強(qiáng)大結(jié)合正在幫助企業(yè)避免計(jì)劃外停機(jī)，提高運(yùn)營效率，推出新產(chǎn)品和服務(wù)，并加強(qiáng)風(fēng)險(xiǎn)管理。

避免昂貴的計(jì)劃外停機(jī)時(shí)間

在許多部門，由于設(shè)備故障而導(dǎo)致的計(jì)劃外停機(jī)會(huì)造成嚴(yán)重?fù)p失。

預(yù)測維護(hù)——使用分析方法提前預(yù)測設(shè)備故障，以便安排有序的維護(hù)程序——可以減少計(jì)劃外停機(jī)帶來的經(jīng)濟(jì)損失。在制造業(yè)中，預(yù)測維護(hù)可以將計(jì)劃維護(hù)所需的時(shí)間減少20-50%，將設(shè)備的正常運(yùn)行時(shí)間和可用性提高10-20%，并將總體維護(hù)成本降低5-10%。

因?yàn)槿斯ぶ悄芗夹g(shù)——尤其是機(jī)器學(xué)習(xí)——可以幫助識別模式和異常現(xiàn)象，并基于大量數(shù)據(jù)進(jìn)行預(yù)測，它們被證明在實(shí)現(xiàn)預(yù)測維護(hù)方面特別有用。

提高操作效率

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計(jì)劃外停機(jī)。它還可以幫助提高操作效率。部分原因在于機(jī)器學(xué)習(xí)能夠產(chǎn)生快速而準(zhǔn)確的預(yù)測和深刻的見解，以及人工智能技術(shù)能夠自動(dòng)完成越來越多的任務(wù)。

例如，對好時(shí)來說，在生產(chǎn)過程中控制產(chǎn)品的重量至關(guān)重要：重量精度每提高1%，就可以為一批14000加侖的產(chǎn)品（如Twizzlers）節(jié)省50多萬美元。該公司利用物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)，在生產(chǎn)過程中顯著減少了重量變化。數(shù)據(jù)由第二次采集和分析，重量變化可以通過機(jī)器學(xué)習(xí)模型進(jìn)行預(yù)測，使得每天可進(jìn)行240個(gè)工藝調(diào)整，而在安裝ml驅(qū)動(dòng)的物聯(lián)網(wǎng)解決方案之前，每天只需進(jìn)行12個(gè)工藝調(diào)整。

基于人工智能的預(yù)測也幫助谷歌削減了40%的數(shù)據(jù)中心冷卻成本。該解決方案根據(jù)工廠內(nèi)傳感器提供的數(shù)據(jù)進(jìn)行培訓(xùn)，預(yù)測未來一小時(shí)的溫度和壓力，以指導(dǎo)限制電力消耗的行動(dòng)。

機(jī)器學(xué)習(xí)產(chǎn)生了深刻的見解，說服了一位航運(yùn)艦隊(duì)運(yùn)營商采取一種與直覺相反的行動(dòng)，為他們節(jié)省了大筆資金。從船上傳感器收集的數(shù)據(jù)被用來確定用于清潔船體的金額和燃料效率之間的相關(guān)性。分析顯示，通過一年兩次而不是兩年一次的清洗船殼——從而使清潔預(yù)算增加四倍——由于燃料效率的提高，他們最終將節(jié)省40萬美元。

支持新的和改進(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)合可以形成改進(jìn)的基礎(chǔ)，并最終形成全新的產(chǎn)品和服務(wù)。例如，在通用電氣的無人機(jī)和基于機(jī)器人的工業(yè)檢查服務(wù)方面，該公司希望人工智能能夠?qū)崿F(xiàn)檢查設(shè)備導(dǎo)航的自動(dòng)化，以及根據(jù)檢查設(shè)備捕獲的數(shù)據(jù)識別缺陷。這可能會(huì)導(dǎo)致更安全，更精確，并為客戶節(jié)省高達(dá)25%的檢查費(fèi)用。

與此同時(shí)，勞斯萊斯計(jì)劃不久推出一項(xiàng)新產(chǎn)品，以物聯(lián)網(wǎng)飛機(jī)發(fā)動(dòng)機(jī)維修服務(wù)為特色。該公司計(jì)劃使用機(jī)器學(xué)習(xí)來幫助它發(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希望通過機(jī)器學(xué)習(xí)分析實(shí)時(shí)聯(lián)網(wǎng)的車輛數(shù)據(jù)，在車輛健康診斷和預(yù)測性維護(hù)服務(wù)方面創(chuàng)造新的收入來源。根據(jù)Navistar技術(shù)合作伙伴Cloudera的數(shù)據(jù)，這些服務(wù)幫助近30萬輛汽車減少了40%的停機(jī)時(shí)間。

加強(qiáng)風(fēng)險(xiǎn)管理

許多將物聯(lián)網(wǎng)與人工智能相結(jié)合的應(yīng)用程序正在幫助組織更好地理解和預(yù)測各種風(fēng)險(xiǎn)，并實(shí)現(xiàn)快速反應(yīng)的自動(dòng)化，使他們能夠更好地管理工人安全、財(cái)務(wù)損失和網(wǎng)絡(luò)威脅。

例如，富士通（Fujitsu）已經(jīng)嘗試使用機(jī)器學(xué)習(xí)來分析來自聯(lián)網(wǎng)可穿戴設(shè)備的數(shù)據(jù)，以估計(jì)其工廠工人長期積累的潛在威脅熱壓力。印度和北美的銀行已經(jīng)開始評估人工智能通過atm上的聯(lián)網(wǎng)監(jiān)控?cái)z像頭實(shí)時(shí)識別可疑活動(dòng)的能力。汽車保險(xiǎn)公司Progressive正在對聯(lián)網(wǎng)汽車的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)分析，以精確定價(jià)其基于使用情況的保險(xiǎn)費(fèi)，從而更好地管理承保風(fēng)險(xiǎn)。拉斯維加斯市已經(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，其目標(biāo)是實(shí)時(shí)自動(dòng)檢測和應(yīng)對威脅。

對企業(yè)的啟示

對于跨行業(yè)的企業(yè)來說，人工智能有可能提升物聯(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)績效方面獲得競爭優(yōu)勢。

考慮新的基于物聯(lián)網(wǎng)項(xiàng)目的管理人員應(yīng)該意識到，用于預(yù)測能力的機(jī)器學(xué)習(xí)現(xiàn)在已與大多數(shù)主要的水平（換句話說，通用）和工業(yè)物聯(lián)網(wǎng)平臺(tái)集成，如MicrosoftAzureIoT、IBMWatsonIoT、AmazonAWSIoT、GEPredix和PTCThingWorx。

越來越多的交鑰匙、捆綁或垂直物聯(lián)網(wǎng)解決方案利用了機(jī)器學(xué)習(xí)等人工智能技術(shù)。例如，對于聯(lián)網(wǎng)的汽車使用案例，寶馬的CarData平臺(tái)可以訪問車主共享的數(shù)據(jù)和IBMWatsonIoT的AI功能。在消費(fèi)品和零售業(yè)，許多補(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)測需求和優(yōu)化庫存水平。汽車保險(xiǎn)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)模型和預(yù)測索賠行為。

也許可以使用人工智能技術(shù)從物聯(lián)網(wǎng)部署中獲取更多價(jià)值，而物聯(lián)網(wǎng)部署的設(shè)計(jì)并沒有考慮到人工智能的使用。例如，匈牙利一家石油和天然氣公司將機(jī)器學(xué)習(xí)應(yīng)用于傳感器數(shù)據(jù)，這些數(shù)據(jù)在柴油生產(chǎn)過程中已經(jīng)被收集。該分析使該公司能夠更準(zhǔn)確地預(yù)測燃料的硫含量，并幫助確定工藝改進(jìn)，目前每年可為公司節(jié)省60多萬美元。企業(yè)可能已經(jīng)在使用的主要水平和工業(yè)物聯(lián)網(wǎng)平臺(tái)正在提供基于人工智能的新功能，這可能有助于提高現(xiàn)有部署的價(jià)值。

物聯(lián)網(wǎng)的未來是人工智能

在物聯(lián)網(wǎng)的情況下，機(jī)器學(xué)習(xí)可以幫助公司獲取他們擁有的數(shù)十億個(gè)數(shù)據(jù)點(diǎn)，并將其歸結(jié)為有意義的內(nèi)容。總的前提和零售應(yīng)用程序一樣——回顧和分析你收集的數(shù)據(jù)，找出可以從中學(xué)到的模式或相似之處，以便做出更好的決策。物聯(lián)網(wǎng)也會(huì)產(chǎn)生大數(shù)據(jù)，但人工智能只是讓這些大數(shù)據(jù)對一個(gè)行業(yè)有用和有意義的技術(shù)。物聯(lián)網(wǎng)和人工智能技術(shù)之間互惠共存。有大量的領(lǐng)域和商業(yè)利基可以獲得兩種技術(shù)共存的優(yōu)勢。是時(shí)候讓機(jī)器指出真正的機(jī)會(huì)在哪里了。

責(zé)任編輯：lq