IoT en AI lopen voorop in technologie

Velen van jullie hebben gehoord hoe kunstmatige intelligentie ons leven gaat veranderen. Als je je afvraagt ​​wat je hiervan moet denken; verwacht dat dit een understatement is. Kunstmatige intelligentie (AI) zal elk onderdeel van ons leven raken. Internet of Things (IoT) en het Industrial Internet of Things (IIoT) verbinden apparaten in onze voertuigen, in onze huizen, in elk facet van het bedrijfsleven, en veranderen de fabrieksvloer, zegt Joseph Zulick, manager bij MRO Electric and Supply .

Sensoren en slimme apparaten verzamelen gegevens in grote hoeveelheden. De gegevens bouwen onze profielen op via spraakgestuurde apparaten in onze huizen en op onze telefoons. Elk stukje gegevens dat wordt verzameld, breidt uw profieloverzicht uit. Als jij en ik allebei inloggen op amazon, zullen onze pagina's er waarschijnlijk heel anders uitzien. Mijn interesses en gegevens bouwen mijn profiel op en uw informatie bouwt het uwe op. Dit zorgt voor op maat gemaakte ervaringen. Ik wil het woord 'aangepast' benadrukken.

Het is deze gepersonaliseerde en aangepaste ervaring die ervoor zorgt dat we deze tools gebruiken om te kopen, omdat het ons in staat stelt om snel onze eerder bekeken items op te halen, maar ook om vergelijkbare items te bekijken. Dit is een verdere ervaring door middel van verlengbare artikelen die een abonnement hebben. Net als herinneringen van onze tandarts om onze tandenborstel te vervangen, ontvangt u herinneringen wanneer uw eerdere aankopen worden verlengd of u kunt de tijdbesparing verder vaststellen met behulp van abonnementen.

Dezezelfde ervaring wordt gedurende ons hele leven gekopieerd en nagebootst op Facebook, Google en vele andere platforms voor het verzamelen van gegevens. Data is de nieuwe valuta. Amazon maakt geen producten, maar voorziet in uw behoeften door oplossingen te bieden.

Of u deze gegevens nu verzamelt via bedrade schakelaars of via sensoren in onze voertuigen of temperaturen in onze huizen. Dit alles helpt ons bij het vinden van oplossingen. Het verzamelen van de gegevens kan op verschillende manieren worden gedaan, maar het verzamelen en verhuizen naar de cloud is slechts het eerste stukje van de puzzel

Het volgende stuk is het verwerken van uw gegevens. Het proces van het verzamelen van gegevens is veel eenvoudiger geworden door het internet der dingen. Informatie wordt vrijwel onmiddellijk doorgestuurd van de bron naar het internet en snel verwerkt en vergeleken en vervolgens in het juiste formaat naar uw tablet, telefoon of computer verzonden. Als je in een wereld leeft waar hiërarchie en directheid belangrijk zijn, kan edge computing waarde toevoegen.

Als je kijkt naar veel van de machinebesturingen, hebben ze deze strategie meestal geïmplementeerd waar ze veiligheid en belangrijke gegevens lokaal kunnen verwerken en de niet-belangrijke informatie kunnen versnellen op momenten dat het communicatiesysteem daluren is. Dit wordt vaak de Edge-laag genoemd. Veel systemen verzamelen zich via discrete sensoren en schakelaars en verwerken via compatibele SQL-serversystemen en deze kunnen in vele vormen voorkomen, waaronder machinebesturingen.

De manier waarop we de informatie daadwerkelijk verzamelen is eenvoudiger geworden met geïntegreerde sensoren en meetapparatuur. Deze verbonden of slimme apparaten zijn allemaal zo verbonden dat deze informatie toegankelijk is vanaf uw locatie, zo ver mogelijk van de eigenlijke bron.

Verwerking is waar we daadwerkelijk iets met de gegevens doen, zelfs als dat niets meer is dan het van de ene stapel naar de andere verplaatsen. Wij leggen de gegevens in registers en stellen de informatie samen. Het kan nodig zijn om deze aan de eerdere gegevens toe te voegen of naar andere systemen te verplaatsen. Deze geheugenregisters houden de gegevens doorgaans voor een korte periode vast terwijl ze naar de volgende locatie worden verplaatst.

Gegevens worden op vele manieren verwerkt, het kan handmatig worden ingevoerd, het kan binnenkomen uit systeemprocessen of zelfs gegevens zijn die van buitenaf worden binnengebracht. Denk aan in je huis, je slimme thermostaat bewaakt constant en direct gegevens, je hebt misschien een camera die alleen gegevens verzamelt wanneer de sensor door beweging wordt geactiveerd, zodat deze op afstand wordt geactiveerd en dan hebben we dingen zoals je telefoon of ander spraakgestuurd apparaat dat vereist dat u het activeert om gegevens te verzamelen. Al deze gegevens worden vervolgens via een modem verwerkt tot in de cloud.

Deze acquisitiefase kan enige verwerkingscapaciteit hebben. In een fabriek zijn veel sensoren gekoppeld aan een systeem dat de gegevens op machineniveau vergelijkt om te bepalen of het een goed of slecht onderdeel is. In uw huis beginnen de spraakgestuurde apparaten te compileren en bepalen of de opdracht moet worden toegevoegd aan bestanden, zoals toevoegen aan uw boodschappenlijstje of dat het gegevens moet gaan ophalen. Deze kunnen fungeren als bidirectionele systemen. Erg handig als u een onderdeelafdruk wilt bekijken op een operatorinterface.

Andere systemen, zoals de enterprise-laag die mogelijk al bestaat, implementeren en beheren uw bedrijf. Deze worden hierboven weergegeven als Enterprise Integration. Deze systemen voeren het grootste deel van uw bestaande backoffice en magazijntoeleveringsketen uit. In veel gevallen doen deze systemen andere doeleinden, zoals voorraadbeheer, preventief onderhoud, productieplanning en kwaliteitsbewaking.

Integratie is onderdeel van de volgende fase, hier vergelijk je met parameters uit bestaande data of externe systemen. Dit is de eerste fase van het AI-proces waarin de werkelijke resultaten worden vergeleken met historische resultaten en verwachte resultaten. Deze neurale netwerken die automatisch zijn ontwikkeld, helpen ons om slimmere en intelligentere verwachte resultaten te krijgen. Deze leiden tot hogere verwachtingen en geven ons ook meer waarde uit onze gegevens.

Aanpassingen op basis van huidige en eerdere werkelijke resultaten die zijn toegewezen aan de voorvalgeschiedenis. Wanneer we onze informatie opbouwen, vergroten we onze kennis. We moeten nu informatie omzetten in kennis naar verlichting. De informatie moet leiden tot verbetering en een niveau van verlichting dat een nieuw pad van impactvolle details creëert.

De bovenstaande afbeelding van NIST vertegenwoordigt een vast bedrade versie van analyse, maar in echte kunstmatige intelligentie moeten de systemen in staat zijn om te leren en hun eigen netwerken te ontwikkelen die reageren op wat wordt geleerd op basis van wat belangrijk is, maar ook op welk niveau van impact die informatie heeft. heeft in de formule. Daarom moeten de poorten aan of uit kunnen worden gezet om te bepalen of ze deel uitmaken van de formule en impact hebben. Je hebt ook een manier nodig om de impact in die formule te variëren.

Denk aan een formule, a+b / (5*c)=resultaat. We kunnen vaststellen dat er veranderingen plaatsvinden en dat we de formule moeten aanpassen. Misschien heeft "b" helemaal geen impact, of misschien heeft b twee keer zoveel impact. Kunstmatige intelligentie moet in staat zijn om uit te breiden en niet alleen hard-wired beslissingen hebben waarbij een persoon naar binnen moet gaan en deze wijzigingen opnieuw moet programmeren.

Intelligentie verhogen zonder menselijke tussenkomst, dit is ons droomscenario. Onze wens op lange termijn is dat het systeem vanzelf leert en geen invloed nodig heeft. Een baby leert dat items anders zijn. Een fles is anders dan een kurk. Het verschilt in grootte, gewicht, vereiste kracht om elk item op te tillen, hoe strak je moet vasthouden, bewegingsbereik om het te dragen zonder tegen dingen aan te lopen, traagheid, enz. Hoewel het kind niet weet waarom het zich aanpast aan deze verschillen, zullen ze zich aanpassen om het verschil te compenseren. Dit is onze wens dat machines op deze manier leren.

Taal in de manier waarop we communiceren, we moeten een gemeenschappelijk begrip hebben. Dit kan een taal- of kaartprobleem zijn. Ik hoef niet altijd een taal te begrijpen als ik weet dat casa huis of thuis betekent. Ik kan een tafel in kaart brengen, zodat wanneer het woord casa wordt uitgesproken, ik kan verwijzen naar de tafel die mij huis vertelt.

Ons leven verbeteren. De resultaten van ons verbeterde onderwijs zouden onze vereiste input minimaliseren. Laten we zeggen dat een thermostaat ons comfortniveau zou kunnen begrijpen. Als ik zweet is het te warm, als ik ril, is het te koud. Met hoeveel aanpassen? Wat als er 5 personen zijn? Niet ieders comfort is hetzelfde. Misschien zweten ze, maar ze dragen een trui.

De auteur is Joseph Zulick, manager bij MRO Electric and Supply.