新的智能现实:准备好了吗?
托马斯罗森
的工业物联网社区委员会是一个以行业为中心的管理社区，由代表全球各行各业的商业领袖、技术专家和学者组成。该小组定期召开会议，分享关于在日常业务运营中整合新技术和新兴技术的影响和潜在好处的见解。以下是工业物联网社区理事会会议的概述，重点是概念一个新的聪明现实．
转向智能系统业务模式
工业组织越来越多地探索通过将智能系统集成到业务流程和工作流程中的潜在好处。通过利用大数据，人工智能，机器学习和智能边缘系统来实现智能洞察，并通过5G和云即可在近实时取得一个新的聪明现实．技术框架已经到位。但是产业组织准备好利用这些机会了吗?
智能系统+云=更高的操作效率+有价值的商业见解
在我们的讨论过程中，物联网行业社区理事会的小组成员注意到，利用人工智能和机器学习来生成商业智能和自动化工业应用，对于提高工作场所的效率和工作效率具有巨大的潜力今天，尤其是未来五年。这些数字清楚地反映了这种潜力:根据Gartner的数据，企业对人工智能的使用有所增长(1)而《福布斯》指出，2019年其市场规模为270亿美元以上，预计到2027年将达到近2670亿美元。（2）
理事会成员引用的用例范围从传统的低科技行业的申请到最前沿的应用。例如：
●牲畜管理- 在瑞典，农民正在使用IoT设备和AI将标签保留在其手表下的牛上。随着传感器，人道地将无线传输到AR耳机的牛尾和地理位置数据，农民可以轻松找到和围绕任何杂散。低科技突然变得高科技，它正在改变行业越来越好。
●制造业-人工智能、机器学习和智能算法在工厂环境中发挥着越来越大的作用。电子制造商正在利用实时数字和数据反馈循环来训练算法，以检查机械、测量设备利用率，设计主动维护策略，并对产品输出进行质量保证(QA)监督。由于不需要下线生产，智能系统和预测分析正在帮助制造商重新思考工厂运营。
●库存控制-在各种供应链设置中，智能、连接的托盘正在收集数据，以帮助公司分析由于损坏的货物造成的损失，并改善整体库存管理。在一个例子中，在一年的时间里，来自25个生产基地的大约6300万条数据被处理，以帮助识别什么时候货物最可能发生损坏——夜班!
●组装线-虽然制造环境中的人工智能和机器学习在预测用例方面开始取得进展，但这些技术仍主要用于驾驶手动操作。在一种情况下，重复任务的模式识别使工业机器人能够协助组装航空涡轮。
●安全关键过程-数字双胞胎正在被用来建模、模拟和模拟核电站的运行，以改善核电站的控制系统和自动化安全关键过程。
数字转型道路上的一些颠簸yabo电竞投注
如前所述，在工业环境中嵌入智能系统的数字框架已经相当完善。然而，前进的道路需要克服许多障碍。我们的小组成员面临哪些挑战?他们的主要关注点是什么?
安全物联网设备是简单的设备，在设计时不一定考虑到安全性，这使它们容易受到攻击。它们非常容易受到网络威胁，而且由于它们可能受到损害，一些工业应用程序的运营商感到他们正在失去对业务的控制。此外，从不同的系统和多个供应商获取数据，以及缺乏连接设备的标准方法，进一步加剧了安全问题。一些数字说明了这一点:
●2020年，物联网设备导致了近33%的无线网络感染，是2019年的两倍多。对于软件和基于智能的系统依赖性较高的行业，现在需要确保在智能系统生命周期的每一步都解决安全问题。（3)
●IOT开发人员的三分之二使用开源和三分之一的使用云原始体系结构。数字转换中的三大问题是安全，连接和数据收集和分析。yabo电竞投注（4）
在当今的企业环境中，传统上由防火墙和端点保护保护的网络安全周长具有所有但消失。用户和设备标识现在是在授予系统资源的访问之前需要验证的关键因素。通过远程，工作从家庭访问越来越多地取代现场，在局域网通信和繁殖的各种云，萨斯和仪表板应用中，安全风险正在上升。这些安全开发是警告开发人员需要全面地解决安全性，而不是以位和片状方式，并强调加密和多因素身份验证。有些人认为这是部署智能系统的关键障碍，并指向从自下而上的新的，所谓的零信任安全架构的需要，以朝着实现法规的合规性。
工业物联网社区理事会调查显示:
在您的组织经历的过程中，您最关心的是什么
yabo电竞投注数字化转型和引入更多智能系统?
●安全- 66%
●数据收集和分析 - 17％
●性能- 17%
数据问题：成功实现了优势一个新的聪明现实取决于有效管理大量数据的能力。根据IDC，边缘设备将通过2023年创建超过60,000个PB的数据，预计比来自其他系统的数据快六倍的金额。（5）由于边缘没有存储空间，这种困境引发了几个问题。首先，如何决定什么是可靠的和相关的——什么是值得保留的，什么是应该放弃的?
要确定给定数据集的数据挖掘值，需要设置数据参数。组织试图完成的组织是什么，假设结果是什么，以及预处理将如何验证？然后，如果可以进行关于要保留的数据的智能决定，则存储问题到前面。调用全新的数据存储策略。该组织是否在边缘设备上有足够的计算来分析数据在决定保持或抛弃它之前的价值？如果值得保存，那么到云或内部部署？
算法训练没有现成的完美。算法需要经常进行微调，以提供有价值的结果。一种常见的做法是将现有的算法脱机训练为新的模式识别用例。这样做允许开发人员只开发一次，并构建一个算法库，这些算法库可以经过培训，以便在不同的场景中部署。这需要时间，但这是一个DevOps过程，与许多希望在系统中添加智能的公司产生了共鸣。
技能差距当前位置守旧的人正在跳槽，要找到具有合适背景和技能的人可能会很困难。幸运的是，该学院正在努力填补建模和分析技术方面的技能缺口。
这条路的尽头是什么?
以下是来自物联网行业社区委员会的一些观察一个新的聪明现实是今天和明天可能发生的事情:
●智能系统投资将继续增长。在COVID之后，随着远程工作的持续和对医疗和诊断应用程序需求的增加，资金将流向智能系统开发。目前的芯片短缺也将推动半导体制造业的支出。通过智能系统寻求竞争优势的公司在做出任何投资决定之前，必须首先有一个坚实的商业战略，并清楚地了解潜在的利益和障碍。
●对供应链的更好后勤决策的需求将促进创新。公司无法遵守无法发货的库存现金。数字反馈回路对于知情的决策至关重要。
●人工智能、智能传感器、大数据和区块链将实现互操作。这是一个跨越行业的联盟和合作之旅。
●每个企业都需要采用云本地的工作方式。包括智能系统的开发和整个生命周期。
●自我完善能力对机器学习驱动的系统的成功至关重要;联邦人工智能支持分布式计算能力和保护隐私，考虑到用例和法规，这是至关重要的。
●找到更平坦的前进道路;这不仅仅是关于技术，这也是一个人的过程。技术不会取代人类，它只会补充人类的智慧。这是一种努力实现改善和提高我们日常生活的效率。这关乎我们的使命和目标。
（1)在过去四年里，企业对人工智能的采用增长了270%, ZDNET
（2）《福布斯》商业见解2020年7月,
（4）Eclipse 2020 IOT开发人员
（5）嵌入式智能:边缘云的创新成果， IDC信息简报，2020年5月
获取我们的RSS源