IIOT,Industrie 4.0

IIOT,AI和控制工程结合,以创造人类神经系统

由于更强大的机器学习算法和工业互联网(IIOT),企业范围的数字神经系统是新兴的。

通过控制工程欧洲 2021年2月24日
图片礼貌:Brett Sayles

虽然工业互联网(IIT)可以为企业提供理论机会,以获得所需的所有相关信息,但它并非本身就是以可扩展的方式使得实际上可行的,在Moxa的工业IOT负责人主管欧洲。

Berg用人类神经系统做类比,指出工业物联网缺少感知信息的预处理,有时也缺少人体的自主反应。他说:“大脑不会接收到右手皮肤没有问题的信息,但当你触摸热炉子时,手上的传感器发出温度很高的信号时,它会立即得到通知。”甚至在那之前,在大脑开始采取进一步的行动,比如找水来冷却你的手之前,中枢神经系统就已经触发了缩手的反射。”

到2018年,Gartner估计在传统的集中式数据中心或云之外创建和处理了大约10%的企业生成的数据。到2025年,他们预测这个数字将达到75%。因此,显然,本地处理和边缘计算已经开始 - 特别是在云带宽受到限制或昂贵的应用程序中,或者存在隐私或延迟问题,但它不仅仅是在那里。

自一些十年前的数据记录以来,常见的类别已经存在:协议转换,数据清理和来自传感器和其他设备的原始数据的其他预处理,以将其转换为下游系统的有用数据。由于越来越强大的机器学习(ML)算法,数据预处理和清洁的重要性显着增加。

对于机器学习本身,有三种重要的数据类型对应不同类型的硬件需求:

  1. 时间序列数据:这通常是需要精确时间戳的传感器和机器状态数据,以从中得出见解,如异常检测或预测性维护。
  2. 声音的:例如,语音识别和事件检测,例如循环计数或创建警报。
  3. 视频:要求苛刻的神经网络适用于观察工业位置的视频摄像机的质量检验和其他见解。

Moxa已经将高端人工智能(AI)应用于制造质量检测场景中的视频处理,以及电力基础设施中的自动采矿卡车和户外巡逻机器人,但在制造流程优化中,基于时间序列数据的本地处理要求要低得多。

“在大多数这些应用程序中,IIOT和AI应用程序没有取代本地控制工程功能,”持续的Berg。“IIoT and artificial intelligence of things (AIoT) create transparency and make insights available across the company and beyond, while the current control engineering functions continue to govern the ‘local reflexes.’ IIoT and AI trigger actions like anomaly detection, predictive maintenance, and starting recovery and optimization tasks without delay, while the immediate ‘reflex’ is executed by the existing local control system.”

本文最初出现在控制工程欧洲网站。


控制工程欧洲