物联网、边缘计算和人工智能项目是如何为企业带来回报的

作者: Neal Weinberg 2021-03-04 11:41:00

Bill Holmes是加州Corona工厂的设施经理,该工厂生产着标志性的Fender Stratocaster和Telecaster吉他。他会带着一台简陋的手持振动分析仪在工厂里走来走去,然后将设备插入电脑,以获取设备状况的读数。

75年前,Leo Fender成立Fender乐器公司时,所有的木工工作都是手工完成的,而今天,吉他的琴颈和琴身都是用电脑控制的木工路由器生产的,然后才会交给制造最终产品的工匠。Holmes说,他一直在寻找最新的技术进步来解决问题(他使用机器人来帮助吉他上漆),而其中没有比设备故障更令人烦恼的问题了。

只有预防性维护,即机器按照预定的时间表来得到关注,是不够的,他说。“百分之九十的故障都是瞬间故障,会导致进程关闭。这对业务来说太难了。如果你能在故障发生前就发现故障,那么你就不需要关闭生产,维护团队也不需要四处奔波灭火了。”

在177,000平方英尺的设施中有1,500件设备,Fender是将传感器安装在机器上并使用人工智能分析来预测故障的典型候选者。这是Fender正在做的事情,但有一个转折 -- 该公司正在使用的是亚马逊上基于云的Monitron服务,所以所有的数据处理都是在亚马逊的云上进行的。

对于像Fender这样的小公司来说,亚马逊的全面管理服务很有吸引力,因为亚马逊提供了无线传感器,可以通过近场通信(NFC)来连接到亚马逊的Wi-Fi网关。亚马逊的网关被预先配置成会将相关数据发送到亚马逊云上进行分析。亚马逊开发了机器学习算法来处理数据,并会直接向Holmes发送警报。

“他们基本上把价格降到了足够低的水平,这样夫妻店就可以把这个放在他们的设备上,不用经过培训就可以很容易地进行监控了。这是非常重要的。每个制造商都有一个关键的设备,一旦出现故障就会导致生产停止。”Holmes说。

到目前为止,Holmes已经安装了9台任务关键型机器,并计划在墨西哥恩塞纳达的第二家制造厂部署该系统。对云的使用也提供了额外的好处,使Holmes能够在一天内从这两个站点聚合数据以进行额外的分析。此外,他预计也能够从一个单一的仪表板来跟踪两个网站。

边缘计算如何实现人工智能

IDC edge strategies研究主管Dave McCarthy表示,在制造业、运输、物流、医疗保健、零售、石油和天然气等行业--基本上任何拥有实物资产的行业--机器所生成的数据都是“边缘计算的风帆”。他补充说,“从这些机器上获得的数据中找到有意义的见解,并自动对这些数据做出响应,这就是人工智能所做的。”

STL Partners的高级顾问Tilly Gilbert表示,一般的经验法则是,可以在边缘执行人工智能处理最适合处理的对实时、延迟敏感的应用程序,因为如果这些大型数据集必须传输到云环境,这些应用程序将无法高效运行。除了延迟问题,边缘计算也降低了回程成本,并能够帮助公司遵守隐私法规和安全策略,如果敏感数据被发送到了异地,这些法规和策略则可能会被违反。

在增加正常运行时间和提高性能的双重业务需求的驱动下,人工智能驱动的边缘数据处理正在超越利基案例,并在变得更加主流,McCarthy说。

许多因素的共同作用,使得边缘/人工智能将更容易被部署,包括预配置有物联网传感器的物理资产的激增,以及提供边缘技术的供应商数量的增加。其中包括了系统集成商、第三方初创企业、超大规模云提供商以及将边缘定位为数据中心延伸的传统基础设施提供商。

对于企业来说,这使得他们能够在最合适的位置运行工作负载,无论是在本地、云中还是在边缘。或者是其中的一种组合--正如Fender的例子所展示的,有多种方法可以混合和匹配技术和方法,以获得边缘和云世界的最佳效果。

正如如今大多数企业都在混合云或多云环境中运营一样,基于人工智能的边缘应用程序也不是孤立运行的,McCarthy指出。即使人工智能的处理发生在边缘,其机器学习算法也可能是在云中开发的,模型也是在云中训练的。而且,实时数据也可以汇总并聚合到云中,以便对历史数据集进行分析,从而用于指导长期的规划。

零售边缘的人工智能

边缘/人工智能组合最令人兴奋的方面是它将支持的新的应用程序,Gilbert说。

由于许多企业不具备内部开发人工智能分析能力的技能,甚至可能不知道一些可能的用例,初创的第三方在开发和部署现成的系统方面发挥着主导作用。例如,像沃尔玛和克罗格这样的主要零售商都在他们商店的自助结账通道推出了基于人工智能的边缘系统,以减少由于顾客无意或有意不支付购物车中的所有东西所造成的损失。

为沃尔玛和克罗格提供技术的爱尔兰初创企业Everseen的战略增长副总裁Alex Siskos表示,他的公司已经能够解决零售商以前难以解决的一个问题:收缩还是亏损。他说,零售商知道自己在自助结账时是在赔钱,但无法判断这是源于顾客的诚实错误,还是员工向朋友赠送商品的“甜言蜜语”,或者是聪明的小偷,例如,他们可能会在更大、更贵的物品上放一根口香糖,因此扫描仪就只会向顾客收取口香糖的费用。

Everseen战略性地在自助结账处放置了GPU驱动的计算机视觉摄像头,并开发了与零售商扫描系统所集成的软件,因此如果扫描仪显示了“口香糖”,但摄像头看到的是“一盒尿布”,则可以实时触发各种动作。顾客在结账时可能会收到一个弹出的警告,比如“机器可能误扫描了最后一件商品。”这样做的目的就是让客户从疑虑中受益,并允许他们在需要员工干预之前进行自我纠正。作为最后的手段,该系统能够在自助结账显示屏上重放有关行为的视频。

“我们能够将非结构化数据转化为洞察力、行动和最终利润,”Siskos说。他估计,零售商每周能够从减少盗窃和提高库存准确性中为每个商店节省2500至4500美元。

Everseen系统在边缘处理数据,因为正如Siskos所说的,“那是行动的地方,那就是关键时刻所在。”完全集成的产品包括了运行Everseen软件的戴尔PowerEdge服务器,该软件是在GPU提供商Nvidia创建的开发平台上编写的。但是也有其他的云组件;而模型是在云中训练的,管理和监控也在云中进行。

此外,Everseen目前在美国和欧洲监控着超过10万条的收银线,并能够从那些被错误扫描的“关键时刻”中挑选出4-5秒的片段。这些精选的数据会被发送到云中,用于报告目的,以及帮助训练算法。“AI是一种饥饿的动物,” Siskos说。“你喂得越多,它就越好。”

人工智能在医疗保健领域的发展

医疗保健是边缘计算能够为人工智能提供动力的另一个领域。

Andrew Gostine博士是一名麻醉师和企业家,他创建了一家应用AI优化医院资源的公司,用以提高效率和节省资金。

医院拯救生命,但也是一门生意。就像餐馆需要在一天中尽可能多地安排餐桌和聚会一样,医院也需要为外科手术室提供同样的服务。Gostine的公司Artisight使用了安装在手术室的多个无线摄像头来充当 “空中交通管制”。例如,当病人被推进手术室时,麻醉师和外科医生会自动得到通知。手术室外面的走廊里也有一个大显示屏,类似于你在机场看到的,可以告知传单上的航班状态和去哪个登机口,这有助于确保医院工作人员能够在正确的地点和时间出现。

听起来很简单,但Gostine说,他的系统在芝加哥地区的医院使用后,生产效率提高了16%。Artisight系统是构建在英伟达面向医院的Clara Guardian 边缘/AI平台上,以预打包的捆绑包形式提供,并在戴尔服务器和存储上运行的。处理是在现场完成的,因为其数据量--西北纪念医院每天产生1.2PB的视频--发送到云上太贵了,而且还会造成延迟问题,Gostine说。

Artisight系统过滤了人们的身份信息以保护他们的隐私。它还记录了手术的关键部分,以便外科医生可以回去研究他们的表现,并与同行分享视频以获得反馈。

Gostine说,这项技术已经可以用于越来越多的边缘用例。例如,摄像机可以监控病房,以检测病人是否下床跌倒了。作为容量管理计划的一部分,该系统还可以用来监控病房--换言之,当房间腾空时,能够立即通知客房部,保存可用房间的清单,确保床单已经更换,并且房间里有合适的医疗设备。

每一个关注人工智能的人都知道IBM的大胆预测,即沃森总有一天会治愈癌症,结果那个项目没有取得成果。Gostine认为,过度承诺的“神奇疗法”已经阻碍了人工智能的发展。更重要的是,他说,将人工智能用于可能更普通但更实用的应用程序,这将提高效率和降低成本,并最终释放医院资源,扩大患者护理。

人工智能 边缘计算 物联网
上一篇:机器人在未来可以协助外科手术和执行重复性任务提高效率 下一篇:人工智能在未来20年能做什么?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载