如今，在云托管數(shù)據(jù)集上訓練的人工智能和機器學習算法可以在網(wǎng)絡邊緣的本地計算設備上執(zhí)行，使工廠能夠在生產(chǎn)和使用地點安全、實時的處理和分析數(shù)據(jù)。
作為數(shù)字化戰(zhàn)略的核心要素，很少有行業(yè)不受人工智能變革力量的影響。而且，從過程控制和自動化的角度來看，人工智能具有巨大潛力，可以分析和管理現(xiàn)代工業(yè)設施中數(shù)千個相互連接的設備、系統(tǒng)和過程所產(chǎn)生的龐大數(shù)據(jù)集。
在典型的工業(yè)環(huán)境中，人工智能可以幫助優(yōu)化控制過程的效率、可靠性和安全性。它還可以幫助減少人工干預繁重或日常任務的需要，最終有助于增加工廠正常運行時間，同時降低運營成本。在實現(xiàn)這些目標的過程中，人工智能也為實現(xiàn)全自動化工廠運營的長期目標鋪平了道路。
人工智能算法由多年積累的實際運營數(shù)據(jù)提供支持，可以使用機器學習進行訓練，以發(fā)現(xiàn)人類工程師通常不會注意到的趨勢和異常。這些洞察可以預警傳感器即將發(fā)生的故障，或者建議如何微調(diào)特定過程以使其更節(jié)能。
有效的決策取決于確保及時獲取準確、相關的數(shù)據(jù)，以及快速分析和解釋這些信息的能力。而在過程控制環(huán)境中，正是這種 “利用數(shù)據(jù)做更多事情 ”的必要性，讓人們開始關注人工智能最有價值的地方——也就是生產(chǎn)和使用運營數(shù)據(jù)的地方。
01 邊緣人工智能
“邊緣人工智能”是指在聯(lián)網(wǎng)的設備上應用人工智能實時或接近實時地執(zhí)行任務。為人工智能引擎決策過程提供信息的數(shù)據(jù)可以遠程托管在云端。同樣，它也可能位于網(wǎng)絡邊緣，非？拷O備本身。
雖然邊緣計算的起源可以追溯到2000年左右，但在網(wǎng)絡邊緣部署人工智能模型，是一個相對較新的現(xiàn)象。CPU功率和電路小型化的進步，為緊湊型硬件設備提供了數(shù)字處理能力，在十年前這些能力被認為只有超級計算機才有。同樣，高速5G連接允許從數(shù)千或數(shù)百萬個物聯(lián)網(wǎng)(IoT)設備中收集數(shù)據(jù)，為云端或遠程數(shù)據(jù)中心托管的日益復雜的AI/ML模型提供數(shù)據(jù)。用更多設備和更多數(shù)據(jù)訓練這些模型，它們會變得更智能、更準確、更可靠。
將人工智能計算能力轉(zhuǎn)移到網(wǎng)絡邊緣有幾個好處。首先，它可以大大降低在現(xiàn)場設備和云端傳輸大量數(shù)據(jù)的帶寬要求和相關成本。在本地而不是遙遠的地方執(zhí)行應用程序，還可以縮短系統(tǒng)延遲——數(shù)據(jù)來源點和處理地點之間的往返時間。無論你是坐在無人駕駛汽車里，還是在另一個大陸為患者進行機器人手術，系統(tǒng)輸入和輸出之間即使有100毫秒的延遲，也可能產(chǎn)生災難性后果。
將計算資源集中在數(shù)據(jù)產(chǎn)生和消費的地方，可以減輕通過互聯(lián)網(wǎng)將站點連接到遠程數(shù)據(jù)中心所具有的潛在網(wǎng)絡安全風險。雖然私有云和公共云提供了高度的內(nèi)在安全性，但能夠始終將商業(yè)敏感數(shù)據(jù)保存在本地，使其不受未經(jīng)授權的泄露和審查，從而可以確保對數(shù)據(jù)的最終所有權和控制權。
02 邊緣計算在關鍵任務中的作用
同樣，邊緣計算在關鍵任務的應用中也很有吸引力，因為它不依賴于持續(xù)的互聯(lián)網(wǎng)連接來處理數(shù)據(jù)。這確保了應用的高可用性，否則這些應用可能會受到網(wǎng)絡中斷、或者連接不良的遠程站點的影響。
考慮到這些優(yōu)勢，邊緣計算在許多工業(yè)過程控制和自動化環(huán)境中發(fā)揮著變革作用也就不足為奇了。作為現(xiàn)場設備和云之間的智能橋梁，它允許資產(chǎn)所有者充分利用從工業(yè)物聯(lián)網(wǎng)設備和控制系統(tǒng)中所收集的、越來越多的數(shù)據(jù)。
每個工廠的運營人員都面臨著優(yōu)化工廠正常運行時間、效率、安全性、可持續(xù)性和盈利能力的挑戰(zhàn)。關鍵是從數(shù)千個傳感器、子系統(tǒng)和其它來源產(chǎn)生的大量運營、IT和工程技術數(shù)據(jù)中及時提取可操作的見解。在遠離移動寬帶覆蓋的偏遠或難以進入的環(huán)境中，如礦山、化學加工廠、海上風電場或石油平臺等，這一點尤其困難。從商業(yè)角度來看，邊緣和云計算所支持的人工智能分析，有助于從工廠目前尚未使用的約 80% 的生產(chǎn)數(shù)據(jù)中釋放出實際價值。
根據(jù)定義，邊緣和云計算模式有著根本的不同。不過，它們被廣泛視為互補技術，將邊緣計算的即時性、安全性和彈性與云計算的無限規(guī)模和存儲容量結(jié)合在一起。
一個典型的例子是化工廠的過程優(yōu)化模型。該模型由現(xiàn)場工業(yè)物聯(lián)網(wǎng)設備收集的、由云托管的大規(guī)模生產(chǎn)數(shù)據(jù)提供支持，然后可以使用邊緣人工智能，在現(xiàn)場實時執(zhí)行。該模型的輸出可確保設備和系統(tǒng)能夠更快、更準確地響應其環(huán)境需求。
03 強大的邊緣智能工具
邊緣人工智能還可作為一種強大的工具，為工業(yè)設備所有者的其他用例提供支持，例如基于狀態(tài)的資產(chǎn)健康和性能監(jiān)控。從網(wǎng)絡邊緣的傳感器、執(zhí)行器和其他設備收集的儀表數(shù)據(jù)可用作基于狀態(tài)的監(jiān)控的基礎。訓練有素的人工智能算法可以發(fā)現(xiàn)聯(lián)網(wǎng)設備或子系統(tǒng)數(shù)據(jù)特征中的潛在異常，并將其行為與數(shù)以萬計的其他類似設備的歷史數(shù)據(jù)進行交叉對比。通過向工廠人員發(fā)送自動通知，它可以提前預警潛在的系統(tǒng)故障，否則可能會影響工廠或過程性能，導致代價高昂的計劃外停機。
未來，邊緣計算將為眾多工業(yè)自動化應用帶來變革性的影響。結(jié)合工業(yè)物聯(lián)網(wǎng)技術和人工智能驅(qū)動的分析，邊緣計算可以作為云托管存儲和應用的補充，從而挖掘過程工業(yè)中生產(chǎn)數(shù)據(jù)的更多價值。
所有評論僅代表網(wǎng)友意見，與本站立場無關。