QQ在（zài）线
企业微信
资（zī）讯
323
物联网正变（biàn）得越来越智能。企业正（zhèng）在将（jiāng）人工智能——特别是机器学习——融入物联网应用，并（bìng）看（kàn）到能力的增长，包括（kuò）提高（gāo）操作效率和帮助避（bì）免计划外停（tíng）机。
随着（zhe）投资（zī）的浪（làng）潮（cháo）、新产品的大量涌现以及企业（yè）部署的（de）不断（duàn）增加，人工智（zhì）能（néng）正在（zài）物联网(IoT)领域掀起一股热（rè）潮。公（gōng）司制（zhì）定物联（lián）网战略，评估潜在的物联网项目，或寻求从现有物联网部署中获得更多价值，可能需要探索（suǒ）人工智能的角色。
开启物（wù）联网潜力的人工智能钥匙
人工智（zhì）能在物联网应用和（hé）部署中扮演着越来越重要的（de）角色（sè），这一转变在该领域的（de）企业行为中表现得（dé）非常（cháng）明显。对使（shǐ）用人工智能的物（wù）联网初创（chuàng）企（qǐ）业的风险投资（zī）大（dà）幅上（shàng）升。在（zài）过去的两年里，公（gōng）司已（yǐ）经收购了几十（shí）家在人工智能和物联网交叉领域（yù）工作的公司。而物联（lián）网（wǎng）平台软件的主要供应商现在正在提供集成的人工智能功能，比（bǐ）如（rú）基于机器（qì）学（xué）习的分析（xī）。
人工智能在物联（lián）网中扮演着重要角色，因为（wéi）它有能力从数据中快（kuài）速提取洞察力。机器学习，一项（xiàng）人工智（zhì）能技术，带来了自动识别模式和检测数据异常的能（néng）力，智能传（chuán）感器和设备（bèi）产生的信息，如温度，压力，湿度，空气质（zhì）量，振动和声音。企业发现（xiàn），在分析物（wù）联（lián）网数（shù）据方面（miàn），机器学习与传统（tǒng）商业智能工具相比具有显著（zhe）优势，包（bāo）括能够提前20倍（bèi）进行操作预（yù）测，而且比基（jī）于阈值的监控系统的（de）准确（què）度（dù）更高（gāo）。语（yǔ）音识别和计算机视觉等（děng）其他（tā）人工智能技（jì）术可以帮（bāng）助（zhù）从过去需要人（rén）工审查（chá）的（de）数据中（zhōng）提（tí）取洞察（chá）力（lì）。
人工智能和物（wù）联网技（jì）术的强大结合正在帮（bāng）助企业避免计划外停机，提（tí）高运营效率，推出新产品和服务，并加强风险管理（lǐ）。
避免昂贵的计划外停机时间
在（zài）许多（duō）部门，由于（yú）设备故障而导致的（de）计划外停机会（huì）造（zào）成严重损失。
预测（cè）维（wéi）护——使用分析方（fāng）法提前预测（cè）设备故（gù）障，以便安（ān）排有序的维护程（chéng）序——可以（yǐ）减少计划（huá）外停（tíng）机带（dài）来（lái）的经济损失。在制造（zào）业中，预测（cè）维护可以将计划维（wéi）护所需的时间减少20-50%，将设（shè）备的正（zhèng）常运行时（shí）间和可用性提高10-20%，并将总体维（wéi）护成本降低5-10%。
因为人工智能技术——尤其是机器（qì）学习——可以帮助识别模（mó）式和异常现（xiàn）象，并（bìng）基（jī）于大量数据（jù）进行（háng）预测，它们被证明在实现预测（cè）维（wéi）护方面特别有用。
提高操作效率
人工智能（néng）驱动的物联网可（kě）以（yǐ）做（zuò）的不仅（jǐn）仅（jǐn）是（shì）帮助避免计划外停机。它还可以帮助提（tí）高操（cāo）作效（xiào）率。部分原因在（zài）于（yú）机器学习能够产生快速而准确的预（yù）测（cè）和深刻（kè）的（de）见解，以及人工（gōng）智能技术能够（gòu）自动完（wán）成越来越多的任务。
例如，对好时来说，在生产过程中控（kòng）制（zhì）产品的重量至关重要:重量精度每提高1%，就可（kě）以（yǐ）为一批14000加仑的产品(如Twizzlers)节省（shěng）50多万美元。该（gāi）公司利用物联网和机器学（xué）习，在生产过（guò）程中显著减少了重量（liàng）变化。数（shù）据由第二次采集（jí）和分析，重量变（biàn）化可以（yǐ）通过机器学习模型进行（háng）预测，使得每（měi）天（tiān）可进行（háng）240个工艺调整（zhěng），而在安装ml驱动（dòng）的（de）物联网解决方案之（zhī）前（qián），每天只需（xū）进行12个工艺调整。
基于人工智能的（de）预（yù）测也帮助谷（gǔ）歌削减了40%的数（shù）据中心冷却成本。该解决方案根据工厂内传感器提供（gòng）的数据（jù）进行（háng）培训，预测未（wèi）来一小（xiǎo）时的温度和压（yā）力，以指导限制电（diàn）力消（xiāo）耗的行（háng）动。
机器（qì）学（xué）习（xí）产生了深刻的见解，说服了一位航运舰队运营商采取一种与直觉相反（fǎn）的行动，为他们节省了大笔资金。从船（chuán）上传感器收集的（de）数（shù）据（jù）被用（yòng）来确（què）定用（yòng）于清洁船体的金（jīn）额和燃料效率之（zhī）间的相关性。分（fèn）析（xī）显示，通过一年两次而不（bú）是两年一次的（de）清洗船壳——从而使清（qīng）洁预算增加四倍——由（yóu）于燃料效率（lǜ）的提高，他们最终将（jiāng）节省40万美元（yuán）。
支持新的（de）和改进的产品和服务（wù）
物联网技术与（yǔ）人工智能相结合可以形成改进的基础（chǔ），并最终形（xíng）成（chéng）全新的产品（pǐn）和服（fú）务。例（lì）如，在通用电气的无人机（jī）和基于（yú）机器人的工业检查服务方面，该公司（sī）希望（wàng）人工（gōng）智能能够实（shí）现检（jiǎn）查设备导航的自动化，以及根据检查设（shè）备捕获的（de）数据识别（bié）缺陷。这（zhè）可能会导致（zhì）更（gèng）安全，更精确，并为客户节省高达25%的检查费用。
与此同时，劳斯莱斯计划不久推出一（yī）项新产（chǎn）品，以（yǐ）物（wù）联网飞（fēi）机发动机维修服（fú）务为（wéi）特色。该公司计划（huá）使用机（jī）器学习来帮助它发现模式，并确（què）定将出（chū）售给（gěi）航空公司的运营见解。汽车制造（zào）商Navistar希望（wàng）通过机器学习分析实时联网的车辆（liàng）数据（jù），在车辆（liàng）健康诊断和预测性维护服务方（fāng）面创造（zào）新的（de）收入来源。根据Navistar技术合作伙伴Cloudera的数据，这些服务帮助近30万辆汽车减少了40%的（de）停机时间。
加（jiā）强风险管理
许多将物联（lián）网与人（rén）工智能相结合的应用程序正（zhèng）在帮助组（zǔ）织更好地理解（jiě）和预测各种风险，并实现快速反应的自动化，使（shǐ）他们能够更好（hǎo）地管（guǎn）理（lǐ）工人安全（quán）、财务损失和网络（luò）威（wēi）胁。
例如，富士通（tōng）(Fujitsu)已经尝试使用机（jī）器学习来分析来自联（lián）网可穿戴设备的数据，以估计（jì）其工（gōng）厂工人长期积累的潜在威胁热压力。印度（dù）和北美的银行已经开始（shǐ）评估人工（gōng）智能通过atm上的联网监控摄像头实时识别可疑（yí）活（huó）动的能力。汽车保险公司Progressive正在（zài）对（duì）联网汽车的数（shù）据进行（háng）机器学习分析，以精确定价其基于使用情况的保险（xiǎn）费，从而更好地管（guǎn）理（lǐ）承（chéng）保风险。拉斯维加斯市已经（jīng）转向了一种机（jī）器学习解决（jué）方案，以确保其智能城市计（jì）划的安全，其目标是实（shí）时（shí）自动（dòng）检测和（hé）应对威胁。
对企业的启示
对于跨行业（yè）的企（qǐ）业来（lái）说，人工智能（néng）有可（kě）能提升（shēng）物联网（wǎng）部署（shǔ）所（suǒ）创造的价值，从而实现更好的产品和运营，从而（ér）在业务绩效方面（miàn）获得竞争优（yōu）势。
考（kǎo）虑新的基于（yú）物（wù）联网项目的（de）管理人员应（yīng）该意（yì）识到，用于预测能（néng）力的机（jī）器学习现在已（yǐ）与大多数主要的水平（换句话说，通用）和工业物联网平台集成，如（rú）MicrosoftAzureIoT、IBMWatsonIoT、AmazonAWSIoT、GEPredix和PTCThingWorx。
越来越多（duō）的交钥匙、捆绑或垂直物联网解决（jué）方案利用了机（jī）器学习（xí）等人工（gōng）智能技（jì）术。例如（rú），对于联网的汽车使（shǐ）用（yòng）案例，宝马的CarData平台可以访问车主共享的数据和（hé）IBMWatsonIoT的AI功能。在消费品和零售（shòu）业（yè），许多补货自动化（huà）和（hé）优化（huà）解决方案使用机器学习来（lái）预（yù）测需求和优（yōu）化库存（cún）水平（píng）。汽车保（bǎo）险业的远程信（xìn）息（xī）处理解决方案（àn）提供商正在整（zhěng）合（hé）机器学习，以创建更准确的风险模（mó）型（xíng）和预测索（suǒ）赔行为。
也许可（kě）以使用人工智能（néng）技术（shù）从（cóng）物联网部署（shǔ）中获取更多价（jià）值，而物联网部署的设计并没有考（kǎo）虑到人工智能的使用。例如（rú），匈牙利一家石油和天然气公司将机器（qì）学习应用（yòng）于传感器数据，这（zhè）些数据在柴（chái）油生（shēng）产过程（chéng）中已经被收集。该（gāi）分析（xī）使该公司能够（gòu）更准确地预测燃料的硫含量，并帮助确定工艺改进，目前每年可为公司节省60多万美元。企业可能已经（jīng）在使用的主要水平和工（gōng）业物联网平台正在提供（gòng）基（jī）于（yú）人工智（zhì）能的（de）新功能，这可能有助于（yú）提高现有部署的价值（zhí）。
物联网的未来是（shì）人（rén）工智能
在物（wù）联网的情况下（xià），机器学习可以帮助公司获取他们（men）拥有的数（shù）十亿个数据点，并将其归结为有（yǒu）意义的（de）内容。总的前（qián）提（tí）和零售（shòu）应用程（chéng）序一样——回顾和（hé）分析（xī）你收集的数（shù）据，找出（chū）可（kě）以从中学到的模式或相似之处（chù），以便做出更（gèng）好的（de）决（jué）策。物联网也会产生大数（shù）据（jù），但人工智能只是让这些大数（shù）据对一个（gè）行业有用和有意义的技术。物联（lián）网和人工智能技术之间（jiān）互惠共存。有大量（liàng）的领域和商业（yè）利基可以（yǐ）获得两（liǎng）种技术共（gòng）存（cún）的（de）优（yōu）势。是（shì）时（shí）候让机器（qì）指出真正的机会在哪里了。
