IoT 분석에서 인공지능의 가치

아시아의 많은 지역에서는 계절성 폭우로 인해 홍수가 발생하고 시민의 재산과 생계가 파괴됩니다. 과거에는 시 행정부, 시민, 기업이 할 수 있는 일이 홍수와 홍수로 인한 잠재적인 질병으로부터 보호하는 것 외에는 거의 할 수 없었습니다. 그리고 사물 인터넷(IoT), 머신 러닝(ML), 인공 지능(AI)과 같은 기술은 미래 지향적인 리더들에게 숨쉴 공간을 제공할 수 있습니다.

자카르타 스마트시티에 DKI 자카르타 주 정부 홍수 통제 시스템을 적용한 애플리케이션입니다. 이 프로젝트는 자카르타 스마트 시티가 자카르타 물 서비스국(DSDA)과 협력하여 개발했으며 자카르타의 홍수 위험 관리를 최적화하는 것을 목표로 합니다. 이 프로젝트에는 도시의 홍수 위험에 대처하기 위한 조기 경보 시스템의 일부로 IoT, 인공 지능 및 기계 학습을 사용하는 것이 포함됩니다.

더 많은 조직이 상업 및 산업 환경에 IoT를 배포함에 따라 이러한 장치 및 센서에서 나오는 데이터의 양은 품질, 운영 효율성을 향상하는 데 중요한 역할을 할 수 있으며 자카르타의 경우 자연 재해 및 재산으로부터 생명을 구하는 데 도움이 될 수 있습니다. 매우 중요합니다.

SAS Institute의 산업 컨설팅 이사인 Kenneth Koh는 IoT 시스템이 환경에 대응할 수 있는 속도와 정확성이 중요하다고 믿습니다. 그러나 일반적인 시스템의 장치 및 기타 센서는 대량의 데이터를 생성하기 때문에 기존 도구와 방법은 이 데이터를 이해하는 프로세스를 느리게 할 수 있습니다.

인공지능 임베디드 IoT란?

Kenneth Koh: 엣지 또는 엣지 근처에서 데이터를 처리하면 IoT 시스템을 더욱 유연하고 영향력 있게 만들 수 있습니다. 그러나 데이터 기반 조치의 품질은 그 기반이 되는 데이터 기반 통찰력의 품질만큼 의미가 있습니다.

사물 인터넷 자체는 제조업체에게 새로운 것이 아닙니다. 제조업체는 수십 년 동안 기계에서 센서 데이터를 수집하고 저장해 왔습니다. 그들의 가치 제안은 AIoT에 있습니다. 즉, 엣지에서 실시간으로 데이터를 분석하고 인공 지능과 기계 학습을 활용하여 효율성과 가치를 높입니다.

IoT 시스템에 인공지능 기능을 탑재하면 다양한 정형 및 비정형 데이터를 엣지에서 처리할 수 있습니다. 시스템이 조치를 취할 수 있도록 고품질 통찰력을 더 빠르게 제공하세요.

인공 지능 임베디드 IoT가 비즈니스 가치를 실현하는 방법

Kenneth Koh: 인공 지능 임베디드 IoT는 운영 효율성과 생산성을 향상시키는 동시에 비용을 절감합니다. 또한 더 나은 고객 서비스, 더 나은 제품, 더 빠른 출시 시간을 제공하기 위해 혁신을 주도합니다.

IoT 장치에 AI를 내장하면 엣지 컴퓨팅이 가능해 일관된 5G 네트워크를 사용할 수 없는 곳에 IoT 시스템을 배포할 수 있습니다. 예를 들어, 물류 제공업체는 운송 차량에 IoT 센서를 사용하여 후자 경로의 원격 지역에서도 차량의 내부 및 외부 상태를 모니터링할 수 있습니다.

에지 컴퓨팅 외에도 AI 내장 IoT는 기계 학습을 활용하여 IoT 시스템에서 매일 생성되는 테라바이트급 데이터에서 실행 가능한 통찰력을 개발합니다. 위의 예에서 이러한 센서에서 수집된 데이터는 실시간으로 클라우드로 전송되므로 기술자는 차량 문제를 보다 정확하고 빠르게 해결할 수 있습니다.

제조업체는 이러한 통찰력을 사용하여 특정 공장 시스템이나 장비의 고장 시기를 예측하여 기술자가 예방적 유지 관리를 구현할 수도 있습니다. 결함이 있는 장비를 사전에 감지하면 귀중한 작업 시간을 절약하는 동시에 비용이 많이 드는 계획되지 않은 가동 중지 시간을 줄일 수 있습니다.

소매업에서는 IoT 시스템의 통찰력을 사용하여 제품의 최적 가격을 결정하고 공급망 중단을 최소화할 수 있습니다.

IoT 분석에서 기계 학습의 역할

Kenneth Koh: 기계 학습은 다른 IoT 배포에 비해 인공 지능 내장 IoT의 장점입니다. 시스템은 의사결정 트리, 랜덤 포레스트, 그래디언트 부스팅, 신경망, 지원 벡터 머신, 인수분해 머신 등 다양한 고급 분석 방법을 사용하여 센서에서 생성된 데이터를 처리하면서 학습할 수 있습니다.

이를 통해 조직의 비즈니스 인력 시간과 전문가가 절약됩니다. AI 시스템을 광범위하게 교육할 필요 없이 전문가는 다른 중요한 작업에 집중할 수 있고, 데이터 과학자가 아닌 사람은 데이터에 액세스하고, 보고, 처리할 수 있습니다.

기계 학습 기능은 또한 AI 시스템이 온라인과 오프라인 모두에서 시각적 이미지, 텍스트, 음성 음성까지 액세스하고 처리할 수 있는 데이터의 범위를 늘립니다. 기존 데이터의 양과 질이 향상되면 이를 통해 얻은 통찰력의 가치와 영향력도 커집니다.

이러한 기계 학습 기능을 결합하면 데이터 처리 속도와 양이 증가하여 실시간으로 실행 가능한 통찰력을 얻을 수 있습니다. 이는 많은 IoT 시스템에서 매우 중요합니다.

AIoT가 자카르타 스마트 시티를 지원하는 방법: 자카르타 스마트 시티는 SAS의 인공 지능 플랫폼을 활용하여 멀티 소스 데이터를 실시간으로 통합하고 IoT, 머신 러닝, 인공 지능 기술을 통해 고급 분석을 제공하여 긴급/재난 예측 기능과 최적화를 제공합니다. 서비스 공개. 그 결과 자카르타의 홍수 위험을 줄이는 홍수 비상 대응이 이루어졌습니다.

IoT가 역사적으로 운영 기술이었다면 누가 IoT 보안을 소유해야 할까요?

Kenneth Koh: IoT의 도입으로 기업 IT와 OT 간의 경계가 모호해졌습니다. 센서와 장치가 네트워크에 연결되어 새로운 시스템을 만들고 프로세스를 개선합니다. 동시에 이러한 융합은 기존 OT 장비와 시스템을 이전에 직면한 적이 없는 위협에 노출시킵니다.

실제로 진정한 장치 보안은 기술, 프로세스 및 모범 사례의 조합입니다. 따라서 IoT 시스템 보안은 OT나 IT 팀만의 전유물이 되어서는 안 되며, 둘 사이의 더욱 긴밀하고 효과적인 협업이 이루어져야 합니다.

그러나 IT 보안 팀과 OT 보안 팀은 종종 동일한 언어를 사용하지 않고 서로의 관점을 이해하는 데 어려움을 겪기 때문에 이는 말처럼 쉽지 않습니다.

책임 분배가 완전히 다릅니다. 우선순위가 서로 다른 경우가 많으며, OT 보안과 IT 보안을 관리하는 규정이 충돌하는 경우도 있습니다. 특정 환경의 모든 자산에 대한 개요를 얻으면 어떤 상황에서도 어떤 자산과 프로세스가 실패할 수 없는지 명확하게 알 수 있습니다.

이를 통해 조직은 통합 사이버 보안을 구축하고 실행하여 데이터 기밀성, 무결성 및 가용성을 보장할 수 있습니다.

IT 및 운영 기술자가 함께 작업할 수 있는 모범 사례를 인용하세요

Kenneth Koh: 제조 분야에서 데이터는 시간에 매우 민감합니다. 예를 들어 공정의 화학물질 농도가 최적 농도에서 벗어나는 경우 엔지니어는 몇 분만에 반응하여 수많은 제품을 절약할 수 있습니다.

많은 반도체 공정에서 엔지니어는 단 몇 초만에 반응할 수 있습니다. 이 경우 분석은 "에지"로 이동해야 합니다. 즉, 백오피스나 엔지니어링 부서가 아닌 기계나 작업 현장에서 데이터를 분석하고 의사결정을 내려야 합니다.

이를 위해서는 기계, 생산 현장, 클라우드 또는 백오피스 등 필요할 때마다 분석을 수행할 수 있는 능력이 필요합니다.

주요 과제 중 하나는 데이터 사일로입니다. IT/OT 융합을 구현하지 않은 조직의 경우 통합되지 않거나 부분적으로 통합된 애플리케이션과 엔터프라이즈 시스템의 패치워크가 있습니다. 신중한 계획 없이 IoT 센서와 같은 새로운 데이터 소스를 도입하면 문제가 더욱 복잡해질 수 있습니다.

IoT 시스템을 조직의 기존 기술 스택과 연결하는 데이터 통합 ​​플랫폼을 구현하면 과거 데이터와 미래 데이터 사이의 사일로를 허물고 단일 제어 지점을 통해 모든 팀에 동일한 액세스 권한을 제공할 수 있습니다. 이를 통해 IT 팀과 OT 팀이 동일한 페이지에 있게 되어 더 나은 IT/OT 통합을 위한 기반을 마련할 수 있습니다.

위 내용은 IoT 분석에서 인공지능의 가치의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!