邊緣人工智能——工業(yè)AI最有價(jià)值的應(yīng)用

如今，在云托管數(shù)據(jù)集上訓(xùn)練的人工智能和機(jī)器學(xué)習(xí)算法可以在網(wǎng)絡(luò)邊緣的本地計(jì)算設(shè)備上執(zhí)行，使工廠能夠在生產(chǎn)和使用地點(diǎn)安全、實(shí)時(shí)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(guò)程控制和自動(dòng)化的角度來(lái)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(shè)施中數(shù)千個(gè)相互連接的設(shè)備、系統(tǒng)和過(guò)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(guò)程的效率、可靠性和安全性。它還可以幫助減少人工干預(yù)繁重或日常任務(wù)的需要，最終有助于增加工廠正常運(yùn)行時(shí)間，同時(shí)降低運(yùn)營(yíng)成本。在實(shí)現(xiàn)這些目標(biāo)的過(guò)程中，人工智能也為實(shí)現(xiàn)全自動(dòng)化工廠運(yùn)營(yíng)的長(zhǎng)期目標(biāo)鋪平了道路。

人工智能算法由多年積累的實(shí)際運(yùn)營(yíng)數(shù)據(jù)提供支持，可以使用機(jī)器學(xué)習(xí)進(jìn)行訓(xùn)練，以發(fā)現(xiàn)人類工程師通常不會(huì)注意到的趨勢(shì)和異常。這些洞察可以預(yù)警傳感器即將發(fā)生的故障，或者建議如何微調(diào)特定過(guò)程以使其更節(jié)能。

有效的決策取決于確保及時(shí)獲取準(zhǔn)確、相關(guān)的數(shù)據(jù)，以及快速分析和解釋這些信息的能力。而在過(guò)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(guān)注人工智能最有價(jià)值的地方——也就是生產(chǎn)和使用運(yùn)營(yíng)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(shè)備上應(yīng)用人工智能實(shí)時(shí)或接近實(shí)時(shí)地執(zhí)行任務(wù)。為人工智能引擎決策過(guò)程提供信息的數(shù)據(jù)可以遠(yuǎn)程托管在云端。同樣，它也可能位于網(wǎng)絡(luò)邊緣，非?？拷O(shè)備本身。

雖然邊緣計(jì)算的起源可以追溯到2000年左右，但在網(wǎng)絡(luò)邊緣部署人工智能模型，是一個(gè)相對(duì)較新的現(xiàn)象。CPU功率和電路小型化的進(jìn)步，為緊湊型硬件設(shè)備提供了數(shù)字處理能力，在十年前這些能力被認(rèn)為只有超級(jí)計(jì)算機(jī)才有。同樣，高速5G連接允許從數(shù)千或數(shù)百萬(wàn)個(gè)物聯(lián)網(wǎng)（IoT）設(shè)備中收集數(shù)據(jù)，為云端或遠(yuǎn)程數(shù)據(jù)中心托管的日益復(fù)雜的AI/ML模型提供數(shù)據(jù)。用更多設(shè)備和更多數(shù)據(jù)訓(xùn)練這些模型，它們會(huì)變得更智能、更準(zhǔn)確、更可靠。

將人工智能計(jì)算能力轉(zhuǎn)移到網(wǎng)絡(luò)邊緣有幾個(gè)好處。首先，它可以大大降低在現(xiàn)場(chǎng)設(shè)備和云端傳輸大量數(shù)據(jù)的帶寬要求和相關(guān)成本。在本地而不是遙遠(yuǎn)的地方執(zhí)行應(yīng)用程序，還可以縮短系統(tǒng)延遲——數(shù)據(jù)來(lái)源點(diǎn)和處理地點(diǎn)之間的往返時(shí)間。無(wú)論你是坐在無(wú)人駕駛汽車?yán)?，還是在另一個(gè)大陸為患者進(jìn)行機(jī)器人手術(shù)，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(zāi)難性后果。

將計(jì)算資源集中在數(shù)據(jù)產(chǎn)生和消費(fèi)的地方，可以減輕通過(guò)互聯(lián)網(wǎng)將站點(diǎn)連接到遠(yuǎn)程數(shù)據(jù)中心所具有的潛在網(wǎng)絡(luò)安全風(fēng)險(xiǎn)。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(quán)的泄露和審查，從而可以確保對(duì)數(shù)據(jù)的最終所有權(quán)和控制權(quán)。

02

邊緣計(jì)算在關(guān)鍵任務(wù)中的作用

同樣，邊緣計(jì)算在關(guān)鍵任務(wù)的應(yīng)用中也很有吸引力，因?yàn)樗灰蕾囉诔掷m(xù)的互聯(lián)網(wǎng)連接來(lái)處理數(shù)據(jù)。這確保了應(yīng)用的高可用性，否則這些應(yīng)用可能會(huì)受到網(wǎng)絡(luò)中斷、或者連接不良的遠(yuǎn)程站點(diǎn)的影響。

考慮到這些優(yōu)勢(shì)，邊緣計(jì)算在許多工業(yè)過(guò)程控制和自動(dòng)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(chǎng)設(shè)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(shè)備和控制系統(tǒng)中所收集的、越來(lái)越多的數(shù)據(jù)。

每個(gè)工廠的運(yùn)營(yíng)人員都面臨著優(yōu)化工廠正常運(yùn)行時(shí)間、效率、安全性、可持續(xù)性和盈利能力的挑戰(zhàn)。關(guān)鍵是從數(shù)千個(gè)傳感器、子系統(tǒng)和其它來(lái)源產(chǎn)生的大量運(yùn)營(yíng)、IT和工程技術(shù)數(shù)據(jù)中及時(shí)提取可操作的見解。在遠(yuǎn)離移動(dòng)寬帶覆蓋的偏遠(yuǎn)或難以進(jìn)入的環(huán)境中，如礦山、化學(xué)加工廠、海上風(fēng)電場(chǎng)或石油平臺(tái)等，這一點(diǎn)尤其困難。從商業(yè)角度來(lái)看，邊緣和云計(jì)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(shí)際價(jià)值。

根據(jù)定義，邊緣和云計(jì)算模式有著根本的不同。不過(guò)，它們被廣泛視為互補(bǔ)技術(shù)，將邊緣計(jì)算的即時(shí)性、安全性和彈性與云計(jì)算的無(wú)限規(guī)模和存儲(chǔ)容量結(jié)合在一起。

一個(gè)典型的例子是化工廠的過(guò)程優(yōu)化模型。該模型由現(xiàn)場(chǎng)工業(yè)物聯(lián)網(wǎng)設(shè)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(chǎng)實(shí)時(shí)執(zhí)行。該模型的輸出可確保設(shè)備和系統(tǒng)能夠更快、更準(zhǔn)確地響應(yīng)其環(huán)境需求。

03

強(qiáng)大的邊緣智能工具

邊緣人工智能還可作為一種強(qiáng)大的工具，為工業(yè)設(shè)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(luò)邊緣的傳感器、執(zhí)行器和其他設(shè)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(chǔ)。訓(xùn)練有素的人工智能算法可以發(fā)現(xiàn)聯(lián)網(wǎng)設(shè)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(wàn)計(jì)的其他類似設(shè)備的歷史數(shù)據(jù)進(jìn)行交叉對(duì)比。通過(guò)向工廠人員發(fā)送自動(dòng)通知，它可以提前預(yù)警潛在的系統(tǒng)故障，否則可能會(huì)影響工廠或過(guò)程性能，導(dǎo)致代價(jià)高昂的計(jì)劃外停機(jī)。

未來(lái)，邊緣計(jì)算將為眾多工業(yè)自動(dòng)化應(yīng)用帶來(lái)變革性的影響。結(jié)合工業(yè)物聯(lián)網(wǎng)技術(shù)和人工智能驅(qū)動(dòng)的分析，邊緣計(jì)算可以作為云托管存儲(chǔ)和應(yīng)用的補(bǔ)充，從而挖掘過(guò)程工業(yè)中生產(chǎn)數(shù)據(jù)的更多價(jià)值。