物聯網正變得越來越智能。企業正在將人工智能——特別是機器學習——融入物聯網應用，并看到能力的增長，包括提高操作效率和幫助避免計劃外停機。隨著投資的浪潮、新產品的大量涌現以及企業部署的不斷增加，人工智能正在物聯網(IoT)領域掀起一股熱潮。公司制定物聯網戰略，評估潛在的物聯網項目，或尋求從現有物聯網部署中獲得更多價值，可能需要探索人工智能的角色。

         人工智能在物聯網應用和部署中扮演著越來越重要的角色，這一轉變在該領域的企業行為中表現得非常明顯。對使用人工智能的物聯網初創企業的風險投資大幅上升。在過去的兩年里，公司已經收購了幾十家在人工智能和物聯網交叉領域工作的公司。而物聯網平臺軟件的主要供應商現在正在提供集成的人工智能功能，比如基于機器學習的分析。

       人工智能在物聯網中扮演著重要角色，因為它有能力從數據中快速提取洞察力。機器學習，一項人工智能技術，帶來了自動識別模式和檢測數據異常的能力，智能傳感器和設備產生的信息，如溫度，壓力，濕度，空氣質量，振動和聲音。企業發現，在分析物聯網數據方面，機器學習與傳統商業智能工具相比具有顯著優勢，包括能夠提前20倍進行操作預測，而且比基于閾值的監控系統的準確度更高。語音識別和計算機視覺等其他人工智能技術可以幫助從過去需要人工審查的數據中提取洞察力。

       人工智能和物聯網技術的強大結合正在幫助企業避免計劃外停機，提高運營效率，推出新產品和服務，并加強風險管理。

       在許多部門，由于設備故障而導致的計劃外停機會造成嚴重損失。

       預測維護——使用分析方法提前預測設備故障，以便安排有序的維護程序——可以減少計劃外停機帶來的經濟損失。在制造業中，預測維護可以將計劃維護所需的時間減少20-50%，將設備的正常運行時間和可用性提高10-20%，并將總體維護成本降低5-10%。

        因為人工智能技術——尤其是機器學習——可以幫助識別模式和異?，F象，并基于大量數據進行預測，它們被證明在實現預測維護方面特別有用。

       人工智能驅動的物聯網可以做的不僅僅是幫助避免計劃外停機。它還可以幫助提高操作效率。部分原因在于機器學習能夠產生快速而準確的預測和深刻的見解，以及人工智能技術能夠自動完成越來越多的任務。

       例如，對好時來說，在生產過程中控制產品的重量至關重要:重量精度每提高1%，就可以為一批14000加侖的產品(如Twizzlers)節省50多萬美元。該公司利用物聯網和機器學習，在生產過程中顯著減少了重量變化。數據由第二次采集和分析，重量變化可以通過機器學習模型進行預測，使得每天可進行240個工藝調整，而在安裝ml驅動的物聯網解決方案之前，每天只需進行12個工藝調整。

       基于人工智能的預測也幫助谷歌削減了40%的數據中心冷卻成本。該解決方案根據工廠內傳感器提供的數據進行培訓，預測未來一小時的溫度和壓力，以指導限制電力消耗的行動。

       機器學習產生了深刻的見解，說服了一位航運艦隊運營商采取一種與直覺相反的行動，為他們節省了大筆資金。從船上傳感器收集的數據被用來確定用于清潔船體的金額和燃料效率之間的相關性。分析顯示，通過一年兩次而不是兩年一次的清洗船殼——從而使清潔預算增加四倍——由于燃料效率的提高，他們最終將節省40萬美元。

          物聯網技術與人工智能相結合可以形成改進的基礎，并最終形成全新的產品和服務。例如，在通用電氣的無人機和基于機器人的工業檢查服務方面，該公司希望人工智能能夠實現檢查設備導航的自動化，以及根據檢查設備捕獲的數據識別缺陷。這可能會導致更安全，更精確，并為客戶節省高達25%的檢查費用。

       與此同時，勞斯萊斯計劃不久推出一項新產品，以物聯網飛機發動機維修服務為特色。該公司計劃使用機器學習來幫助它發現模式，并確定將出售給航空公司的運營見解。汽車制造商Navistar希望通過機器學習分析實時聯網的車輛數據，在車輛健康診斷和預測性維護服務方面創造新的收入來源。根據Navistar技術合作伙伴Cloudera的數據，這些服務幫助近30萬輛汽車減少了40%的停機時間。

       許多將物聯網與人工智能相結合的應用程序正在幫助組織更好地理解和預測各種風險，并實現快速反應的自動化，使他們能夠更好地管理工人安全、財務損失和網絡威脅。

       例如，富士通(Fujitsu)已經嘗試使用機器學習來分析來自聯網可穿戴設備的數據，以估計其工廠工人長期積累的潛在威脅熱壓力。印度和北美的銀行已經開始評估人工智能通過atm上的聯網監控攝像頭實時識別可疑活動的能力。汽車保險公司Progressive正在對聯網汽車的數據進行機器學習分析，以精確定價其基于使用情況的保險費，從而更好地管理承保風險。拉斯維加斯市已經轉向了一種機器學習解決方案，以確保其智能城市計劃的安全，其目標是實時自動檢測和應對威脅。

        對于跨行業的企業來說，人工智能有可能提升物聯網部署所創造的價值，從而實現更好的產品和運營，從而在業務績效方面獲得競爭優勢。

       考慮新的基于物聯網項目的管理人員應該意識到，用于預測能力的機器學習現在已與大多數主要的水平（換句話說，通用）和工業物聯網平臺集成，如MicrosoftAzureIoT、IBMWatsonIoT、AmazonAWSIoT、GEPredix和PTCThingWorx。

       越來越多的交鑰匙、捆綁或垂直物聯網解決方案利用了機器學習等人工智能技術。例如，對于聯網的汽車使用案例，寶馬的CarData平臺可以訪問車主共享的數據和IBMWatsonIoT的AI功能。在消費品和零售業，許多補貨自動化和優化解決方案使用機器學習來預測需求和優化庫存水平。汽車保險業的遠程信息處理解決方案提供商正在整合機器學習，以創建更準確的風險模型和預測索賠行為。

       也許可以使用人工智能技術從物聯網部署中獲取更多價值，而物聯網部署的設計并沒有考慮到人工智能的使用。例如，匈牙利一家石油和天然氣公司將機器學習應用于傳感器數據，這些數據在柴油生產過程中已經被收集。該分析使該公司能夠更準確地預測燃料的硫含量，并幫助確定工藝改進，目前每年可為公司節省60多萬美元。企業可能已經在使用的主要水平和工業物聯網平臺正在提供基于人工智能的新功能，這可能有助于提高現有部署的價值。

        在物聯網的情況下，機器學習可以幫助公司獲取他們擁有的數十億個數據點，并將其歸結為有意義的內容。總的前提和零售應用程序一樣——回顧和分析你收集的數據，找出可以從中學到的模式或相似之處，以便做出更好的決策。物聯網也會產生大數據，但人工智能只是讓這些大數據對一個行業有用和有意義的技術。物聯網和人工智能技術之間互惠共存。有大量的領域和商業利基可以獲得兩種技術共存的優勢。是時候讓機器指出真正的機會在哪里了。

來源:千家網