اینترنت هوشمند اشیا AIOT به عنوان آینده صنعت نسل ۴٫۰ در حال ظهور است

AIOT

دو روند حاکم بر صنعت فناوری عبارتند از اینترنت اشیاء (IoT) و هوش مصنوعی (AI). اما برای اتوماسیون صنعتی، این دو فناوری بسیار بیشتر از اصطلاحات مهم یا موضوعات ترند شده هستند. همگرایی AI و IoT آینده اتوماسیون صنعتی را بازتعریف می‌‌‌کند و قرار است به نوعی انقلاب صنعت ۴٫۰ را رهبری کند. IoT و AI دو فناوری مستقل هستند که تأثیر بسزایی در ستون‌‌‌های مختلف صنعت دارند. در حالی که IoT سیستم عصبی دیجیتال است، هوش مصنوعی به مثابه یک مغز است که تصمیم می‌‌‌گیرد و سیستم کلی را کنترل می‌‌‌کند. ترکیب مهلک هوش مصنوعی AI و IoT  اینترنت اشیاء، اینترنت هوشمند اشیا یا AIoT را به ما می‌‌‌دهد که سیستم‌‌‌های هوشمند و متصل را ارائه می‌‌‌دهد و قادر به اصلاح خود و بهینه‌سازی خودکار هستند.

پردازش ابری سه جنبه اصلی را برای سیستم‌‌‌های متصل فراهم می‌‌‌کند: اتصال، ذخیره‌‌‌سازی و محاسبه. رایانش ابری با داشتن معماری پیوسته فعال، چندین دستگاه را قادر می‌‌‌سازد به طور یکپارچه با یکدیگر ارتباط برقرار کنند. جدا از ارسال پیام‌‌‌های ماشین به ماشین (M2M) به یکدیگر، این دستگاه‌‌‌‌‌ها داده‌‌‌های سنجش از راه دور را به فضای ابری که به صورت مرکزی تعبیه و ذخیره شده است، ارسال می‌‌‌کنند. سرویس محاسباتی در ابر، این مجموعه داده‌‌‌های بزرگ را به نمایندگی از داده‌‌‌های مربوط به مجموعه‌‌‌های متنوعی از دستگاه‌‌‌‌‌ها برای استخراج اطلاعات، پردازش می‌‌‌کند. اتصال، ذخیره‌‌‌سازی و محاسبه پایه و اساس IoT شده است. در ابتدا، داده‌‌‌‌‌ها بر اساس معماری‌‌‌های کلان‌‌‌‌‌‌داده مانند Hadoop و Spark پردازش می‌‌‌شدند. IoT و کلان‌‌‌‌‌‌داده به ذینفعان کمک کردند تا الگوهای و ارتباط بین دستگاه‌‌‌‌‌ها و حسگرهای مختلف را درک کنند. نتیجه در شبیه‌‌‌سازی‌‌‌‌‌ها و نمودارهایی که بخشی از داشبورد IoT بودند ارائه شد.

اینترنت اشیا مبتنی بر پردازش ابری

به طور خلاصه، اولین نسل IoT مبتنی بر فناوری ابری پنج قابلیت اصلی را ارائه می‌‌‌دهد:

  • جمع‌‌‌‌آوری – داده‌‌‌های سنجش از دور مربوط به تعداد زیادی دستگاه و سنسور در یک مکان مرکزی جمع‌‌‌‌آوری می‌‌‌شود.
  • ذخیره – داده‌‌‌های سنجش از راه دور در سیستم‌‌‌های ذخیره‌‌‌سازی مقیاس‌پذیر مانند دریاچه‌‌‌های داده ذخیره می‌‌‌شود.
  • پردازش – از سیستم عامل‌‌‌های کلان‌‌‌‌‌‌داده برای پردازش و تحلیل داده‌‌‌های سنجش از راه دور استفاده می‌‌‌شود.
  • تجزیه‌‌‌‌‌‌‌وتحلیل – اطلاعات از سیستم‌‌‌های کلان‌‌‌‌‌‌داده از طریق شبیه‌‌‌سازی برای ارائه تجزیه‌‌‌‌‌‌‌وتحلیل استفاده می‌‌‌شود.
  • کنترل – اپراتورهای دستگاه و مهندسین میدانی بر اساس توصیه‌‌‌های سیستم‌‌‌های کلان‌‌‌‌‌‌داده دستگاه‌‌‌‌‌ها را کنترل می‌‌‌کنند.
  • اقدام – با ترکیب AI با IoT صنعتی، توانایی مهمی را در سیستم‌‌‌‌های متصل به آن اضافه می‌‌‌کنیم.

هوش مصنوعی با استفاده از الگوهای و همبستگی‌‌‌های داده‌‌‌های سنجش از راه دور فراتر از شبیه‌‌‌سازی است. این  فناوری با انجام اقدامات مناسب براساس داده‌‌‌‌‌‌‌ها، این شکاف بنیادی را به هم وصل می‌‌‌کند. به جای ارائه واقعیات به انسان‌‌‌‌‌ها برای فعال کردن آن‌‌‌‌‌‌‌ها، هوش مصنوعی با انجام یک عمل به طور خودکار حلقه را محدود می‌‌‌کند. هوش مصنوعی در اصل به مثابه مغز سیستم‌‌‌های متصل می‌‌‌شود.

هوش مصنوعی قصد دارد IoT صنعتی را در دو سطح متفاوت شارژ کند. درسطح اول، این امر با افزودن سنسورها به اطلاعات، بر داده‌‌‌های سنجش تأثیر می‌‌‌گذارد. در سطح دوم، از هوش مصنوعی برای تجزیه‌‌‌‌‌‌‌وتحلیل جریان داده‌‌‌های سنجش از راه دور آنی یا در حالت دسته‌‌‌‌‌ای استفاده می‌‌‌شود. هوش مصنوعی، خود را به شروع (دستگاه‌‌‌‌‌‌‌ها) و انتهای (تجزیه‌‌‌‌‌‌‌وتحلیل) طیف IoT وصل می‌‌‌کند.

به عنوان مثال، دوربینی که به عنوان حسگر تصویری در نظر گرفته می‌‌‌شود، هر فریم را به سیستم IoT ارسال می‌‌‌کند تا فید را برای اشیاء خاصی تجزیه‌‌‌‌‌‌‌وتحلیل کند. با اعمال هوش مصنوعی در دستگاه، دوربین فریم را فقط در صورت شناسایی یک شیء خاص ارسال می‌‌‌کند. این قابلیت به طور قابل توجهی باعث سرعت بخشیدن به فرایند می‌‌‌شود و در عین حال پردازنده را از پردازش هر فریم نجات می‌‌‌دهد. همین اصل ممکن است برای سنتز گفتار و اشکال دیگر داده‌‌‌های از راه دور اعمال شود. سنسورهای با قابلیت هوش مصنوعی آینده سیستم‌‌‌های IoT هستند. دوربین‌‌‌های هوشمند مجهز به شتاب‌‌‌دهنده‌‌‌های AI از Intel، NVIDIA و Qualcomm به زودی به سنسورهای تصویر استاندارد تبدیل می‌‌‌شوند.

با استفاده از مدل‌‌‌های یادگیری عمیق مبتنی بر شبکه‌‌‌های عصبی بر روی داده‌‌‌های سنجش از راه دور، سیستم‌‌‌‌‌‌های پیشرفته IoT قادر به یافتن ناهنجاری‌‌‌‌‌ها به صورت آنی هستند. هنگامی که یک خطای مهم توسط شبکه عصبی پیش بینی شده است، ممکن است دستگاه معیوب خاموش شود تا از تصادف یا حادثه مهلک جلوگیری شود. تفاوت کلیدی در قوانین حال حاضر IoT و AIoT، پویا کنشگری در برابر کنشگری انفعالی است. سیستم‌‌‌های IoT فعلی برای واکنش به یک واقعه طراحی شده‌اند در حالی که سیستم‌‌‌های AIoT می‌‌‌توانند به صورت فعالانه و پویا، خطاها، شکست‌‌‌‌‌ها و حوادث را تشخیص دهند. تزریق هوش مصنوعی در سیستم‌‌‌های IoT نوید نگهداری و حفاظت قابل پیش بینی را فراهم می‌‌‌کند که به سازمان‌‌‌‌‌ها کمک می‌‌‌کند تا میلیون‌‌‌‌‌ها دلار در پشتیبانی و نگهداری تجهیزات صرفه جویی کنند.

آینده اتوماسیون صنعتی در همگرایی AI و IoT نهفته است. هوش مصنوعی اینترنت اشیاء تقریباً بر روی هر یک از شاخه‌‌‌های صنعت از جمله خودرو، هواپیمایی، مالی، مراقبت‌‌‌های بهداشتی، تولید و زنجیره تأثیر خواهد گذاشت.

 

 

منبع: forbes

برچسب ها:
پیام بگذارید