QQ在（zài）线（xiàn）
企业微信（xìn）
资（zī）讯
327
物联网正（zhèng）变得越来越智能。企业正在（zài）将人工智能——特别是机器学习——融入物（wù）联（lián）网应用（yòng），并（bìng）看到能力的增长，包括提高操作效率和帮助避免（miǎn）计划外停机。
随着投资的浪潮、新（xīn）产品的大（dà）量涌现以及企业部署的不断（duàn）增加，人工智能正在物联网(IoT)领域掀起一（yī）股热潮。公司（sī）制定（dìng）物（wù）联网战略，评估潜在（zài）的物联（lián）网项目，或寻求从现有物联网部署（shǔ）中（zhōng）获（huò）得更多价值，可能需要探（tàn）索人工智能的角（jiǎo）色。
开启物联网潜力的人工智能钥匙
人工智能在物（wù）联网应用和部署（shǔ）中扮演着越来越重要（yào）的角色，这一转（zhuǎn）变（biàn）在该领（lǐng）域的企业（yè）行为中表现得（dé）非（fēi）常明显。对（duì）使用人工智能的（de）物联网初创企业的（de）风险投（tóu）资大（dà）幅（fú）上升。在过去的（de）两年里，公司（sī）已经收购了几十家在人工智能和物（wù）联网交叉领域工作的公司（sī）。而（ér）物联网平（píng）台软件的主要（yào）供应商现（xiàn）在正（zhèng）在（zài）提供集成的人工智能功能，比如基于机器学习的分析（xī）。
人工智能在物（wù）联网中扮演（yǎn）着重要角色，因为它有能力从数据中快速提取洞察力。机器学（xué）习，一项人工智能（néng）技术，带来了（le）自动识别模式和检测数据异常的能力，智能传感（gǎn）器和设备（bèi）产生（shēng）的信息（xī），如温度，压力，湿度（dù），空气（qì）质量，振（zhèn）动和声音。企业发现，在（zài）分析物联网数据方面，机器学习与传统商业智能（néng）工具相比具有（yǒu）显著优势，包括能够提前20倍进行操作预测，而且比基（jī）于阈值（zhí）的监（jiān）控系统的准确度更（gèng）高。语音（yīn）识（shí）别和计算（suàn）机视觉等（děng）其他人（rén）工智能技（jì）术可以（yǐ）帮助从（cóng）过去需要人（rén）工审查的数据中提（tí）取洞（dòng）察力。
人工智能和物（wù）联网技术（shù）的强大（dà）结合正（zhèng）在帮助（zhù）企业避免计划外停机，提高运营效（xiào）率，推出新产品和（hé）服务，并加强风险管理。
避免昂（áng）贵的（de）计划外停机时间
在许多（duō）部门（mén），由（yóu）于设备故障而（ér）导致的（de）计划外停机会（huì）造成严重损失。
预测维护——使用分（fèn）析方法提前（qián）预（yù）测设备故障，以便安排有序的维护程序——可以减少计（jì）划外（wài）停机（jī）带来的经（jīng）济损失（shī）。在制造业中，预测维护（hù）可（kě）以将计（jì）划（huá）维护所需的时（shí）间减少20-50%，将设备的（de）正常运行时间和可用（yòng）性提高10-20%，并（bìng）将总体维（wéi）护成本降低5-10%。
因为人（rén）工智能技术——尤其（qí）是机器（qì）学习——可以（yǐ）帮助识别（bié）模式（shì）和异常现象，并基（jī）于（yú）大量数据进行预测，它（tā）们（men）被（bèi）证明（míng）在（zài）实（shí）现预测维（wéi）护方面特别有用（yòng）。
提高操（cāo）作效率
人工智能驱动的物联网可以做的不仅（jǐn）仅是帮助避免计划外停机（jī）。它还可以帮（bāng）助提高操作效率。部分原因在于机器学习能够产生（shēng）快速（sù）而准（zhǔn）确（què）的预测和深刻的见解，以及人工（gōng）智能技术能够（gòu）自动完成越来越（yuè）多的任务。
例如，对好时来说，在生（shēng）产（chǎn）过程中控制产品的重（chóng）量至（zhì）关重（chóng）要:重（chóng）量精度每（měi）提（tí）高（gāo）1%，就可以为一批14000加（jiā）仑的产品（pǐn）(如Twizzlers)节省50多万美（měi）元。该公司利用物联网和机（jī）器学习，在生产过程中显著减少（shǎo）了（le）重量变化。数据由第二次采集（jí）和分析，重量变化可以通（tōng）过机器学习模型（xíng）进行预测，使得每天可进（jìn）行（háng）240个工艺调整，而（ér）在安装（zhuāng）ml驱动的物（wù）联（lián）网解决方案之前，每天只需进行12个（gè）工艺（yì）调（diào）整。
基于（yú）人（rén）工智能的预（yù）测也帮（bāng）助（zhù）谷歌削减（jiǎn）了40%的数据（jù）中心冷却成本。该解决方案根（gēn）据工厂（chǎng）内传感器提供的数据（jù）进行培训，预测（cè）未来一小时的温度和压力，以指导限制电（diàn）力消（xiāo）耗（hào）的（de）行动。
机器学习（xí）产生了深刻的见解，说（shuō）服了一位航运舰队运营商采取（qǔ）一种与（yǔ）直觉相反的行动，为他们节（jiē）省了大笔（bǐ）资金。从船上传感器收集（jí）的数（shù）据被（bèi）用来确定用于清（qīng）洁船体的金额和燃料效率之间的相（xiàng）关性。分析显示（shì），通过一年两次而不是两年（nián）一次的（de）清洗（xǐ）船（chuán）壳——从（cóng）而（ér）使清洁预（yù）算增加四倍——由于燃料效率的提（tí）高（gāo），他们最终将（jiāng）节省（shěng）40万美元（yuán）。
支持新（xīn）的和改进的产品（pǐn）和服务
物联网技术与人工智（zhì）能相（xiàng）结合可以形成改进的基础，并最（zuì）终形成全新的产品和服务。例如，在通用电气的无人机和基于机（jī）器（qì）人的工业（yè）检查服务方面，该公司希望（wàng）人工智能能够实现检查设备导航的自动化，以及根据检（jiǎn）查设备捕获的数据识（shí）别缺陷（xiàn）。这（zhè）可能会导（dǎo）致更安全，更（gèng）精确，并为客户节（jiē）省（shěng）高达25%的检查（chá）费用（yòng）。
与此同（tóng）时，劳斯莱（lái）斯计划不久推（tuī）出一项新（xīn）产品（pǐn），以物（wù）联网（wǎng）飞（fēi）机发动机维修服务（wù）为特色。该公司计划（huá）使用机（jī）器学习来（lái）帮助它发现模式，并（bìng）确定将出售给航空公司的运营见解。汽车（chē）制造商Navistar希望通过（guò）机器学习分析实时联网的车辆（liàng）数（shù）据，在车辆（liàng）健（jiàn）康诊断（duàn）和（hé）预测性维护服务（wù）方面创造新的收入来（lái）源。根据Navistar技术（shù）合作伙伴Cloudera的数据，这些（xiē）服务（wù）帮助近30万辆（liàng）汽车减少了40%的停机时间。
加强风险管理
许多将物联网与人工智能相结合的（de）应用程序正（zhèng）在帮助（zhù）组织更（gèng）好地理解和预测各种（zhǒng）风险，并实（shí）现快（kuài）速反应的（de）自（zì）动化，使他们能够更好地管理（lǐ）工人安全、财务损失和网（wǎng）络威胁。
例（lì）如，富士通(Fujitsu)已经尝试使（shǐ）用机器学（xué）习来分（fèn）析（xī）来自联网（wǎng）可穿戴设（shè）备的数据（jù），以估计其工厂工人长期积累的（de）潜在（zài）威胁热压力。印度和北美的银行（háng）已经开（kāi）始评估人工（gōng）智能（néng）通过atm上的联网监（jiān）控摄（shè）像头实时识别可疑活动的能力。汽车保（bǎo）险公司Progressive正在对联网汽车（chē）的数据进行机（jī）器学习分析，以精确定价其基于使用情况（kuàng）的保险费，从（cóng）而更好地管理（lǐ）承保风险。拉（lā）斯维加斯市已经转向了一种机器学（xué）习（xí）解决方案，以确保其智（zhì）能（néng）城市计划的安全，其目（mù）标（biāo）是实时（shí）自（zì）动检测和应对威胁（xié）。
对（duì）企业的启（qǐ）示（shì）
对于跨行业的企业来说，人工智能（néng）有（yǒu）可（kě）能提升物联网部署所创造（zào）的价值，从（cóng）而实现（xiàn）更好的产品（pǐn）和运（yùn）营（yíng），从而在业务绩效方面获得竞争优势。
考虑新的基于物联网（wǎng）项目的管理（lǐ）人（rén）员应该意识到，用（yòng）于预测能力的机（jī）器（qì）学习（xí）现在已与大多（duō）数主要的水平（换句（jù）话（huà）说，通（tōng）用）和工（gōng）业物（wù）联网平（píng）台集成（chéng），如MicrosoftAzureIoT、IBMWatsonIoT、AmazonAWSIoT、GEPredix和PTCThingWorx。
越来（lái）越（yuè）多的交钥（yào）匙、捆绑或垂直（zhí）物联网解决方案利用了（le）机（jī）器学习等人工智能技术。例如，对（duì）于联网的汽车使用案（àn）例（lì），宝马的CarData平台可（kě）以访（fǎng）问车（chē）主共（gòng）享的数（shù）据和IBMWatsonIoT的AI功（gōng）能。在消费品和零（líng）售（shòu）业（yè），许多补货自（zì）动（dòng）化和优（yōu）化（huà）解决方（fāng）案使用机器（qì）学习来预测（cè）需求和（hé）优（yōu）化库存水（shuǐ）平。汽车（chē）保险业的远程信息处理解决方（fāng）案提供（gòng）商正在（zài）整合机器学习（xí），以创建（jiàn）更准确（què）的风险模型和预测索赔行为。
也（yě）许可以使用人工智能技术从物联网部署中获取更（gèng）多价值（zhí），而物联网（wǎng）部署的设计（jì）并没有考虑到人工智能的使用。例如，匈（xiōng）牙利一家石（shí）油和（hé）天然气公司将机器学习（xí）应用于传（chuán）感器（qì）数据，这些数据在柴（chái）油（yóu）生产过程中已经被收集（jí）。该分析（xī）使该公司能够更准（zhǔn）确地预测燃料的硫含量，并帮助确定工艺（yì）改进，目前每（měi）年（nián）可为（wéi）公司节省60多万美元。企业可能已经在使用的（de）主要水平和工业物联（lián）网（wǎng）平台正在提供基于人工（gōng）智能的新功（gōng）能（néng），这可能（néng）有助于提高现有部署的价值。
物联（lián）网的未（wèi）来是人工（gōng）智能
在物联网的（de）情况下，机器学习可（kě）以帮（bāng）助公司获取他们拥有的数十亿个数据点，并将其归结为有意义（yì）的内容。总的前提和零售应（yīng）用程（chéng）序一样——回顾和分（fèn）析你收集的数据，找出可以从中学到的模式或（huò）相似之处（chù），以（yǐ）便做出更好的决策。物联网也会产生大数据，但人工智能只（zhī）是让这些大数据对一个行业（yè）有用和（hé）有意义的技术。物联网（wǎng）和人（rén）工智能技术之间互惠共存。有大量的（de）领域和商（shāng）业利基可以获得两种技（jì）术共存的（de）优（yōu）势。是时候（hòu）让机（jī）器指出（chū）真正的机（jī）会（huì）在哪里了。
