AI をエッジにもたらす: まずパイプラインに焦点を当てる

データ パイプラインと、エッジ AI および機械学習機能をサポートするパイプラインが重要です。

人工知能と機械学習はエッジ領域で役割を果たし始めていますか? 徐々に、その通りです。しかし、企業は依然として、基盤となるデータ パイプラインと、人工知能と機械学習機能をサポートするパイプラインに焦点を当てる必要があります。三菱電機のプロダクトマネージャーであるロヒット・カダム氏は、「さまざまなマイクロサービスを使用する場合でも、それらをどのように展開または使用する場合でも、そのアーキテクチャの構築にもっと注意を払う必要があります。データを入手したら、マイクロサービスをどのように接続するかに焦点を当ててください。」

Kadam 氏は、エッジ実装の機会と課題に関する最近のパネル ディスカッションに参加し、同社のバッテリー発電所とシステムが IoT とエッジ システムを通じてどのように接続され、企業が健全性と経費を監視できるかを説明しました。 。カダム氏は、三菱電機では人工知能と機械学習が、顧客に提供する接続されたバッテリーパワーパック内の問題を会社に通知したり、下流のIoTデバイスを管理したりする上で重要な役割を果たしていると説明した。 「ML の仕組みは、バッテリーの動作を学習することで、バッテリーの充電量や航続可能距離がどのくらいあるかを知ることです。これらは、モデルをトレーニングするときに使用する重要な指標の一部です。学習すればするほど、

その強みと人工知能機能の組み合わせにより、カダムは次のように述べています。「私たちは現在、データの観点から先を見据えて、これらのプラントを安全に運転しようとすることを特定し、意思決定を行うことができます。危険信号が見られることを確認しました, 必要に応じてプラントを秩序だった方法で起動してシャットダウンする組み込みの安全メカニズム. これはすでに当社のソリューションに組み込まれており、エッジ コンピューティングの観点から見ると、分散アーキテクチャは、

運用メトリクスにより、バッテリー システムの可用性と保証が保証されます。 「私たちは、バッテリーの特性と時間の経過とともにどのように劣化するかを追跡するための IoT 使用状況メトリクスを持っています。私たちはバッテリー自体をエッジ ノードまたはエッジ コンピューティング デバイスと考えています。これは、バッテリーの電圧、電流、温度を追跡および監視するのに役立ちます。私たちはそれを処理します。そして情報をそこに保存し、それを履歴サーバーに送信して戻します。」

サプライチェーンには連携する必要がある部分が多数あり、それが基準を問題にしています。」とカダム氏は言いました。 「そこには統一された基準はなく、バッテリー発電所に関連するさまざまな基準に準拠するために最善を尽くしているだけです。」

課題は、「バッテリー発電所自体が独自の空間である」ということです。カダム氏は続けた。これは、電気自動車、送電網、変電所、ビルオートメーション システムにサービスを提供する市場です。 「私たちはブレンド キャンバスを持っており、それらをブレンドして北にストリーミングしようとしています。実際にすべてのデータを解析し、ブレンドして、さまざまなデータ セットをより効率的に履歴サーバーに送り返すようにしています。」

以上がAI をエッジにもたらす: まずパイプラインに焦点を当てるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。