ياسر خان الرئيس التنفيذي لشركة ONE Tech - سلسلة مقابلات

ياسر خان هو الرئيس التنفيذي لشركة تكنولوجيا واحدة شركة تكنولوجيا مدفوعة بالذكاء الاصطناعي تصمم وتطور وتنشر الجيل التالي من حلول إنترنت الأشياء لمصنعي المعدات الأصلية ومشغلي الشبكات والمؤسسات.

ما الذي جذبك في البداية إلى الذكاء الاصطناعي؟

قبل بضع سنوات ، قمنا بنشر حل إنترنت الأشياء الصناعي (IIoT) الذي ربط العديد من الأصول عبر موقع جغرافي واسع. كانت كمية البيانات التي تم إنشاؤها هائلة. قمنا بتجميع البيانات من PLCs بمعدلات أخذ عينات تبلغ 50 مللي ثانية وقيم المستشعر الخارجي بضع مرات في الثانية. على مدار دقيقة واحدة ، كان لدينا الآلاف من نقاط البيانات التي يتم إنشاؤها لكل أصل كنا نتواصل معه. كنا نعلم أن الطريقة القياسية لنقل هذه البيانات إلى خادم وجعل شخص ما يقوم بتقييم البيانات لم تكن واقعية ولا مفيدة للأعمال. لذلك شرعنا في إنشاء منتج من شأنه معالجة البيانات وإنشاء مخرجات قابلة للاستهلاك ، مما يقلل بشكل كبير من مقدار الرقابة التي تحتاجها المؤسسة من أجل جني فوائد نشر التحول الرقمي - الذي يركز بشدة على إدارة أداء الأصول والصيانة التنبؤية.

هل يمكنك مناقشة ماهية حل MicroAI من ONE Tech؟ 

MicroAI™ عبارة عن منصة للتعلم الآلي توفر مستوى أكبر من المعرفة حول أداء الأصول (الجهاز أو الآلة) واستخدامها والسلوك العام. تتراوح هذه الفائدة بين مديري مصانع التصنيع الذين يبحثون عن طرق لتحسين الفعالية الإجمالية للمعدات إلى مصنعي المعدات الأصلية للأجهزة الذين يرغبون في فهم كيفية أداء أجهزتهم بشكل أفضل في الميدان. نحن نحقق ذلك من خلال نشر حزمة صغيرة (صغيرة تصل إلى 70 كيلو بايت) على وحدة التحكم الدقيقة (MCU) أو المعالج الدقيق (MPU) للأصل. يتمثل الاختلاف الرئيسي في أن عملية تدريب MicroAI وتشكيل النموذج فريدة من نوعها. نقوم بتدريب النموذج مباشرة على الأصل نفسه. لا يسمح هذا فقط ببقاء البيانات محلية، مما يقلل من التكلفة ووقت النشر، ولكنه يزيد أيضًا من دقة وضبط مخرجات الذكاء الاصطناعي. يحتوي MicroAI على ثلاث طبقات أساسية:

1. استيعاب البيانات - MicroAI لا تعرف إدخال البيانات. يمكننا استهلاك أي قيمة مستشعر وتسمح منصة MicroAI بهندسة الميزات وترجيح المدخلات داخل هذه الطبقة الأولى.
2. قادة الإيمان - نتدرب مباشرة داخل البيئة المحلية. يمكن للمستخدم تحديد مدة التدريب اعتمادًا على الدورة العادية للأصل. عادة ، نحب أن نلتقط 25-45 دورة عادية ، ولكن هذا يعتمد بشكل كبير على التباين / التقلب لكل دورة تم التقاطها.
3. الناتج - يتم إنشاء الإخطارات والتنبيهات بواسطة MicroAI بناءً على شدة الحالة الشاذة التي يتم اكتشافها. يمكن للمستخدم تعديل هذه الحدود. تشمل المخرجات الأخرى التي تم إنشاؤها بواسطة MicroAI الأيام المتوقعة للصيانة التالية (لتحسين جداول الخدمة) ، والنقاط الصحية ، ومدة بقاء الأصول. يمكن إرسال هذه المخرجات إلى أنظمة تكنولوجيا المعلومات الموجودة لدى العملاء (أدوات إدارة دورة حياة المنتج ، إدارة الدعم / التذاكر ، الصيانة ، إلخ.)

هل يمكنك مناقشة بعض تقنيات التعلم الآلي وراء MicroAI؟

يتميز MicroAI بتحليل سلوكي متعدد الأبعاد معبأ داخل خوارزمية تكرارية. يؤثر كل إدخال يتم إدخاله في محرك الذكاء الاصطناعي على العتبات (الحدود العليا والسفلى) التي تم تعيينها بواسطة نموذج الذكاء الاصطناعي. نقوم بذلك من خلال توفير التنبؤ بخطوة واحدة للأمام. على سبيل المثال ، إذا كان أحد المدخلات هو عدد الدورات في الدقيقة وزيادة عدد الدورات في الدقيقة ، فقد ترتفع عتبة الحد الأعلى لدرجة حرارة المحمل قليلاً بسبب حركة الماكينة الأسرع. هذا يسمح للنموذج بالاستمرار في التطور والتعلم.

MicroAI لا تعتمد على الوصول إلى السحابة ، ما هي مزايا ذلك؟

لدينا نهج فريد لتشكيل النماذج مباشرة على نقطة النهاية (حيث يتم إنشاء البيانات). هذا يجلب خصوصية البيانات والأمان لعمليات النشر لأن البيانات لا تحتاج إلى مغادرة البيئة المحلية. هذا مهم بشكل خاص لعمليات النشر حيث تكون خصوصية البيانات إلزامية. علاوة على ذلك ، فإن عملية تدريب البيانات في السحابة تستغرق وقتًا طويلاً. يعود سبب استهلاك الوقت هذا لكيفية اقتراب الآخرين من هذا الفضاء إلى الحاجة إلى تجميع البيانات التاريخية ، ونقل البيانات إلى السحابة ، وتشكيل نموذج ، وفي النهاية دفع هذا النموذج إلى الأصول النهائية. يمكن لـ MicroAI التدريب والعيش بنسبة 100 ٪ في البيئة المحلية.

تتمثل إحدى ميزات تقنية MicroAI في الكشف السريع عن الشذوذ ، فهل يمكنك توضيح هذه الوظيفة؟

نظرًا لنهجنا في التحليل السلوكي ، يمكننا نشر MicroAI والبدء على الفور في تعلم سلوك الأصل. يمكننا أن نبدأ في رؤية أنماط داخل السلوك. مرة أخرى ، هذا دون الحاجة إلى تحميل أي بيانات تاريخية. بمجرد أن نحصل على دورات كافية للأصل ، يمكننا بعد ذلك البدء في إنشاء مخرجات دقيقة من نموذج الذكاء الاصطناعي. هذا هو الرائد في الفضاء. ما كان يستغرق أسابيع أو شهورًا لتشكيل نموذج دقيق يمكن أن يحدث في غضون ساعات ، وأحيانًا دقائق.

ما الفرق بين MicroAI ™ Helio و MicroAI ™ Atom؟

خادم MicroAI ™ Helio:

يمكن نشر بيئة خادم Helio في خادم محلي (الأكثر شيوعًا) ، أو في مثيل سحابي. يوفر Helio الوظائف التالية: (إدارة سير العمل ، وتحليل البيانات وإدارتها ، وتصور البيانات).

سير العمل لإدارة الأصول - تسلسل هرمي لمكان نشرها وكيفية استخدامها. (على سبيل المثال ، إعداد جميع مرافق العملاء على مستوى العالم ، ومرافق وأقسام محددة داخل كل منشأة ، ومحطات فردية ، وصولاً إلى كل أصل في كل محطة). علاوة على ذلك ، قد يتم إعداد الأصول لأداء وظائف مختلفة بمعدلات دورة مختلفة ؛ يمكن تكوين هذا ضمن مهام سير العمل هذه. بالإضافة إلى القدرة على إدارة التذاكر / أمر العمل ، والتي تعد أيضًا جزءًا من بيئة خادم Helio.

تحليل البيانات وإدارتها - ضمن هذا القسم من Helio ، يمكن للمستخدم إجراء مزيد من التحليلات على مخرجات AI ، إلى جانب أي لقطات بيانات أولية (على سبيل المثال ، قيم بيانات الحد الأقصى والحد الأدنى والمتوسط ​​على أساس كل ساعة أو توقيعات البيانات التي أطلقت تنبيهًا أو إنذارًا) . يمكن أن تكون هذه استعلامات تم تكوينها في مصمم Helio Analytics أو تحليلات أكثر تقدمًا يتم جلبها من أدوات مثل R ، وهي لغة برمجة. طبقة إدارة البيانات هي المكان الذي يمكن للمستخدم فيه استخدام بوابة إدارة API لاتصالات الطرف الثالث التي تستهلك و / أو ترسل البيانات بالتنسيق مع بيئة Helio.

عرض مرئي للمعلومات - يوفر Helio قوالب لتقارير مختلفة خاصة بالصناعة ، مما يسمح للمستخدمين بمشاهدة عروض إدارة أصول المؤسسة وإدارة أداء الأصول لأصولهم المتصلة من كل من تطبيقات سطح المكتب والأجهزة المحمولة Helio.

ذرة MicroAI:

MicroAI Atom عبارة عن نظام أساسي للتعلم الآلي مصمم للتضمين في بيئات MCU. يتضمن ذلك تدريب الخوارزمية العودية لتحليل السلوك متعدد الأبعاد مباشرةً في بنية MCU المحلية - وليس في سحابة ثم دفعها إلى وحدة MCU. يسمح هذا بتسريع بناء ونشر نماذج ML من خلال التوليد التلقائي للحدود العليا والسفلى بناءً على نموذج متعدد المتغيرات يتم تشكيله مباشرة على نقطة النهاية. لقد أنشأنا MicroAI لتكون طريقة أكثر فاعلية لاستهلاك بيانات الإشارة ومعالجتها لتدريب النماذج مقارنة بالطرق التقليدية الأخرى. هذا لا يجلب مستوى أعلى من الدقة للنموذج الذي تم تكوينه فحسب ، بل يستخدم موارد أقل على الأجهزة المضيفة (على سبيل المثال ، استخدام ذاكرة أقل واستخدام وحدة المعالجة المركزية) ، مما يسمح لنا بالتشغيل في بيئات مثل MCU.

لدينا عرض أساسي آخر يسمى MicroAI ™ Network.

شبكة MicroAI ™ - يسمح بدمج شبكة Atoms وهرسها مع مصادر البيانات الخارجية لإنشاء نماذج متعددة مباشرة على الحافة. يسمح هذا بإجراء تحليل أفقي ورأسي على الأصول المختلفة التي تقوم بتشغيل Atom. تسمح شبكة MicroAI بمستوى أعمق من فهم كيفية أداء الجهاز / الأصل فيما يتعلق بالأصول المماثلة التي يتم نشرها. مرة أخرى ، نظرًا لنهجنا الفريد في تشكيل النماذج مباشرة على الحافة ، فإن نماذج التعلم الآلي تستهلك القليل جدًا من الذاكرة ووحدة المعالجة المركزية للأجهزة المضيفة.

تقدم ONE Tech أيضًا استشارات أمان إنترنت الأشياء. ما هي عملية نمذجة التهديدات واختبار اختراق إنترنت الأشياء؟

نظرًا لقدرتنا على فهم كيفية تصرف الأصول ، يمكننا استهلاك البيانات المتعلقة بالأجزاء الداخلية للجهاز المتصل (على سبيل المثال ، وحدة المعالجة المركزية ، استخدام الذاكرة ، حجم / تردد حزمة البيانات). تمتلك أجهزة إنترنت الأشياء ، في معظمها ، نمطًا منتظمًا للعملية — عدد المرات التي تنقل فيها البيانات ، وأين ترسل البيانات ، وحجم حزمة البيانات تلك. نحن نطبق MicroAI لاستهلاك معلمات البيانات الداخلية هذه لتشكيل خط أساس لما هو طبيعي لهذا الجهاز المتصل. في حالة حدوث إجراء غير طبيعي على الجهاز ، يمكننا تشغيل استجابة. يمكن أن يتراوح هذا من إعادة تشغيل الجهاز أو فتح تذكرة داخل أداة إدارة أمر العمل ، إلى قطع حركة مرور الشبكة بالكامل إلى الجهاز. طور فريق الأمان لدينا اختراقات اختبار واكتشفنا بنجاح العديد من محاولات هجوم Zero-Day باستخدام MicroAI بهذه الصفة.

هل هناك أي شيء آخر تود مشاركته حول ONE Tech، Inc؟

يوجد أدناه رسم تخطيطي لكيفية عمل MicroAI Atom. البدء بالحصول على البيانات الأولية والتدريب والمعالجة في البيئة المحلية واستنتاج البيانات وتوفير المخرجات.

يوجد أدناه رسم تخطيطي لكيفية عمل شبكة MicroAI. تتغذى العديد من ذرات MicroAI في شبكة MicroAI. إلى جانب بيانات Atom ، يمكن دمج مصادر البيانات الإضافية في النموذج للحصول على فهم أكثر دقة لكيفية أداء الأصل. علاوة على ذلك ، يتم تشكيل نماذج متعددة داخل شبكة MicroAI تسمح لأصحاب المصلحة بإجراء تحليل أفقي حول كيفية أداء الأصول في مناطق مختلفة ، بين العملاء ، قبل وبعد التحديثات ، إلخ.

شكرًا لك على المقابلة وردودك التفصيلية ، يجب على القراء الذين يرغبون في معرفة المزيد زيارة تكنولوجيا واحدة.