ياسر خان، الرئيس التنفيذي لشركة ONE Tech – سلسلة المقابلات

ياسر خان، هو الرئيس التنفيذي لشركة ONE Tech وهي شركة تقنية مدفوعة بالذكاء الاصطناعي التي تصمم وتطوير ونشر حلول إنترنت الأشياء الجيل التالي للمصنعين، مشغلي الشبكات والشركات.

ما الذي جذبك في البداية إلى الذكاء الاصطناعي؟

منذ بضع سنوات، قمنا بنشر حل لإنترنت الأشياء الصناعية (IIoT) الذي يربط العديد من الأصول عبر موقع جغرافي واسع. كانت كمية البيانات التي تم توليدها هائلة. قمنا بدمج البيانات من PLCs بسرعة عينة من 50 مللي ثانية وقيم 센سور خارجية عدة مرات في الثانية. خلال دقيقة واحدة، كان لدينا آلاف النقاط البيانية التي تم توليدها لكل أصل كنّا نربطه. كنا نعرف أن الطريقة القياسية لنقل هذه البيانات إلى خادم وتقييم البيانات من قبل شخص ليس واقعية ولا مفيدة للأعمال. لذلك، قمنا بإنشاء منتج يعالج البيانات ويولد مخرجات قابلة للاستهلاك، مما يقلل بشكل كبير من مقدار الإشراف الذي تحتاجه المنظمة للاستفادة من فوائد نشر التحول الرقمي – مع التركيز بشكل كبير على إدارة أداء الأصول والصيانة التنبؤية.

يمكنك مناقشة ما هو MicroAI حل شركة ONE Tech؟ 

MicroAI ™ هو منصة تعلم الآلة توفر مستوى أعلى من الرؤية لأداء الأصل (الجهاز أو الآلة) والاستخدام والسلوك العام. يتمحور هذا الفائدة من مديري مصنع يبحثون عن طرق لتحسين فعالية المعدات بشكل عام إلى مصنعي الأجهزة الذين يرغبون في فهم أفضل لكيفية أداء أجهزتهم في الميدان. نحقق ذلك من خلال نشر حزمة صغيرة (تصل إلى 70 كب) على متحكم دقيق (MCU) أو معالج دقيق (MPU) للأصل. تميز رئيسي هو أن عملية تدريب MicroAI وتشكيل نموذج فريد. نقوم بتدريب النموذج مباشرة على الأصل نفسه. لا يسمح هذا فقط للبيانات بالبقاء محلية، مما يقلل من تكلفة ووقت النشر، ولكنه يزيد أيضًا من دقة وضبط الإخراج الاصطناعي. MicroAI لديها ثلاث طبقات رئيسية:

1. استهلاك البيانات – MicroAI محايد لمدخلات البيانات. يمكننا استهلاك أي قيمة 센سور وسمح لمنصة MicroAI بتصميم الميزات ووزن المدخلات في هذه الطبقة الأولى.
2. التدريب – نقوم بتدريب مباشر في البيئة المحلية. يمكن للمستخدم تحديد مدة التدريب حسب ما هو دورة عادية للأصل. عادة، نحب أن نلتقط 25-45 دورة عادية، ولكن هذا يعتمد بشكل كبير على تباين / تقلبات كل دورة تم التقاطها.
3. الإخراج – يتم إنشاء الإشعارات والتنبيهات بواسطة MicroAI بناءً على شدة الشذوذ الذي يتم الكشف عنه. يمكن للمستخدم تعديل هذه العتبات. تشمل الإخراجات الأخرى التي تم إنشاؤها بواسطة MicroAI تنبؤات الأيام حتى الصيانة التالية (لتحسين جداول الخدمة)، درجة الصحة، ومدة الحياة المتبقية للأصل. يمكن إرسال هذه الإخراجات إلى أنظمة تكنولوجيا المعلومات الحالية التي لدى العملاء (أدوات إدارة دورة حياة المنتج، إدارة الدعم / التذاكر، الصيانة، إلخ.)

يمكنك مناقشة بعض تقنيات التعلم الآلي خلف MicroAI؟

MicroAI يضم تحليل السلوك المتعددة الأبعاد في خوارزمية متكررة. كل مدخل يتم تغذيته إلى محرك الذكاء الاصطناعي يؤثر على العتبات (الحدود العليا والسفلى) التي تم تحديدها بواسطة نموذج الذكاء الاصطناعي. نحقق ذلك من خلال تقديم تنبؤ واحد خطوة أمام. على سبيل المثال، إذا كان أحد المدخلات هو RPMs وزيادة RPMs، قد يزيد الحد الأعلى للعتبة من درجة حرارة المحامل قليلا بسبب حركة الآلة الأسرع. هذا يسمح للنموذج بالاستمرار في التطور والتعلم.

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

لدينا نهج فريد لتشكيل النماذج مباشرة في النقطة النهائية (حيث يتم توليد البيانات). هذا يأتي بخصوصية البيانات وأمانها إلى النشرات لأن البيانات لا تحتاج إلى مغادرة البيئة المحلية. هذا مهم بشكل خاص للنشرات التي يكون فيها الخصوصية الإلزامية. بالإضافة إلى ذلك، عملية تدريب البيانات في السحابة تستغرق وقتًا. يسبب هذا الاستهلاك الزمني لنهج الآخرين في هذا المجال الحاجة إلى تجميع البيانات التاريخية، نقل البيانات إلى السحابة، تشكيل نموذج، و最終ًا وضع هذا النموذج في الأصول النهائية. MicroAI يمكنه التدريب والبقاء 100٪ في البيئة المحلية.

واحدة من ميزات تكنولوجيا MicroAI هي الكشف عن الشذوذ المتسارع، يمكنك توضيح هذه الوظيفة؟

بسبب نهجنا لتحليل السلوك، يمكننا نشر MicroAI والبدء في تعلم سلوك الأصل على الفور. يمكننا رؤية الأنماط في السلوك. مرة أخرى، هذا بدون الحاجة إلى تحميل أي بيانات تاريخية. بمجرد التقاط دورات كافية من الأصل، يمكننا البدء في توليد مخرجات دقيقة من نموذج الذكاء الاصطناعي. هذا متميز في هذا المجال. ما كان يأخذ أسابيع أو أشهر لتشكيل نموذج دقيق يمكن أن يحدث في غضون ساعات، وأحيانًا دقائق.

ما الفرق بين MicroAI ™ Helio و MicroAI ™ Atom؟

MicroAI ™ Helio Server:

يمكن نشر بيئة Helio Server في خادم محلي (الأكثر شيوعًا)، أو في مثيل سحابي. توفر Helio الوظائف التالية: (إدارة Flux، تحليل البيانات وإدارتها، وتصور البيانات).

Flux لإدارة الأصول – هرمية من حيث موقعهم ونشرهم وكيفية استخدامهم. (على سبيل المثال، إعداد جميع مرافق العملاء على مستوى العالم، مرافق محددة وقسم داخل كل مرفق، محطات فردية، حتى كل أصل في كل محطة). بالإضافة إلى ذلك، يمكن إعداد الأصول للقيام بمهام مختلفة مع معدلات دورة مختلفة؛ يمكن تكوين ذلك في هذه Flux. بالإضافة إلى ذلك، هناك القدرة على إدارة التذاكر / أوامر العمل، والتي هي أيضًا جزء من بيئة Helio Server.

تحليل البيانات وإدارتها – في هذا القسم من Helio، يمكن للمستخدم تشغيل تحليلات إضافية على مخرجات الذكاء الاصطناعي، بالإضافة إلى أي لقطة بيانات خام (على سبيل المثال، القيم القصوى والدنيا والمتوسطة للبيانات على أساس ساعي أو توقيعات البيانات التي.triggered تنبيه أو إنذار). يمكن أن تكون هذه الاستفسارات التي تم تكوينها في مصمم تحليلات Helio أو تحليلات أكثر تقدمًا يتم جلبها من أدوات مثل R، لغة برمجة. طبقة إدارة البيانات هي حيث يمكن للمستخدم استخدام بوابة إدارة واجهة برمجة التطبيقات للاتصالات الجانبية التي تستهلك و / أو ترسل البيانات بالتنسيق مع بيئة Helio.

تصور البيانات – توفر Helio قوالب لتقارير محددة حسب الصناعة، مما يسمح للمستخدمين بالاستفادة من إدارة الأصول وإدارة أداء الأصول لمواردهم المتصلة من تطبيقات Helio للأجهزة المكتبية والجوال.

MicroAI Atom:

MicroAI Atom هو منصة تعلم الآلة مصممة للدمج في بيئات MCU. هذا يشمل تدريب تحليل السلوك المتعددة الأبعاد الخوارزمية المتكررة مباشرة في معمارية MCU المحلية – وليس في السحابة ثم دفعها إلى MCU. هذا يسمح بتعجيل بناء ونشر نماذج التعلم الآلي من خلال التوليد التلقائي للعتبات العليا والدنيا بناءً على نموذج متعدد المتغيرات يتم تشكيله مباشرة في النقطة النهائية. لقد قمنا بإنشاء MicroAI ليكون وسيلة أكثر كفاءة لاستهلاك ومعالجة بيانات الإشارة لتدريب النماذج من الطرق التقليدية الأخرى. هذا لا يزيد فقط من دقة النموذج المكون ولكن يستخدم أيضًا موارد أقل على الأجهزة المضيفة (أي استخدام أقل للذاكرة واستخدام وحدة المعالجة المركزية)، مما يسمح لنا بالتشغيل في بيئات مثل MCU.

لدينا عرض أساسي آخر يسمى MicroAI ™ Network.

MicroAI ™ Network – يسمح بدمج شبكة من الذرات وتحويلها مع مصادر بيانات خارجية لإنشاء نماذج متعددة مباشرة في الحافة. هذا يسمح بتشغيل تحليل أفقي وعمودي على الموارد المختلفة التي تعمل Atom. يسمح MicroAI Network بمستوى أعمق من الفهم لكيفية أداء الجهاز / الأصل فيما يتعلق بالموارد المماثلة التي يتم نشرها. مرة أخرى، بسبب نهجنا الفريد لتشكيل النماذج مباشرة في الحافة، تستهلك نماذج التعلم الآلي كمية صغيرة من الذاكرة ووحدة المعالجة المركزية للأجهزة المضيفة.

ONE Tech تقدم أيضًا استشارات أمن إنترنت الأشياء. ما هي عملية نمذجة التهديد واختبار اختراق إنترنت الأشياء؟

بسبب khảنا لفهم كيفية سلوك الأصول، يمكننا استهلاك البيانات المتعلقة بالداخلية للأجهزة المتصلة (على سبيل المثال، استخدام وحدة المعالجة المركزية، استخدام الذاكرة، حجم حزمة البيانات / التردد). الأجهزة المتصلة لديها، في معظم الأحيان، نمط عمل منتظم – كيف souvent ترسل البيانات، إلى哪里 ترسل البيانات، وحجم حزمة البيانات. نقوم بتطبيق MicroAI لاستهلاك هذه المعلمات الداخلية للبيانات لتشكيل نمط ما هو طبيعي للأجهزة المتصلة. إذا حدث عمل غير عادي على الجهاز، يمكننا تشغيل استجابة. هذا يمكن أن يتراوح من إعادة تشغيل الجهاز إلى فتح تذكرة في أداة إدارة أوامر العمل، إلى قطع حركة المرور الشبكية完全 إلى الجهاز. قام فريق الأمن بتطوير اختبارات الخداع وتم الكشف بنجاح عن محاولات هجوم Zero-Day باستخدام MicroAI بهذه الصفة.

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

فيما يلي مخطط لتوضيح كيفية عمل MicroAI Atom. بدءًا من الحصول على البيانات الخام، والتدريب والمعالجة في البيئة المحلية، والاستدلال من البيانات وتقديم الإخراج.

فيما يلي مخطط لتوضيح كيفية عمل MicroAI Network. العديد من MicroAI Atoms يتم تغذيته إلى MicroAI Network. بالإضافة إلى بيانات Atom، يمكن دمج مصادر بيانات إضافية في النموذج للحصول على فهم أكثر دقة لكيفية أداء الأصل. بالإضافة إلى ذلك، في MicroAI Network يتم تشكيل نماذج متعددة مما يسمح للمشتركين بتشغيل تحليل أفقي على كيفية أداء الأصول في مناطق مختلفة، بين العملاء، قبل وبعد التحديثات، إلخ.

شكرًا على المقابلة والإجابات المفصلة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة ONE Tech.