Yasser Khan, generální ředitel společnosti ONE Tech – Interview Series

Yasser Khan je generálním ředitelem společnosti JEDEN TECH technologická společnost řízená umělou inteligencí, která navrhuje, vyvíjí a nasazuje řešení IoT nové generace pro výrobce OEM, síťové operátory a podniky.

Co vás zpočátku přitahovalo k umělé inteligenci?

Před několika lety jsme nasadili řešení průmyslového internetu věcí (IIoT), které propojilo mnoho aktiv v širokém geografickém umístění. Množství dat, které bylo vytvořeno, bylo obrovské. Agregovali jsme data z PLC při vzorkovací frekvenci 50 milisekund a hodnotách externích senzorů několikrát za sekundu. Během jediné minuty jsme pro každé aktivum, ke kterému jsme se připojovali, vygenerovali tisíce datových bodů. Věděli jsme, že standardní způsob přenosu těchto dat na server a jejich vyhodnocení člověkem není realistický a pro firmu přínosný. Rozhodli jsme se tedy vytvořit produkt, který by zpracovával data a generoval spotřební výstupy, čímž jsme výrazně snížili množství dohledu, který organizace potřebuje, aby mohla využívat výhod nasazení digitální transformace – silně zaměřeného na správu výkonnosti aktiv a prediktivní údržbu.

Můžete probrat, co je řešení MicroAI od ONE Tech? 

MicroAI™ je platforma pro strojové učení, která poskytuje lepší přehled o výkonu, využití a celkovém chování aktiv (zařízení nebo stroje). Tato výhoda sahá od manažerů výrobních závodů, kteří hledají způsoby, jak zlepšit celkovou efektivitu zařízení, až po výrobce OEM hardwaru, kteří chtějí lépe porozumět tomu, jak jejich zařízení předtvarují v terénu. Toho dosáhneme nasazením malého (tak malého jako 70 kb) paketu na mikrokontrolér (MCU) nebo mikroprocesor (MPU) aktiva. Klíčovým rozdílem je to, že proces školení a vytváření modelu MicroAI je jedinečný. Model trénujeme přímo na samotném aktivu. Nejen, že to umožňuje, aby data zůstala místní, což snižuje náklady a dobu nasazení, ale také zvyšuje přesnost a preciznost výstupu AI. MicroAI má tři primární vrstvy:

1. Příjem dat – MicroAI je agnostika pro zadávání dat. Můžeme spotřebovat jakoukoli hodnotu senzoru a platforma MicroAI umožňuje inženýrství funkcí a vážení vstupů v rámci této první vrstvy.
2. Trénink – Školíme přímo v místním prostředí. Délku školení může uživatel nastavit v závislosti na tom, jaký je normální cyklus aktiva. Obvykle chceme zachytit 25-45 normálních cyklů, ale to je silně založeno na variaci/volatilitě každého zachyceného cyklu.
3. Výstup – Oznámení a výstrahy generuje MicroAI na základě závažnosti zjištěné anomálie. Tyto prahové hodnoty může uživatel upravit. Mezi další výstupy generované MicroAI patří Predicted Days to Next Maintenance (pro optimalizaci servisních plánů), Health Score a Asset Life Remaining. Tyto výstupy lze zasílat do stávajících IT systémů, které mají klienti zavedeny (nástroje pro správu životního cyklu produktu, správa podpory/ticketingu, údržba atd.)

Můžete probrat některé technologie strojového učení, které stojí za MicroAI?

MicroAI obsahuje multidimenzionální behaviorální analýzu zabalenou do rekurzivního algoritmu. Každý vstup, který je přiváděn do AI motoru, ovlivňuje prahové hodnoty (horní a dolní meze), které jsou nastaveny modelem AI. Děláme to tak, že poskytujeme předpověď o krok napřed. Pokud jsou například jedním vstupem otáčky za minutu a otáčky se zvyšují, horní hranice teploty ložiska se může mírně zvýšit kvůli rychlejšímu pohybu stroje. To umožňuje modelu pokračovat ve vývoji a učení.

MicroAI není závislá na přístupu ke cloudu, jaké to má výhody?

Máme unikátní přístup k vytváření modelů přímo na koncovém bodu (kde se generují data). To přináší soukromí a zabezpečení dat do nasazení, protože data nemusí opouštět místní prostředí. To je důležité zejména pro nasazení, kde je ochrana dat povinná. Proces trénování dat v cloudu je navíc časově náročný. Tato časová spotřeba toho, jak ostatní přistupují k tomuto prostoru, je způsobena potřebou agregovat historická data, přenášet data do cloudu, vytvářet model a nakonec tento model dotlačit až ke koncovým aktivům. MicroAI může trénovat a žít 100% v místním prostředí.

Jednou z vlastností technologie MicroAI je její zrychlená detekce anomálií, mohl byste tuto funkci přiblížit?

Díky našemu přístupu analýzy chování můžeme nasadit MicroAI a okamžitě se začít učit chování aktiva. Můžeme začít vidět vzorce v chování. Opět je to bez nutnosti načítání historických dat. Jakmile zachytíme dostatečný počet cyklů aktiva, můžeme začít generovat přesný výstup z modelu AI. To je pro prostor přelomové. To, co dříve trvalo týdny nebo měsíce, než se vytvořil přesný model, se může stát během několika hodin a někdy i minut.

Jaký je rozdíl mezi MicroAI™ Helio a MicroAI™ Atom?

MicroAI™ Helio Server:

Naše prostředí Helio Server lze nasadit na lokální server (nejběžnější) nebo v cloudové instanci. Helio poskytuje následující funkce: (Správa pracovních toků, analýza a správa dat a vizualizace dat).

Pracovní postupy pro správu majetku – Hierarchie toho, kde jsou nasazeny a jak se používají. (např. nastavení všech zákaznických zařízení globálně, specifických zařízení a sekcí v rámci každého zařízení, jednotlivých stanic až po každé zařízení v každé stanici). Kromě toho mohou být prostředky nastaveny tak, aby vykonávaly různé úlohy s různými rychlostmi cyklu; to lze konfigurovat v rámci těchto pracovních postupů. Navíc je zde možnost správy lístků/pracovníků, která je rovněž součástí prostředí Helio Server.

Analýza a správa dat – V této části Helio může uživatel spouštět další analýzy na výstupu AI spolu s libovolnými snímky nezpracovaných dat (tj. Max, Min a průměrné hodnoty dat na hodinové bázi nebo datové signatury, které spustily výstrahu nebo alarm) . Mohou to být dotazy, které jsou konfigurovány v návrháři Helio Analytics, nebo pokročilejší analýzy přivedené z nástrojů, jako je R, programovací jazyk. Vrstva správy dat je místo, kde může uživatel využít bránu pro správu API pro připojení třetích stran, která spotřebovávají a/nebo odesílají data v koordinaci s prostředím Helio.

Vizualizace dat – Helio poskytuje šablony pro různé průmyslové výkazy, které uživatelům umožňují využívat pohledy Enterprise Asset Management a Asset Performance Management na jejich připojená aktiva z desktopových i mobilních aplikací Helio.

MicroAI Atom:

MicroAI Atom je platforma pro strojové učení určená pro zabudování do prostředí MCU. To zahrnuje trénování rekurzivního algoritmu multidimenzionální analýzy chování přímo v místní architektuře MCU – nikoli v cloudu a poté posunuté dolů do MCU. To umožňuje urychlit sestavení a nasazení modelů ML prostřednictvím automatického generování horních a dolních prahových hodnot na základě multivariantního modelu, který se tvoří přímo na koncovém bodu. MicroAI jsme vytvořili jako efektivnější způsob konzumace a zpracování signálových dat pro trénování modelů než jiné tradiční metody. To nejen přináší vyšší úroveň přesnosti vytvořeného modelu, ale využívá méně zdrojů na hostitelském hardwaru (tj. nižší využití paměti a CPU), což nám umožňuje provozovat prostředí, jako je MCU.

Máme ještě jednu základní nabídku s názvem MicroAI™ Network.

Síť MicroAI™ – Umožňuje konsolidaci sítě atomů a jejich spojení s externími datovými zdroji pro vytváření více modelů přímo na okraji. To umožňuje provádění horizontální a vertikální analýzy na různých aktivech, na kterých běží Atom. Síť MicroAI umožňuje ještě hlubší úroveň porozumění tomu, jak si zařízení/aktiva vedou ve vztahu k podobným aktivům, které jsou nasazeny. Opět platí, že díky našemu jedinečnému přístupu k vytváření modelů přímo na okraji spotřebovávají modely strojového učení velmi málo paměti a CPU hostitelského hardwaru.

ONE Tech také nabízí poradenství v oblasti bezpečnosti internetu věcí. Jaký je proces modelování hrozeb a penetračního testování IoT?

Díky naší schopnosti porozumět tomu, jak se aktiva chovají, můžeme spotřebovávat data související s vnitřnostmi připojeného zařízení (např. CPU, využití paměti, velikost/frekvence datového balíčku). Zařízení IoT mají z větší části pravidelný vzorec činnosti – jak často přenáší data, kam data odesílá a velikost tohoto datového paketu. Aplikujeme MicroAI ke spotřebování těchto interních datových parametrů k vytvoření základní linie toho, co je pro toto připojené zařízení normální. Pokud na zařízení dojde k abnormální akci, můžeme spustit reakci. To se může pohybovat od restartování zařízení nebo otevření lístku v nástroji pro správu pracovních příkazů až po úplné omezení síťového provozu na zařízení. Náš bezpečnostní tým vyvinul testovací hacky a úspěšně jsme detekovali různé pokusy o útok Zero-Day pomocí MicroAI v této funkci.

Je ještě něco, co byste chtěli o společnosti ONE Tech, Inc.

Níže je schéma toho, jak MicroAI Atom funguje. Počínaje získáváním nezpracovaných dat, školením a zpracováním v místním prostředí, odvozením dat a poskytováním výstupu.

Níže je schéma fungování sítě MicroAI. Mnoho atomů MicroAI se připojuje do sítě MicroAI. Spolu s daty Atom lze do modelu sloučit další zdroje dat, aby bylo možné lépe porozumět tomu, jak si aktivum vede. Kromě toho se v rámci sítě MicroAI vytváří několik modelů, které zúčastněným stranám umožňují provádět horizontální analýzu výkonu aktiv v různých regionech, mezi zákazníky, před a po aktualizacích atd.

Děkujeme za rozhovor a vaše podrobné odpovědi, čtenáři, kteří se chtějí dozvědět více, by měli navštívit JEDEN TECH.