記事執筆

ONE Tech CEO、ヤセル・カーン – インタビューシリーズ

公開済み

4年前

2020 年 8 月 17 日

アントワーヌ・タルディフ

ヤセル・カーン氏は、ワンテック OEM、ネットワークオペレーター、企業向けの次世代 IoT ソリューションを設計、開発、導入する AI 主導のテクノロジー企業です。

最初に人工知能に惹かれたのは何ですか?

数年前、当社は地理的に広い場所にある多くの資産を接続する産業用モノのインターネット (IIoT) ソリューションを導入しました。生成されたデータの量は膨大でした。 PLC からのデータを 50 ミリ秒のサンプリングレートで収集し、外部センサーの値を XNUMX 秒あたり数回収集しました。 XNUMX 分の間に、接続先の資産ごとに数千のデータポイントが生成されました。このデータをサーバーに送信し、人にデータを評価してもらうという標準的な方法は現実的ではなく、ビジネスにとっても有益ではないことはわかっていました。そこで私たちは、データを処理して消耗品の出力を生成し、資産パフォーマンス管理と予知保全に重点を置き、デジタル変革導入のメリットを享受するために組織が必要とする監視の量を大幅に削減する製品の作成に着手しました。

ONE Tech の MicroAI ソリューションについて説明していただけますか?

MicroAI™ は、資産 (デバイスまたはマシン) のパフォーマンス、使用率、および全体的な動作について、より高いレベルの洞察を提供する機械学習プラットフォームです。この利点は、装置全体の効率を向上させる方法を探している製造工場の管理者から、自社のデバイスが現場でどのように機能するかをより深く理解したいと考えているハードウェア OEM まで多岐にわたります。これは、小さな (70kb ほどの) パケットを資産のマイクロコントローラー (MCU) またはマイクロプロセッサー (MPU) に展開することで実現します。主要な差別化要因は、MicroAI のモデルのトレーニングと形成のプロセスが独特であることです。アセット自体でモデルを直接トレーニングします。これにより、データをローカルに維持できるため、導入のコストと時間が削減されるだけでなく、AI 出力の精度と精度も向上します。 MicroAI には XNUMX つの主要な層があります。

データの取り込み – MicroAI はデータ入力に依存しません。あらゆるセンサー値を使用でき、MicroAI プラットフォームにより、この最初のレイヤー内の入力の特徴エンジニアリングと重み付けが可能になります。
トレーニング – 私たちはローカル環境内で直接トレーニングします。トレーニング期間は、アセットの通常のサイクルに応じてユーザーが設定できます。通常、25 ～ 45 の通常のサイクルをキャプチャすることを好みますが、これはキャプチャされた各サイクルの変動/ボラティリティに大きく基づいています。
出力 – 通知とアラートは、検出された異常の重大度に基づいて MicroAI によって生成されます。これらのしきい値はユーザーが調整できます。 MicroAI によって生成されるその他の出力には、次のメンテナンスまでの予測日数 (サービススケジュールを最適化するため)、ヘルススコア、および資産の残り寿命が含まれます。これらの出力は、クライアントが導入している既存の IT システム (製品ライフサイクル管理ツール、サポート/チケット発行管理、メンテナンスなど) に送信できます。

MicroAI の背後にある機械学習テクノロジーについていくつかお話しいただけますか?

MicroAI は、再帰的アルゴリズムに組み込まれた多次元行動分析を備えています。 AI エンジンに供給される各入力は、AI モデルによって設定されるしきい値 (上限と下限) に影響を与えます。私たちはこれを、一歩先の予測を提供することで実現します。たとえば、XNUMX つの入力が RPM であり、RPM が増加すると、機械の動きが速くなるため、ベアリング温度の上限しきい値がわずかに上昇する可能性があります。これにより、モデルは進化し、学習し続けることができます。

MicroAI はクラウドへのアクセスに依存しません。これにはどのような利点がありますか?

当社は、エンドポイント (データが生成される場所) で直接モデルを形成する独自のアプローチを採用しています。これにより、データをローカル環境から出す必要がなくなるため、展開にデータのプライバシーとセキュリティがもたらされます。これは、データプライバシーが必須の展開では特に重要です。さらに、クラウドでデータをトレーニングするプロセスには時間がかかります。他の人がこの領域にどのようにアプローチしているかというこの時間の消費は、履歴データを集約し、データをクラウドに送信し、モデルを形成し、最終的にはそのモデルを最終資産にプッシュする必要性によって引き起こされます。 MicroAI は、100% ローカル環境でトレーニングし、生活することができます。

MicroAI テクノロジーの特徴の XNUMX つは、異常検出の高速化です。この機能について詳しく説明していただけますか?

動作分析のアプローチにより、MicroAI を導入して資産の動作の学習を即座に開始できます。行動の中にパターンが見え始めます。繰り返しますが、これには履歴データをロードする必要はありません。アセットの十分なサイクルをキャプチャしたら、AI モデルから正確な出力の生成を開始できます。これはこの宇宙にとって画期的なことです。以前は正確なモデルを作成するのに数週間から数か月かかっていた作業が、数時間以内、場合によっては数分以内に完了する可能性があります。

MicroAI™ Helio と MicroAI™ Atom の違いは何ですか?

MicroAI™ Helio サーバー:

Helio Server 環境は、ローカルサーバー (最も一般的) またはクラウドインスタンスにデプロイできます。 Helio は、次の機能を提供します: (ワークフロー管理、データ分析と管理、データ視覚化)。

資産管理のワークフロー – それらが展開される場所とその使用方法の階層。 (例: 世界中のすべての顧客施設、各施設内の特定の施設とセクション、個々のステーション、各ステーションの各資産に至るまでのセットアップ)。さらに、資産は、異なるサイクルレートで異なるジョブを実行するように設定できます。これは、これらのワークフロー内で構成できます。さらに、チケット/作業指示書管理の機能もあり、これも Helio Server 環境の一部です。

データの分析と管理 – Helio のこのセクション内で、ユーザーは、生データのスナップショット (つまり、時間ベースの最大値、最小値、平均データ値、またはアラートやアラームをトリガーしたデータシグネチャ) とともに、AI 出力に対してさらなる分析を実行できます。。これらは、Helio Analytics デザイナーで構成されたクエリ、またはプログラミング言語 R などのツールから導入されたより高度な分析です。データ管理レイヤーでは、ユーザーが Helio 環境と連携してデータを消費および/または送信するサードパーティ接続に API 管理ゲートウェイを利用できます。

Data Visualization – Helio は、さまざまな業界固有のレポート用のテンプレートを提供します。これにより、ユーザーは、Helio デスクトップとモバイルアプリケーションの両方から、接続されている資産の Enterprise Asset Management および Asset Performance Management ビューを利用できるようになります。

マイクロAIアトム：

MicroAI Atom は、MCU 環境に組み込むために設計された機械学習プラットフォームです。これには、クラウド内ではなく、ローカル MCU アーキテクチャ内で直接多次元動作分析再帰アルゴリズムのトレーニングを行い、その後 MCU にプッシュダウンすることが含まれます。これにより、エンドポイント上で直接形成される多変量モデルに基づいて上限および下限のしきい値が自動生成されるため、ML モデルの構築とデプロイを高速化できます。私たちは、他の従来の方法よりも信号データを消費および処理してモデルをトレーニングする効率的な方法として MicroAI を作成しました。これにより、形成されるモデルの精度が高くなるだけでなく、ホストハードウェア上のリソースの使用量が減り (つまり、メモリと CPU の使用量が減り)、MCU などの環境で実行できるようになります。

当社には、MicroAI™ Network と呼ばれるもう XNUMX つのコア製品があります。

MicroAI™ネットワーク – Atom のネットワークを統合し、外部データソースとマッシュして、複数のモデルをエッジで直接作成できます。これにより、Atom を実行しているさまざまなアセットに対して水平および垂直分析を実行できるようになります。 MicroAI Network を使用すると、展開されている同様の資産に関連してデバイス/資産がどのように動作しているかをさらに深く理解できます。繰り返しになりますが、エッジで直接モデルを形成する独自のアプローチにより、機械学習モデルがホストハードウェアのメモリと CPU をほとんど消費しません。

ONE Tech は IoT セキュリティコンサルティングも提供しています。脅威モデリングと IoT 侵入テストのプロセスはどのようなものですか?

資産がどのように動作するかを理解できるため、接続されたデバイスの内部に関連するデータ (CPU、メモリ使用量、データパックのサイズ/周波数など) を消費できます。 IoT デバイスには、ほとんどの場合、データを送信する頻度、データの送信先、データパケットのサイズなどの規則的な動作パターンがあります。 MicroAI を適用してこれらの内部データパラメーターを消費し、接続されたデバイスの正常性のベースラインを形成します。デバイス上で異常なアクションが発生した場合、応答をトリガーできます。これには、デバイスの再起動や作業指示書管理ツール内でのチケットのオープンから、デバイスへのネットワークトラフィックの完全な遮断まで、多岐にわたります。当社のセキュリティチームはテストハックを開発し、この機能で MicroAI を使用することでさまざまなゼロデイ攻撃の試みを検出することに成功しました。

ONE Tech, Inc. について他に共有したいことはありますか?

以下は、MicroAI Atom がどのように機能するかを示す図です。生データの取得から始まり、ローカル環境でのトレーニングと処理、データの推論、出力の提供を行います。

以下は、MicroAI ネットワークがどのように機能するかを示す図です。多くの MicroAI Atom が MicroAI ネットワークにフィードされます。 Atom データに加えて、追加のデータソースをモデルにマージして、資産のパフォーマンスをより詳細に理解することができます。さらに、MicroAI Network 内では複数のモデルが形成され、関係者はさまざまな地域、顧客間、更新前と更新後などで資産がどのように機能するかについて水平分析を実行できます。