ヤッサー・カーン、ONE TechのCEO – インタビュー・シリーズ

ヤッサー・カーンは、ONE TechのCEOです。ONE Techは、OEM、ネットワーク・オペレーター、企業向けに次世代のIoTソリューションを設計、開発、導入するAI駆動のテクノロジー企業です。

あなたが最初にAIに惹かれたのは何ですか？

数年前、私たちはIndustrial Internet of Things（IIoT）ソリューションを導入しました。このソリューションは、広い地理的範囲にわたる多数のアセットを接続しました。生成されたデータの量は膨大でした。私たちは、PLCから50ミリ秒のサンプリング・レートでデータを収集し、外部センサーの値を数秒ごとに収集しました。1分間に、各アセットから生成されるデータ・ポイントは数千個になりました。標準的な方法でこのデータをサーバーに転送し、人が評価することは現実的でもなく、ビジネスに有益ではありません。そこで、データを処理して消費可能な出力を生成する製品を作成することにしました。これにより、デジタル・トランスフォーメーションの導入で組織が得られる利益を、必要な監視の量を大幅に削減できます。

ONE TechのMicroAIソリューションについて説明できますか？

MicroAIは、機械学習プラットフォームで、アセット（デバイスまたはマシン）のパフォーマンス、使用状況、全体的な動作について、より深い洞察を提供します。この利点は、全体的な設備有効性を改善しようとする製造プラント・マネージャーから、デバイスの動作をよりよく理解したいハードウェアOEMまで、幅広い分野に及びます。私たちは、アセット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（MPU）に小さなパケット（70KB以下）を配置することでこれを実現します。MicroAIのトレーニングとモデル形成のプロセスは、ユニークです。私たちは、アセット自体に直接モデルをトレーニングします。これにより、データがローカルに残るため、導入のコストと時間が削減され、AIの出力の精度と精密さが向上します。MicroAIには3つの主なレイヤーがあります。

1. データ・インジェスト – MicroAIは、データ入力に依存しません。任意のセンサ値を消費でき、MicroAIプラットフォームでは、この最初のレイヤー内で特徴量エンジニアリングと入力の重み付けが可能です。
2. 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、ユーザーがアセットの正常なサイクルに基づいて設定できます。通常、25〜45の正常なサイクルをキャプチャすることを目指していますが、これは各サイクルの変動/変動性に大きく依存します。
3. 出力 – MicroAIは、検出された異常の重大性に基づいて、通知とアラートを生成します。これらのしきい値はユーザーによって調整できます。MicroAIによって生成される他の出力には、予測メンテナンス日数（サービス・スケジュールの最適化のために）、ヘルス・スコア、残りアセット・ライフが含まれます。これらの出力は、クライアントが既に持っている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技術について説明できますか？

MicroAIには、再帰アルゴリズム内にパックされた多次元動作分析が特徴です。AIエンジンにフィードされる各入力は、AIモデルによって設定されるしきい値（上限と下限）に影響します。1ステップ先の予測を提供することでこれを実現します。たとえば、入力がRPMで、RPMが増加すると、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。したがって、モデルは継続的に進化し、学習できます。

MicroAIはクラウドへのアクセスに依存しないという利点について説明できますか？

私たちは、データが生成されるエンドポイントで直接モデルを形成する独自のアプローチをとっています。これにより、データがローカル環境を離れる必要がないため、デプロイメントのデータ・プライバシーとセキュリティが向上します。これは、データ・プライバシーが必須のデプロイメントでは特に重要です。さらに、クラウドでのトレーニング・データは時間がかかります。これは、歴史的なデータを集め、データをクラウドに転送し、モデルを形成し、最終的にモデルをエンド・アセットにプッシュする必要性によって引き起こされる時間の消費です。MicroAIは、トレーニングとライブを100%ローカル環境で実行できます。

MicroAIの加速異常検出機能について説明できますか？

私たちのアプローチによる動作分析により、アセットの動作を即座に学習し始めることができます。パターンを認識し始めることができます。歴史的なデータをロードする必要はありません。十分なサイクルをキャプチャすると、AIモデルから正確な出力を生成し始めることができます。これは、業界では画期的なことです。従来、正確なモデルを形成するのに数週間または数ヶ月かかっていたことが、数時間、または数分で実現可能になりました。

MicroAI HelioとMicroAI Atomの違いは何ですか？

MicroAI Helioサーバー:

Helioサーバー環境は、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では、次の機能が提供されます。

1. ワークフロー管理 – アセットを管理するためのワークフロー。アセットの配置場所、使用方法、設定、ジョブの実行方法などを定義します。
2. データ分析と管理 – ユーザーは、AIの出力と生のデータ・スナップショット（最大値、最小値、平均値など）を分析できます。また、Helio Analyticsデザイナーでクエリを構成したり、Rなどのツールを使用して高度な分析を実行したりできます。
3. データ視覚化 – Helioでは、業界別のレポート・テンプレートが提供され、ユーザーはHelioデスクトップ・アプリケーションとモバイル・アプリケーションから、接続されたアセットのエンタープライズ・アセット管理とアセット・パフォーマンス管理のビューを表示できます。

MicroAI Atom:

MicroAI Atomは、MCU環境に組み込むための機械学習プラットフォームです。ローカル環境で直接マルチ次元動作分析の再帰アルゴリズムをトレーニングします。クラウドではありません。エッジでモデルを形成することで、MLモデルの構築とデプロイを加速します。また、ホスト・ハードウェアのリソースを削減します。

私たちは、MicroAI Networkという別のコア・オファリングも持っています。

MicroAI Network – Atomのネットワークを統合し、外部データ・ソースと組み合わせてエッジで複数のモデルを形成します。Atomが動作するアセットについて、水平方向と垂直方向の分析を実行できます。MicroAI Networkにより、アセットのパフォーマンスをより深く理解できます。

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ペネトレーション・テストのプロセスについて説明できますか？

私たちは、アセットの内部動作を理解できるため、接続されたデバイスの内部データ（CPU、メモリー使用量、データ・パケットのサイズ/頻度など）を消費できます。IoTデバイスには、通常、運用のパターンがあります。データをどのくらいの頻度で送信するか、どこに送信するか、データ・パケットのサイズはどのくらいかなどです。私たちは、これらの内部データ・パラメーターを使用して、接続されたデバイスの正常な動作のベースラインを形成します。デバイスで異常な動作が発生すると、応答をトリガーできます。これには、デバイスの再起動、チケット/ワークオーダー管理ツールの開設、デバイスへのネットワーク・トラフィックの完全な遮断などがあります。私たちのセキュリティ・チームは、テスト・ハックを開発しており、MicroAIを使用してゼロデイ・アタックの試みを検出しています。

ONE Techについてさらに共有したいことはありますか？

以下は、MicroAI Atomの機能の図です。生のデータの取得から、ローカル環境でのトレーニングと処理、推論と出力までを示しています。

以下は、MicroAI Networkの機能の図です。多数のMicroAI AtomがMicroAI Networkにフィードされ、追加のデータ・ソースがモデルに統合され、アセットのパフォーマンスについてより詳細な理解が得られます。さらに、MicroAI Networkでは、ステークホルダーが、異なる地域、顧客間、更新の前後など、アセットのパフォーマンスについて水平方向の分析を実行できるように、複数のモデルが形成されます。

インタビューと詳細な回答に感謝します。さらに詳しく知りたい読者は、ONE Techを訪問してください。