ONE Tech CEO Yasser Khan – 인터뷰 시리즈

야세르 칸 CEO 원테크 OEM, 네트워크 사업자 및 기업을 위한 차세대 IoT 솔루션을 설계, 개발 및 배포하는 AI 기반 기술 회사입니다.

처음에 인공 지능에 끌린 이유는 무엇입니까?

몇 년 전 우리는 넓은 지리적 위치에 걸쳐 많은 자산을 연결하는 산업용 사물 인터넷(IIoT) 솔루션을 배포했습니다. 생성된 데이터의 양은 엄청났습니다. 우리는 50밀리초의 샘플링 속도와 외부 센서 값을 초당 몇 번으로 PLC의 데이터를 집계했습니다. XNUMX분 동안 연결한 각 자산에 대해 수천 개의 데이터 포인트가 생성되었습니다. 우리는 이 데이터를 서버로 전송하고 사람이 데이터를 평가하도록 하는 표준 방법이 현실적이지 않으며 비즈니스에 유익하지 않다는 것을 알고 있었습니다. 그래서 우리는 데이터를 처리하고 소비 가능한 출력을 생성하는 제품을 만들기 시작했으며, 자산 성능 관리 및 예측 유지 관리에 중점을 둔 디지털 혁신 배포의 이점을 얻기 위해 조직이 필요로 하는 감독의 양을 크게 줄였습니다.

ONE Tech의 MicroAI 솔루션이 무엇인지 말씀해 주시겠습니까? 

MicroAI™는 자산(장치 또는 기계) 성능, 활용도 및 전반적인 동작에 대한 더 높은 수준의 통찰력을 제공하는 기계 학습 플랫폼입니다. 이러한 이점은 전반적인 장비 효율성을 개선할 방법을 찾고 있는 제조 공장 관리자부터 해당 장치가 현장에서 어떻게 작동하는지 더 잘 이해하려는 하드웨어 OEM에 이르기까지 다양합니다. 우리는 자산의 마이크로컨트롤러(MCU) 또는 마이크로프로세서(MPU)에 작은(70kb 정도) 패킷을 배포하여 이를 달성합니다. 주요 차별화 요소는 MicroAI의 모델 훈련 및 형성 프로세스가 독특하다는 것입니다. 우리는 자산 자체에 대해 직접 모델을 교육합니다. 이를 통해 데이터가 로컬에 유지되어 배포 비용과 시간이 줄어들 뿐만 아니라 AI 출력의 정확성과 정밀도도 향상됩니다. MicroAI에는 세 가지 기본 계층이 있습니다.

1. 데이터 수집 – MicroAI는 데이터 입력에 구애받지 않습니다. 우리는 모든 센서 값을 사용할 수 있으며 MicroAI 플랫폼은 이 첫 번째 계층 내에서 기능 엔지니어링 및 입력 가중치를 허용합니다.
2. 트레이닝 – 우리는 현지 환경 내에서 직접 훈련합니다. 교육 기간은 자산의 정상적인 주기에 따라 사용자가 설정할 수 있습니다. 일반적으로 우리는 25-45개의 정상적인 주기를 캡처하는 것을 좋아하지만 이것은 캡처된 각 주기의 변동/변동성에 크게 기반합니다.
3. 산출 – 감지된 이상 징후의 심각도에 따라 MicroAI에서 알림 및 경고를 생성합니다. 이러한 임계값은 사용자가 조정할 수 있습니다. MicroAI에서 생성된 기타 출력에는 다음 유지 관리까지의 예측 일수(서비스 일정 최적화용), 상태 점수 및 남은 자산 수명이 포함됩니다. 이러한 출력은 클라이언트가 사용 중인 기존 IT 시스템(제품 수명 주기 관리 도구, 지원/발권 관리, 유지 관리 등)으로 보낼 수 있습니다.

MicroAI의 일부 기계 학습 기술에 대해 논의할 수 있습니까?

MicroAI는 재귀 알고리즘에 포함된 다차원 행동 분석을 특징으로 합니다. AI 엔진에 입력되는 각 입력은 AI 모델에서 설정한 임계값(상한 및 하한)에 영향을 미칩니다. 우리는 한 단계 앞선 예측을 제공함으로써 이를 수행합니다. 예를 들어 하나의 입력이 RPM이고 RPM이 증가하면 더 빠른 기계 움직임으로 인해 베어링 온도의 상한 임계값이 약간 올라갈 수 있습니다. 이를 통해 모델이 계속 진화하고 학습할 수 있습니다.

MicroAI는 클라우드 액세스에 의존하지 않습니다. 이것의 이점은 무엇입니까?

엔드포인트(데이터가 생성되는 곳)에서 직접 모델을 형성하는 고유한 접근 방식이 있습니다. 이렇게 하면 데이터가 로컬 환경을 벗어날 필요가 없기 때문에 배포에 데이터 개인 정보 보호 및 보안이 제공됩니다. 이는 데이터 프라이버시가 필수인 배포에 특히 중요합니다. 또한 클라우드에서 데이터를 교육하는 프로세스는 시간이 많이 걸립니다. 다른 사람들이 이 공간에 접근하는 방법에 대한 이러한 시간 소비는 과거 데이터를 집계하고, 데이터를 클라우드로 전송하고, 모델을 형성하고, 결국 해당 모델을 최종 자산으로 푸시해야 하는 필요성으로 인해 발생합니다. MicroAI는 로컬 환경에서 100% 훈련하고 살 수 있습니다.

MicroAI 기술의 기능 중 하나는 가속 이상 탐지입니다. 이 기능에 대해 자세히 설명해 주시겠습니까?

행동 분석 접근 방식 덕분에 MicroAI를 배포하고 즉시 자산의 행동 학습을 시작할 수 있습니다. 행동 내에서 패턴을 볼 수 있습니다. 다시 말하지만 이것은 과거 데이터를 로드할 필요가 없습니다. 자산의 충분한 주기를 캡처하면 AI 모델에서 정확한 출력 생성을 시작할 수 있습니다. 이것은 공간에 대한 획기적인입니다. 정확한 모델을 형성하는 데 몇 주 또는 몇 달이 걸리던 작업이 몇 시간, 때로는 몇 분 안에 발생할 수 있습니다.

MicroAI™ Helio와 MicroAI™ Atom의 차이점은 무엇입니까?

MicroAI™ Helio 서버:

Helio 서버 환경은 로컬 서버(가장 일반적) 또는 클라우드 인스턴스에 배포할 수 있습니다. Helio는 다음과 같은 기능을 제공합니다: (워크플로 관리, 데이터 분석 및 관리, 데이터 시각화).

자산 관리를 위한 워크플로우 – 배치 위치 및 사용 방법의 계층 구조. (예: 전 세계적으로 모든 고객 시설 설정, 각 시설 내의 특정 시설 및 섹션, 개별 스테이션, 각 스테이션의 각 자산까지). 또한 자산은 서로 다른 주기율로 서로 다른 작업을 수행하도록 설정할 수 있습니다. 이는 이러한 워크플로 내에서 구성할 수 있습니다. 또한 Helio Server 환경의 일부인 티켓/작업 주문 관리 기능도 있습니다.

데이터 분석 및 관리 – Helio의 이 섹션 내에서 사용자는 원시 데이터 스냅샷(예: 최대, 최소 및 시간당 평균 데이터 값 또는 경고 또는 경보를 트리거한 데이터 서명)과 함께 AI 출력에 대한 추가 분석을 실행할 수 있습니다. . 이는 Helio Analytics 디자이너에서 구성된 쿼리이거나 프로그래밍 언어인 R과 같은 도구에서 가져온 고급 분석일 수 있습니다. 데이터 관리 계층은 사용자가 Helio 환경과 함께 데이터를 소비 및/또는 전송하는 타사 연결을 위해 API 관리 게이트웨이를 활용할 수 있는 곳입니다.

데이터 시각화 – Helio는 다양한 산업별 보고를 위한 템플릿을 제공하여 사용자가 Helio 데스크톱 및 모바일 애플리케이션 모두에서 연결된 자산의 Enterprise Asset Management 및 Asset Performance Management 보기를 소비자에게 제공할 수 있습니다.

마이크로AI 아톰:

MicroAI Atom은 MCU 환경에 임베딩하도록 설계된 기계 학습 플랫폼입니다. 여기에는 클라우드가 아닌 로컬 MCU 아키텍처에서 직접 다차원 행동 분석 재귀 알고리즘을 교육한 다음 MCU로 푸시하는 것이 포함됩니다. 이를 통해 엔드포인트에서 직접 형성되는 다변수 모델을 기반으로 상한 및 하한 임계값의 자동 생성을 통해 ML 모델의 빌드 및 배포를 가속화할 수 있습니다. 우리는 다른 기존 방법보다 신호 데이터를 소비하고 처리하여 모델을 교육하는 보다 효율적인 방법으로 MicroAI를 만들었습니다. 이것은 형성되는 모델에 더 높은 수준의 정확도를 제공할 뿐만 아니라 호스트 하드웨어에서 더 적은 리소스를 사용하므로(즉, 더 낮은 메모리 및 CPU 사용량) MCU와 같은 환경에서 실행할 수 있습니다.

MicroAI™ Network라는 또 다른 핵심 제품이 있습니다.

MicroAI™ 네트워크 – 에지에서 직접 여러 모델을 생성하기 위해 Atom 네트워크를 외부 데이터 소스와 통합 및 혼합할 수 있습니다. 이를 통해 Atom을 실행하는 다양한 자산에서 수평적 및 수직적 분석을 실행할 수 있습니다. MicroAI Network를 사용하면 배포된 유사한 자산과 관련하여 장치/자산이 어떻게 수행되고 있는지 더 깊이 이해할 수 있습니다. 다시 말하지만, 에지에서 직접 모델을 형성하는 고유한 접근 방식으로 인해 기계 학습 모델은 호스트 하드웨어의 메모리와 CPU를 거의 사용하지 않습니다.

원테크는 IoT 보안 컨설팅도 제공합니다. 위협 모델링 및 IoT 침투 테스트 프로세스는 어떻게 되나요?

자산의 작동 방식을 이해하는 능력으로 인해 연결된 장치의 내부와 관련된 데이터(예: CPU, 메모리 사용량, 데이터 팩 크기/빈도)를 사용할 수 있습니다. IoT 장치는 대부분 데이터를 전송하는 빈도, 데이터를 전송하는 위치 및 해당 데이터 패킷의 크기와 같은 규칙적인 작동 패턴을 가지고 있습니다. 우리는 MicroAI를 적용하여 이러한 내부 데이터 매개변수를 사용하여 연결된 장치에 대해 정상적인 기준을 형성합니다. 장치에서 비정상적인 동작이 발생하면 응답을 트리거할 수 있습니다. 이는 장치를 재부팅하거나 작업 지시 관리 도구 내에서 티켓을 여는 것부터 장치에 대한 네트워크 트래픽을 완전히 차단하는 것까지 다양할 수 있습니다. 우리 보안팀은 테스트 해킹을 개발했으며 이 역량에서 MicroAI를 사용하여 다양한 제로데이 공격 시도를 성공적으로 탐지했습니다.

ONE Tech, Inc.에 대해 공유하고 싶은 다른 사항이 있습니까?

아래는 MicroAI Atom이 어떻게 작동하는지에 대한 다이어그램입니다. 원시 데이터 수집을 시작으로 로컬 환경에서 교육 및 처리하고 데이터를 추론하고 출력을 제공합니다.

아래는 MicroAI 네트워크가 작동하는 방식에 대한 다이어그램입니다. 많은 MicroAI Atom이 MicroAI 네트워크에 공급됩니다. Atom 데이터와 함께 추가 데이터 소스를 모델에 병합하여 자산의 성능을 보다 세밀하게 이해할 수 있습니다. 또한 MicroAI Network 내에서 여러 모델이 형성되어 이해 관계자가 서로 다른 지역, 고객 간, 업데이트 전후 등에서 자산이 어떻게 수행되고 있는지에 대한 수평적 분석을 실행할 수 있습니다.

인터뷰와 자세한 답변 감사합니다. 자세한 내용을 알고 싶은 독자는 방문하십시오. 원테크.