Yasser Khan, ONE Tech — interviju sērijas izpilddirektors

Yasser Khan ir izpilddirektors ONE Tech AI vadīts tehnoloģiju uzņēmums, kas izstrādā, izstrādā un ievieš nākamās paaudzes IoT risinājumus oriģinālo iekārtu ražotājiem, tīkla operatoriem un uzņēmumiem.

Kas jūs sākotnēji piesaistīja mākslīgajam intelektam?

Pirms dažiem gadiem mēs izvietojām rūpnieciskā lietiskā interneta (IIoT) risinājumu, kas savienoja daudzus aktīvus plašā ģeogrāfiskā vietā. Ģenerēto datu apjoms bija milzīgs. Mēs apkopojām datus no PLC ar paraugu ņemšanas ātrumu 50 milisekundes un ārējo sensoru vērtības dažas reizes sekundē. Vienas minūtes laikā katram īpašumam, ar kuru veidojām savienojumu, tika ģenerēti tūkstošiem datu punktu. Mēs zinājām, ka standarta metode, kā pārsūtīt šos datus uz serveri un likt personai novērtēt datus, nebija ne reāla, ne izdevīga uzņēmumam. Tāpēc mēs nolēmām izveidot produktu, kas apstrādātu datus un ģenerētu izejmateriālus, ievērojami samazinot pārraudzības apjomu, kas organizācijai nepieciešams, lai gūtu labumu no digitālās transformācijas ieviešanas, īpaši koncentrējoties uz līdzekļu veiktspējas pārvaldību un paredzamo apkopi.

Vai varat apspriest, kas ir ONE Tech MicroAI risinājums? 

MicroAI™ ir mašīnmācīšanās platforma, kas sniedz labāku ieskatu par līdzekļu (ierīces vai mašīnas) veiktspēju, izmantošanu un vispārējo uzvedību. Šis ieguvums svārstās no ražošanas rūpnīcu vadītājiem, kuri meklē veidus, kā uzlabot vispārējo iekārtu efektivitāti, līdz aparatūras oriģinālo iekārtu ražotājiem, kuri vēlas labāk izprast, kā viņu ierīces darbojas šajā jomā. Mēs to panākam, izvietojot nelielu (līdz 70 kb) paketi aktīva mikrokontrollerī (MCU) vai mikroprocesorā (MPU). Galvenais atšķirības faktors ir tas, ka MicroAI apmācības un modeļa veidošanas process ir unikāls. Mēs apmācām modeli tieši uz pašu aktīvu. Tas ne tikai ļauj datiem palikt lokāliem, kas samazina izmaksas un izvietošanas laiku, bet arī palielina AI izvades precizitāti un precizitāti. MicroAI ir trīs primārie slāņi:

1. Datu uzņemšana - MicroAI ir agnostiķis attiecībā uz datu ievadi. Mēs varam patērēt jebkuru sensora vērtību, un MicroAI platforma ļauj izstrādāt funkcijas un svērt ievades šajā pirmajā slānī.
2. treniņš – Trenējamies tieši vietējā vidē. Apmācības ilgumu lietotājs var iestatīt atkarībā no tā, kāds ir aktīva parastais cikls. Parasti mums patīk tvert 25–45 parastus ciklus, taču tas lielā mērā ir atkarīgs no katra uzņemtā cikla svārstībām/nepastāvības.
3. izvade – MicroAI ģenerē paziņojumus un brīdinājumus, pamatojoties uz konstatētās anomālijas smagumu. Lietotājs var pielāgot šos sliekšņus. Citi MicroAI ģenerētie rezultāti ietver paredzamās dienas līdz nākamajai apkopei (pakalpojumu grafiku optimizēšanai), veselības rādītāju un atlikušo līdzekļu lietošanas laiku. Šos rezultātus var nosūtīt uz esošajām IT sistēmām, kuras ir ieviesuši klienti (produkta dzīves cikla pārvaldības rīki, atbalsta/biļešu pārdošanas pārvaldība, apkope utt.)

Vai varat apspriest dažas no MicroAI mašīnmācīšanās tehnoloģijām?

MicroAI piedāvā daudzdimensiju uzvedības analīzi, kas ir iekļauta rekursīvā algoritmā. Katra ievade, kas tiek ievadīta AI dzinējā, ietekmē sliekšņus (augšējo un apakšējo robežu), ko nosaka AI modelis. Mēs to darām, sniedzot vienu soli uz priekšu prognozi. Piemēram, ja viena ievade ir RPM un RPM palielinās, gultņu temperatūras augšējā robeža var nedaudz paaugstināties mašīnas ātrākas kustības dēļ. Tas ļauj modelim turpināt attīstīties un mācīties.

MicroAI nav atkarīgs no piekļuves mākonim, kādas ir tā priekšrocības?

Mums ir unikāla pieeja modeļu veidošanai tieši galapunktā (kur tiek ģenerēti dati). Tas nodrošina datu konfidencialitāti un drošību izvietošanā, jo datiem nav jāatstāj vietējā vide. Tas ir īpaši svarīgi izvietošanai, kur datu konfidencialitāte ir obligāta. Turklāt datu apmācības process mākonī ir laikietilpīgs. Šo laika patēriņu par to, kā citi tuvojas šai vietai, izraisa vajadzība apkopot vēsturiskos datus, pārsūtīt datus uz mākoni, izveidot modeli un galu galā novirzīt šo modeli līdz galējiem līdzekļiem. MicroAI var trenēties un dzīvot 100% vietējā vidē.

Viena no MicroAI tehnoloģijas iezīmēm ir tās paātrinātā anomāliju noteikšana. Vai jūs varētu sīkāk pastāstīt par šo funkcionalitāti?

Pateicoties mūsu uzvedības analīzes pieejai, mēs varam izvietot MicroAI un nekavējoties sākt apgūt līdzekļa uzvedību. Mēs varam sākt redzēt uzvedības modeļus. Atkal, tas notiek bez nepieciešamības ielādēt vēsturiskos datus. Kad esam fiksējuši pietiekamus aktīva ciklus, mēs varam sākt ģenerēt precīzu AI modeļa izvadi. Tas ir revolucionārs telpai. Tas, kas agrāk prasīja nedēļas vai mēnešus, lai izveidotu precīzu modeli, var notikt dažu stundu un dažreiz arī minūšu laikā.

Kāda ir atšķirība starp MicroAI™ Helio un MicroAI™ Atom?

MicroAI™ Helio serveris:

Mūsu Helio Server vidi var izvietot vietējā serverī (visbiežāk) vai mākoņa instancē. Helio nodrošina šādu funkcionalitāti: (darbplūsmas pārvaldība, datu analīze un pārvaldība un datu vizualizācija).

Darbplūsmas līdzekļu pārvaldīšanai – hierarhija, kur tie tiek izvietoti un kā tie tiek izmantoti. (piem., visu klientu iekārtu iestatīšana visā pasaulē, īpašas iekārtas un sadaļas katrā objektā, atsevišķas stacijas, līdz katram objektam katrā stacijā). Turklāt līdzekļus var iestatīt, lai veiktu dažādus darbus ar atšķirīgu cikla ātrumu; to var konfigurēt šajās darbplūsmās. Papildus ir iespēja pārvaldīt biļetes/darba uzdevumus, kas arī ir daļa no Helio Server vides.

Datu analīze un pārvaldība - Šajā Helio sadaļā lietotājs var palaist papildu analīzi AI izvadei, kā arī jebkādus neapstrādātu datu momentuzņēmumus (ti, maksimālās, minimālās un vidējās datu vērtības stundā vai datu parakstus, kas izraisīja brīdinājumu vai trauksmi). . Tie var būt vaicājumi, kas konfigurēti Helio Analytics noformētājā, vai uzlabota analītika, kas iegūta no tādiem rīkiem kā R — programmēšanas valoda. Datu pārvaldības slānis ir vieta, kur lietotājs var izmantot API pārvaldības vārteju trešo pušu savienojumiem, kas patērē un/vai sūta datus, saskaņojot to ar Helio vidi.

Datu vizualizācija – Helio nodrošina veidnes dažādiem nozarei specifiskiem ziņojumiem, kas ļauj lietotājiem aplūkot savu pievienoto līdzekļu uzņēmuma līdzekļu pārvaldības un aktīvu veiktspējas pārvaldības skatus gan no Helio darbvirsmas, gan mobilajām lietojumprogrammām.

MicroAI Atom:

MicroAI Atom ir mašīnmācīšanās platforma, kas paredzēta iegulšanai MCU vidēs. Tas ietver daudzdimensiju uzvedības analīzes rekursīvā algoritma apmācību tieši vietējā MCU arhitektūrā, nevis mākonī un pēc tam nospiežot uz MCU. Tas ļauj paātrināt ML modeļu izveidi un izvietošanu, izmantojot augšējo un apakšējo sliekšņu automātisku ģenerēšanu, pamatojoties uz daudzvariantu modeli, kas tiek veidots tieši galapunktā. Mēs esam izveidojuši MicroAI, lai tas būtu efektīvāks veids, kā patērēt un apstrādāt signālu datus, lai apmācītu modeļus, nekā citas tradicionālās metodes. Tas ne tikai nodrošina augstāku izveidotā modeļa precizitātes līmeni, bet arī izmanto mazāk resursdatora aparatūras resursu (ti, mazāks atmiņas un CPU lietojums), kas ļauj mums darboties tādās vidēs kā MCU.

Mums ir vēl viens pamatpiedāvājums ar nosaukumu MicroAI™ tīkls.

MicroAI™ tīkls – Ļauj konsolidēt atomu tīklu un apvienot to ar ārējiem datu avotiem, lai izveidotu vairākus modeļus tieši malā. Tas ļauj veikt horizontālo un vertikālo analīzi dažādiem līdzekļiem, kuros darbojas Atom. MicroAI tīkls ļauj iegūt vēl dziļāku izpratni par ierīces/līdzekļa veiktspēju saistībā ar līdzīgiem izmantotajiem līdzekļiem. Atkal, pateicoties mūsu unikālajai pieejai modeļu veidošanai tieši malā, mašīnmācīšanās modeļi patērē ļoti maz resursdatora aparatūras atmiņas un CPU.

ONE Tech piedāvā arī IoT drošības konsultācijas. Kāds ir draudu modelēšanas un IoT iespiešanās pārbaudes process?

Tā kā spējam izprast līdzekļu darbību, mēs varam patērēt datus, kas saistīti ar pievienotās ierīces iekšējiem elementiem (piemēram, centrālo procesoru, atmiņas lietojumu, datu pakotnes lielumu/frekvenci). IoT ierīcēm lielākoties ir regulārs darbības modelis — cik bieži tās pārsūta datus, uz kurieni tās nosūta datus un šīs datu paketes lielums. Mēs izmantojam MicroAI, lai patērētu šos iekšējos datu parametrus, lai izveidotu bāzes līniju, kas ir normāla šai pievienotajai ierīcei. Ja ierīcē notiek neparasta darbība, mēs varam aktivizēt atbildi. Tas var būt no ierīces atsāknēšanas vai biļetes atvēršanas darba uzdevumu pārvaldības rīkā līdz pilnīgai tīkla trafika samazināšanai uz ierīci. Mūsu drošības komanda ir izstrādājusi testēšanas uzlauzumus, un mēs esam veiksmīgi atklājuši dažādus nulles dienas uzbrukuma mēģinājumus, izmantojot MicroAI.

Vai ir vēl kaut kas, ko vēlaties dalīties par uzņēmumu ONE Tech, Inc?

Tālāk ir parādīta MicroAI Atom darbības shēma. Sākot ar neapstrādātu datu iegūšanu, apmācību un apstrādi vietējā vidē, datu izsecināšanu un izvades nodrošināšanu.

Tālāk ir parādīta shēma, kā darbojas MicroAI tīkls. Daudzi MicroAI atomi tiek ievadīti MicroAI tīklā. Papildus Atom datiem modelī var apvienot papildu datu avotus, lai iegūtu detalizētāku izpratni par līdzekļa veiktspēju. Turklāt MicroAI tīklā tiek veidoti vairāki modeļi, kas ļauj ieinteresētajām personām veikt horizontālu analīzi par to, kā aktīvi darbojas dažādos reģionos, starp klientiem, pirms un pēc atjauninājumiem utt.

Paldies par interviju un detalizētajām atbildēm, lasītājiem, kuri vēlas uzzināt vairāk, vajadzētu apmeklēt ONE Tech.