Yasser Khan, dyrektor generalny ONE Tech – seria wywiadów

Yasser Khan jest dyrektorem generalnym JEDNA TECHNOLOGIA firma zajmująca się technologią opartą na sztucznej inteligencji, która projektuje, rozwija i wdraża rozwiązania IoT nowej generacji dla producentów OEM, operatorów sieci i przedsiębiorstw.

Co początkowo przyciągnęło Cię do sztucznej inteligencji?

Kilka lat temu wdrożyliśmy rozwiązanie Przemysłowego Internetu Rzeczy (IIoT), które połączyło wiele zasobów w dużej lokalizacji geograficznej. Ilość wygenerowanych danych była ogromna. Zagregowaliśmy dane ze sterowników PLC z częstotliwością próbkowania 50 milisekund i wartości z czujników zewnętrznych kilka razy na sekundę. W ciągu jednej minuty wygenerowaliśmy tysiące punktów danych dla każdego zasobu, z którym się łączyliśmy. Wiedzieliśmy, że standardowa metoda przesyłania danych na serwer i zlecania ich ocenie przez osobę nie jest ani realistyczna, ani korzystna dla biznesu. Postanowiliśmy więc stworzyć produkt, który będzie przetwarzał dane i generował materiały wyjściowe, znacznie zmniejszając zakres nadzoru potrzebnego organizacji, aby czerpać korzyści z wdrożenia transformacji cyfrowej – w dużym stopniu skupiając się na zarządzaniu wydajnością zasobów i konserwacji predykcyjnej.

Czy możesz omówić, czym jest rozwiązanie MicroAI firmy ONE Tech? 

MicroAI™ to platforma uczenia maszynowego, która zapewnia większy wgląd w wydajność, wykorzystanie i ogólne zachowanie zasobów (urządzenia lub maszyny). Korzyści te dotyczą zarówno kierowników zakładów produkcyjnych, którzy szukają sposobów na poprawę ogólnej efektywności sprzętu, jak i producentów OEM sprzętu, którzy chcą lepiej zrozumieć, jak ich urządzenia radzą sobie w terenie. Osiągamy to poprzez wdrożenie małego (zaledwie 70 KB) pakietu na mikrokontrolerze (MCU) lub mikroprocesorze (MPU) zasobu. Kluczową różnicą jest to, że proces uczenia i tworzenia modelu MicroAI jest wyjątkowy. Trenujemy model bezpośrednio na samym zasobie. Pozwala to nie tylko na zachowanie danych lokalnych, co zmniejsza koszty i czas wdrożenia, ale także zwiększa dokładność i precyzję wyników AI. MicroAI ma trzy podstawowe warstwy:

1. Pozyskiwanie danych – MicroAI jest niezależne od wprowadzania danych. Możemy wykorzystać dowolną wartość czujnika, a platforma MicroAI umożliwia inżynierię funkcji i ważenie danych wejściowych w ramach tej pierwszej warstwy.
2. Szkolenia – Szkolimy bezpośrednio w środowisku lokalnym. Użytkownik może ustawić czas trwania szkolenia w zależności od normalnego cyklu zasobu. Zwykle lubimy rejestrować 25–45 normalnych cykli, ale jest to w dużej mierze oparte na zmienności/zmienności każdego uchwyconego cyklu.
3. Wydajność – Powiadomienia i alerty są generowane przez MicroAI na podstawie wagi wykrytej anomalii. Progi te mogą być regulowane przez użytkownika. Inne dane wyjściowe generowane przez MicroAI obejmują przewidywaną liczbę dni do następnej konserwacji (w celu optymalizacji harmonogramów usług), Wynik kondycji i Pozostały czas życia majątku trwałego. Wyniki te można przesłać do istniejących systemów informatycznych, które posiadają klienci (narzędzia do zarządzania cyklem życia produktu, zarządzanie wsparciem/biletami, konserwacja itp.)

Czy możesz omówić niektóre technologie uczenia maszynowego stojące za MicroAI?

MicroAI oferuje wielowymiarową analizę behawioralną opakowaną w algorytm rekurencyjny. Każde dane wejściowe wprowadzane do silnika AI mają wpływ na progi (górne i dolne granice) ustawione przez model AI. Robimy to poprzez prognozowanie o krok do przodu. Na przykład, jeśli jednym wejściem są obroty, a obroty rosną, górny próg temperatury łożyska może nieznacznie wzrosnąć ze względu na szybszy ruch maszyny. Dzięki temu model może się rozwijać i uczyć.

MicroAI nie jest zależne od dostępu do chmury. Jakie są z tego zalety?

Mamy unikalne podejście do tworzenia modeli bezpośrednio na punkcie końcowym (gdzie generowane są dane). Zapewnia to prywatność i bezpieczeństwo danych we wdrożeniach, ponieważ dane nie muszą opuszczać środowiska lokalnego. Jest to szczególnie ważne w przypadku wdrożeń, w których ochrona danych jest obowiązkowa. Ponadto proces uczenia danych w chmurze jest czasochłonny. To czasochłonne podejście innych do tej przestrzeni jest spowodowane koniecznością agregowania danych historycznych, przesyłania danych do chmury, tworzenia modelu i ostatecznie przeniesienia tego modelu do zasobów końcowych. MicroAI może trenować i żyć w 100% w środowisku lokalnym.

Jedną z cech technologii MicroAI jest przyspieszone wykrywanie anomalii. Czy mógłbyś rozwinąć tę funkcjonalność?

Dzięki naszemu podejściu do analizy behawioralnej możemy wdrożyć MicroAI i natychmiast rozpocząć naukę zachowania zasobu. Możemy zacząć dostrzegać wzorce w zachowaniu. Ponownie odbywa się to bez konieczności ładowania jakichkolwiek danych historycznych. Po zarejestrowaniu wystarczającej liczby cykli zasobu możemy rozpocząć generowanie dokładnych danych wyjściowych z modelu sztucznej inteligencji. To przełomowe dla tej przestrzeni. To, co dawniej tworzenie dokładnego modelu zajmowało tygodnie lub miesiące, może nastąpić w ciągu kilku godzin, a czasem minut.

Jaka jest różnica pomiędzy MicroAI™ Helio i MicroAI™ Atom?

Serwer MicroAI™ Helio:

Nasze środowisko Helio Server można wdrożyć na serwerze lokalnym (najczęściej) lub w instancji w chmurze. Helio udostępnia następującą funkcjonalność: (Zarządzanie przepływem pracy, analiza i zarządzanie danymi oraz wizualizacja danych).

Przepływy pracy związane z zarządzaniem zasobami – Hierarchia miejsc ich rozmieszczenia i sposobu wykorzystania. (np. konfiguracja wszystkich obiektów klienta na całym świecie, określone obiekty i sekcje w każdym obiekcie, poszczególne stacje, aż do każdego zasobu na każdej stacji). Co więcej, zasoby można skonfigurować tak, aby wykonywały różne zadania z różnymi częstotliwościami cykli; można to skonfigurować w ramach tych przepływów pracy. Dodatkowo istnieje możliwość zarządzania zgłoszeniami/zleceniami roboczymi, która również jest częścią środowiska Helio Server.

Analiza i zarządzanie danymi – W tej sekcji Helio użytkownik może przeprowadzić dalsze analizy wyników AI, wraz z dowolnymi surowymi migawkami danych (tj. wartościami maksymalnymi, minimalnymi i średnimi co godzinę lub sygnaturami danych, które wyzwoliły alert lub alarm). . Mogą to być zapytania skonfigurowane w projektancie Helio Analytics lub bardziej zaawansowana analityka przeniesiona z narzędzi takich jak język programowania R. Warstwa zarządzania danymi umożliwia użytkownikowi wykorzystanie bramy zarządzania API do połączeń innych firm, które zużywają i/lub wysyłają dane w koordynacji ze środowiskiem Helio.

Wizualizacja danych – Helio udostępnia szablony do różnych raportów specyficznych dla branży, co pozwala użytkownikom na przeglądanie widoków połączonych zasobów w ramach zarządzania zasobami przedsiębiorstwa i wydajnością zasobów zarówno z aplikacji komputerowych, jak i mobilnych Helio.

Atom MicroAI:

MicroAI Atom to platforma uczenia maszynowego przeznaczona do osadzania w środowiskach MCU. Obejmuje to szkolenie wielowymiarowego algorytmu rekurencyjnego analizy zachowania bezpośrednio w lokalnej architekturze MCU – a nie w chmurze i następnie przesyłane do MCU. Pozwala to na przyspieszenie budowania i wdrażania modeli ML poprzez automatyczne generowanie górnych i dolnych progów w oparciu o model wielowariantowy tworzony bezpośrednio na punkcie końcowym. Stworzyliśmy MicroAI, aby być bardziej efektywnym sposobem zużywania i przetwarzania danych sygnałowych w celu uczenia modeli niż inne tradycyjne metody. Zapewnia to nie tylko wyższy poziom dokładności tworzonego modelu, ale także zużywa mniej zasobów sprzętu hosta (tj. mniejsze zużycie pamięci i procesora), co pozwala nam działać w środowiskach takich jak MCU.

Mamy jeszcze jedną podstawową ofertę o nazwie MicroAI™ Network.

Sieć MicroAI™ – Umożliwia konsolidację i połączenie sieci Atomów z zewnętrznymi źródłami danych w celu tworzenia wielu modeli bezpośrednio na krawędzi. Umożliwia to przeprowadzenie analizy poziomej i pionowej różnych zasobów, na których działa Atom. Sieć MicroAI pozwala na jeszcze głębszy poziom zrozumienia działania urządzenia/zasobu w porównaniu z podobnymi wdrożonymi zasobami. Ponownie, ze względu na nasze unikalne podejście do tworzenia modeli bezpośrednio na krawędzi, modele uczenia maszynowego zużywają bardzo mało pamięci i procesora sprzętu hosta.

ONE Tech oferuje również doradztwo w zakresie bezpieczeństwa Internetu Rzeczy (IoT). Jak wygląda proces modelowania zagrożeń i testów penetracyjnych IoT?

Dzięki naszej zdolności do zrozumienia zachowania zasobów możemy wykorzystywać dane związane z elementami wewnętrznymi podłączonego urządzenia (np. procesor, użycie pamięci, rozmiar/częstotliwość pakietu danych). Urządzenia IoT w większości działają według regularnego schematu działania — jak często przesyłają dane, gdzie je wysyłają i jaki jest rozmiar pakietu danych. Stosujemy MicroAI, aby wykorzystać te wewnętrzne parametry danych, aby stworzyć punkt odniesienia tego, co jest normalne dla podłączonego urządzenia. Jeśli na urządzeniu wystąpi nienormalne działanie, możemy wywołać reakcję. Może to obejmować ponowne uruchomienie urządzenia lub otwarcie zgłoszenia w narzędziu do zarządzania zleceniami, aż po całkowite odcięcie ruchu sieciowego do urządzenia. Nasz zespół ds. bezpieczeństwa opracował hacki testowe i z powodzeniem wykryliśmy różne próby ataków Zero-Day, wykorzystując w tym celu MicroAI.

Czy jest coś jeszcze, czym chciałbyś się podzielić na temat ONE Tech, Inc?

Poniżej znajduje się schemat działania MicroAI Atom. Począwszy od pozyskiwania surowych danych, szkolenia i przetwarzania w środowisku lokalnym, wnioskowania o danych i dostarczania wyników.

Poniżej znajduje się schemat działania sieci MicroAI. Wiele atomów MicroAI zasila sieć MicroAI. Wraz z danymi Atom można połączyć z modelem dodatkowe źródła danych, aby uzyskać bardziej szczegółowe zrozumienie działania zasobu. Co więcej, w ramach sieci MicroAI tworzonych jest wiele modeli umożliwiających zainteresowanym stronom przeprowadzanie horyzontalnej analizy działania zasobów w różnych regionach, między klientami, przed i po aktualizacjach itp.

Dziękuję za wywiad i szczegółowe odpowiedzi. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić tę stronę JEDNA TECHNOLOGIA.