Yasser Khan, CEO al ONE Tech – Seria de interviuri

Yasser Khan, este CEO al ONE Tech o companie de tehnologie bazată pe inteligență artificială care proiectează, dezvoltă și implementează soluții IoT de ultimă generație pentru OEM, operatori de rețea și întreprinderi.

Ce te-a atras inițial către Inteligența Artificială?

În urmă cu câțiva ani, am implementat o soluție Industrial Internet of Things (IIoT) care a conectat multe active într-o locație geografică largă. Cantitatea de date care a fost generată a fost imensă. Am agregat datele de la PLC-uri la rate de eșantionare de 50 de milisecunde și valorile senzorilor externi de câteva ori pe secundă. Pe parcursul unui singur minut, am avut mii de puncte de date generate pentru fiecare activ la care ne conectăm. Știam că metoda standard de transmitere a acestor date către un server și de a avea o persoană să evalueze datele nu era realistă și nici benefică pentru afacere. Așa că ne-am propus să creăm un produs care să prelucreze datele și să genereze rezultate consumabile, reducând foarte mult cantitatea de supraveghere de care are nevoie o organizație pentru a profita de beneficiile implementării unei transformări digitale, concentrată puternic pe managementul performanței activelor și întreținerea predictivă.

Puteți discuta despre ce este soluția MicroAI de la ONE Tech? 

MicroAI™ este o platformă de învățare automată care oferă un nivel mai mare de perspectivă asupra performanței activelor (dispozitiv sau mașină), utilizare și comportament general. Acest beneficiu variază de la managerii fabricii de producție care caută modalități de a îmbunătăți eficiența generală a echipamentelor până la OEM-uri de hardware care doresc să înțeleagă mai bine cum se desfășoară dispozitivele lor pe teren. Realizam acest lucru prin implementarea unui pachet mic (de 70 kb) pe microcontrolerul (MCU) sau microprocesorul (MPU) al activului. Un factor cheie de diferențiere este faptul că procesul MicroAI de formare și formare a unui model este unic. Antrenăm modelul direct pe activul în sine. Acest lucru nu numai că permite ca datele să rămână locale, ceea ce reduce costurile și timpul de implementare, dar crește și acuratețea și precizia rezultatelor AI. MicroAI are trei straturi primare:

1. Ingestie de date – MicroAI este agnostic la intrarea datelor. Putem consuma orice valoare a senzorului, iar Platforma MicroAI permite ingineria caracteristicilor și ponderarea intrărilor din acest prim strat.
2. Pregătire – Ne antrenăm direct în mediul local. Durata antrenamentului poate fi setată de utilizator în funcție de ciclul normal al activului. De obicei, ne place să captăm 25-45 de cicluri normale, dar acest lucru se bazează în mare parte pe variația/volatilitatea fiecărui ciclu capturat.
3. producție – Notificările și alertele sunt generate de MicroAI în funcție de gravitatea anomaliei detectate. Aceste praguri pot fi ajustate de utilizator. Alte rezultate generate de MicroAI includ Predicted Days to Next Maintenance (pentru optimizarea programelor de service), Scorul de sănătate și Asset Life Remaining. Aceste rezultate pot fi trimise către sistemele IT existente pe care le au clienții (instrumente de management al ciclului de viață al produsului, managementul suport/ticketing, întreținere etc.)

Puteți discuta despre unele dintre tehnologiile de învățare automată din spatele MicroAI?

MicroAI dispune de o analiză comportamentală multidimensională împachetată într-un algoritm recursiv. Fiecare intrare care este introdusă în motorul AI are un impact asupra pragurilor (limitele superioare și inferioare) care sunt stabilite de modelul AI. Facem acest lucru oferind o predicție cu un pas înainte. De exemplu, dacă o intrare este RPM și RPM cresc, pragul superior al temperaturii rulmentului poate crește ușor din cauza mișcării mai rapide a mașinii. Acest lucru permite modelului să continue să evolueze și să învețe.

MicroAI nu se bazează pe accesul la cloud, care sunt avantajele acestui lucru?

Avem o abordare unică pentru formarea modelelor direct pe punctul final (unde sunt generate datele). Acest lucru aduce confidențialitatea și securitatea datelor implementărilor, deoarece datele nu trebuie să părăsească mediul local. Acest lucru este important în special pentru implementările în care confidențialitatea datelor este obligatorie. În plus, procesul de instruire a datelor într-un cloud necesită mult timp. Acest consum de timp al modului în care alții se apropie de acest spațiu este cauzat de necesitatea de a agrega date istorice, de a transmite date către un nor, de a forma un model și, în cele din urmă, de a împinge modelul până la finalul activelor. MicroAI se poate antrena și trăi 100% în mediul local.

Una dintre caracteristicile tehnologiei MicroAI este detectarea accelerată a anomaliilor, ați putea detalia această funcționalitate?

Datorită abordării noastre de analiză comportamentală, putem implementa MicroAI și putem începe instantaneu să învățăm comportamentul activului. Putem începe să vedem tipare în comportament. Din nou, acest lucru nu este necesar să încărcați date istorice. Odată ce capturam suficiente cicluri ale activului, putem începe să generăm rezultate precise din modelul AI. Acest lucru este revoluționar pentru spațiu. Ceea ce obișnuia să dureze săptămâni sau luni pentru a forma un model precis se poate întâmpla în câteva ore și uneori în câteva minute.

Care este diferența dintre MicroAI™ Helio și MicroAI™ Atom?

Server MicroAI™ Helio:

Mediul nostru Helio Server poate fi implementat pe un server local (cel mai comun) sau într-o instanță cloud. Helio oferă următoarele funcționalități: (Gestionarea fluxului de lucru, analiza și gestionarea datelor și vizualizarea datelor).

Fluxuri de lucru pentru gestionarea activelor – O ierarhie a locului în care sunt implementate și a modului în care sunt utilizate. (de exemplu, configurarea tuturor facilităților clienților la nivel global, facilități și secțiuni specifice din cadrul fiecărei unități, stații individuale, până la fiecare activ din fiecare stație). În plus, activele pot fi configurate pentru a efectua diferite lucrări cu rate de ciclu diferite; aceasta poate fi configurată în cadrul acestor fluxuri de lucru. În plus, este și capacitatea de gestionare a biletelor/comenzii de lucru, care este, de asemenea, o parte a mediului Helio Server.

Analiza si managementul datelor – În această secțiune a Helio, un utilizator poate rula analize suplimentare asupra ieșirii AI, împreună cu orice instantanee de date brute (adică, valorile maxime, minime și medii ale datelor pe oră sau semnături de date care au declanșat o alertă sau o alarmă) . Acestea pot fi interogări care sunt configurate în designerul Helio Analytics sau analize mai avansate aduse din instrumente precum R, un limbaj de programare. Nivelul de gestionare a datelor este locul în care un utilizator poate utiliza gateway-ul de gestionare API pentru conexiuni terță parte care consumă și/sau trimit date în coordonare cu mediul Helio.

Vizualizarea datelor – Helio oferă șabloane pentru diferite rapoarte specifice industriei, care permite utilizatorilor să utilizeze vizualizările Enterprise Asset Management și Asset Performance Management ale activelor lor conectate atât din aplicațiile desktop, cât și din aplicațiile mobile Helio.

MicroAI Atom:

MicroAI Atom este o platformă de învățare automată concepută pentru încorporarea în mediile MCU. Aceasta include antrenamentul algoritmului recursiv de analiză multidimensională a comportamentului direct în arhitectura MCU locală - nu într-un nor și apoi împins în MCU. Acest lucru permite accelerarea construirii și implementării modelelor ML prin generarea automată a pragurilor superioare și inferioare bazate pe modelul multivariant care se formează direct pe punctul final. Am creat MicroAI pentru a fi o modalitate mai eficientă de consum și procesare a datelor de semnal pentru a antrena modele decât alte metode tradiționale. Acest lucru nu numai că aduce un nivel mai ridicat de acuratețe modelului care este format, dar utilizează mai puține resurse pe hardware-ul gazdă (adică, memorie mai redusă și utilizarea procesorului), ceea ce ne permite să rulăm în medii precum un MCU.

Avem o altă ofertă de bază numită MicroAI™ Network.

Rețeaua MicroAI™ – Permite consolidarea și combinarea unei rețele de atomi cu surse de date externe pentru a crea mai multe modele direct la margine. Acest lucru permite efectuarea de analize orizontale și verticale asupra diferitelor active care rulează Atom. Rețeaua MicroAI permite un nivel și mai profund de înțelegere a modului în care un dispozitiv/activ funcționează în raport cu activele similare care sunt implementate. Din nou, datorită abordării noastre unice de a forma modele direct la margine, modelele de învățare automată consumă foarte puțină memorie și CPU a hardware-ului gazdă.

ONE Tech oferă și consultanță în securitatea IoT. Care este procesul de modelare a amenințărilor și testare a penetrării IoT?

Datorită capacității noastre de a înțelege cum se comportă activele, putem consuma date legate de elementele interne ale unui dispozitiv conectat (de exemplu, CPU, utilizarea memoriei, dimensiunea/frecvența pachetului de date). Dispozitivele IoT au, în cea mai mare parte, un model obișnuit de funcționare - cât de des transmite date, unde trimite datele și dimensiunea acelui pachet de date. Aplicam MicroAI pentru a consuma acești parametri interni de date pentru a forma o linie de bază a ceea ce este normal pentru acel dispozitiv conectat. Dacă apare o acțiune anormală pe dispozitiv, putem declanșa un răspuns. Acest lucru poate varia de la repornirea unui dispozitiv sau deschiderea unui bilet într-un instrument de gestionare a comenzii de lucru, până la reducerea completă a traficului de rețea către un dispozitiv. Echipa noastră de securitate a dezvoltat hack-uri de testare și am detectat cu succes diverse încercări de atac Zero-Day folosind MicroAI în această calitate.

Mai există ceva pe care ați dori să împărtășiți despre ONE Tech, Inc?

Mai jos este o diagramă a modului în care funcționează MicroAI Atom. Începând cu achiziționarea de date brute, instruirea și prelucrarea în mediul local, deducerea datelor și furnizarea de rezultate.

Mai jos este o diagramă a modului în care funcționează rețeaua MicroAI. Mulți atomi MicroAI se alimentează în rețeaua MicroAI. Împreună cu datele Atom, sursele de date suplimentare pot fi îmbinate în model pentru o înțelegere mai detaliată a modului în care funcționează activul. În plus, în cadrul rețelei MicroAI se formează mai multe modele, permițând părților interesate să efectueze analize orizontale privind performanța activelor în diferite regiuni, între clienți, înainte și după actualizări etc.

Vă mulțumim pentru interviu și răspunsurile dumneavoastră detaliate, cititorii care doresc să afle mai multe ar trebui să îl viziteze ONE Tech.