Yasser Khan, CEO al ONE Tech – Seria de interviuri

Yasser Khan este CEO al ONE Tech, o companie de tehnologie condusă de inteligență artificială care proiectează, dezvoltă și implementează soluții IoT de ultimă generație pentru producători de echipamente originale, operatori de rețele și întreprinderi.

Ce v-a atras inițial către Inteligența Artificială?

Acum câțiva ani, am implementat o soluție Industrial Internet of Things (IIoT) care a conectat multe active pe o suprafață geografică largă. Cantitatea de date generate a fost imensă. Am agregat date de la PLC-uri la rate de eșantionare de 50 de milisecunde și valori ale senzorilor externi de câteva ori pe secundă. Pe parcursul a doar unui minut, am avut mii de puncte de date generate pentru fiecare activ pe care îl conectam. Știam că metoda standard de transmitere a acestor date către un server și de a avea o persoană care să evalueze datele nu era realistă, nici benefică pentru afaceri. Așa că am decis să creăm un produs care să prelucreze datele și să genereze ieșiri consumabile, reducând astfel cantitatea de supraveghere de care are nevoie o organizație pentru a beneficia de o implementare de transformare digitală – concentrată în principal pe gestionarea performanței activelor și a întreținerii predictive.

Puteți discuta despre ce este soluția MicroAI a ONE Tech? 

MicroAI™ este o platformă de învățare automată care oferă un nivel mai mare de înțelegere a performanței, utilizării și comportamentului general al activelor (dispozitive sau mașini). Acest beneficiu variază de la managerii de fabrici care caută modalități de a îmbunătăți eficiența generală a echipamentelor până la producătorii de hardware care doresc să înțeleagă mai bine cum funcționează dispozitivele lor în teren. Realizăm acest lucru prin implementarea unui pachet mic (de mici 70kb) pe microcontrolerul (MCU) sau microprocesorul (MPU) activului. Un diferențiator cheie este că procesul nostru de instruire și formare a unui model este unic. Instruim modelul direct pe activ. Nu numai că acest lucru permite ca datele să rămână locale, reducând astfel costul și timpul de implementare, dar crește și acuratețea și precizia ieșirilor de inteligență artificială. MicroAI are trei straturi principale:

1. Ingestia datelor – MicroAI este agnostic la intrarea de date. Putem consuma orice valoare a senzorului și platforma MicroAI permite ingineria și ponderarea intrărilor în acest prim strat.
2. Instruire – Instruim direct în mediul local. Durata instruirii poate fi setată de utilizator, în funcție de ce reprezintă un ciclu normal al activului. De obicei, încercăm să capturăm 25-45 de cicluri normale, dar acest lucru se bazează puternic pe variația/volatilitatea fiecărui ciclu capturat.
3. Ieșire – Notificările și alertele sunt generate de MicroAI pe baza gravității anomaliilor detectate. Aceste praguri pot fi ajustate de utilizator. Alte ieșiri generate de MicroAI includ Zilele prezise până la următoarea întreținere (pentru optimizarea programărilor de service), Scor de sănătate și Viață rămasă a activului. Aceste ieșiri pot fi trimise către sistemele IT existente pe care le au clienții (unelte de gestionare a ciclului de viață al produsului, gestionare a ticketelor/suport, întreținere etc.)

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

MicroAI dispune de o analiză comportamentală multi-dimensională încorporată într-un algoritm recursiv. Fiecare intrare care este alimentată în motorul de inteligență artificială afectează pragurile (limita superioară și inferioară) stabilite de modelul de inteligență artificială. Realizăm acest lucru prin furnizarea unei predicții cu un pas înainte. De exemplu, dacă o intrare este RPM, iar RPM crește, limita superioară a temperaturii lagărelor poate crește ușor din cauza mișcării mai rapide a mașinii. Acest lucru permite modelului să continue să evolueze și să învețe.

MicroAI nu depinde de accesul la cloud, care sunt avantajele acestei abordări?

Avem o abordare unică de formare a modelelor direct pe punctul de generare a datelor. Acest lucru aduce securitate și confidențialitate a datelor în implementări, deoarece datele nu trebuie să părăsească mediul local. Acest lucru este mai ales important pentru implementări în care confidențialitatea datelor este obligatorie. Mai mult, procesul de instruire a datelor în cloud este consumator de timp. Acest consum de timp este cauzat de nevoia de a agrega date istorice, a transmite date către cloud, a forma un model și, în cele din urmă, a împinge modelul către activele de la capăt. MicroAI poate fi instruit și poate funcționa 100% în mediul local.

Una dintre funcțiile tehnologiei MicroAI este detectarea accelerată a anomaliilor, puteți explica această funcționalitate?

Datorită abordării noastre de analiză comportamentală, putem implementa MicroAI și începe imediat să învățăm comportamentul activului. Putem începe să vedem modele în cadrul comportamentului. Din nou, acest lucru se realizează fără a fi nevoie de încărcarea oricăror date istorice. Odată ce capturăm suficiente cicluri ale activului, putem începe să generăm ieșiri precise din modelul de inteligență artificială. Acest lucru este revoluționar pentru acest domeniu. Ceea ce obișnuia să dureze săptămâni sau luni pentru a forma un model precis poate fi realizat într-o chestiune de ore, și uneori minute.

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

MicroAI ™ Helio Server:

Mediul nostru Helio Server poate fi implementat pe un server local (cel mai frecvent), sau într-o instanță de 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 modului în care sunt implementate și utilizate. (de exemplu, configurarea tuturor facilităților clienților la nivel global, facilități și secțiuni specifice din cadrul fiecărei facilități, stații individuale, până la fiecare activ din cadrul fiecărei stații). Mai mult, activele pot fi configurate pentru a efectua diferite sarcini cu rate de cicluri diferite; acest lucru poate fi configurat în cadrul acestor fluxuri de lucru. În plus, există și capacitatea de gestionare a ticketelor / comenzilor de lucru, care face parte din mediul Helio Server.

Analiza și gestionarea datelor – În această secțiune a lui Helio, un utilizator poate rula analize suplimentare pe ieșirile de inteligență artificială, împreună cu orice instantanee brute de date (de exemplu, valori maxime, minime și medii de date pe o bază orară sau semnături de date care au declanșat o alertă sau un semnal de alarmă). Acestea pot fi interogări configurate în designerul de analize Helio sau analize avansate aduse din instrumente precum R, un limbaj de programare. Stratul de gestionare a datelor este unde un utilizator poate utiliza poarta de gestionare a API-urilor pentru conexiuni terțe care consumă și / sau trimit date în coordonare cu mediul Helio.

Vizualizarea datelor – Helio oferă șabloane pentru raportare specifică industriei, care permite utilizatorilor să consume vedere de gestionare a activelor și a performanței activelor pentru activele lor conectate, atât din aplicația de birou Helio, cât și din aplicația mobilă.

MicroAI Atom:

MicroAI Atom este o platformă de învățare automată proiectată pentru încorporarea în medii MCU. Acest lucru include instruirea analizei comportamentale multi-dimensionale recursive direct în arhitectura locală MCU – și nu în cloud, și apoi împinsă către MCU. Acest lucru ne permite să accelerăm crearea și implementarea modelelor de învățare automată prin generarea automată a pragurilor superioare și inferioare pe baza modelului multi-variant format direct pe punctul de generare a datelor. Am creat MicroAI pentru a fi o modalitate mai eficientă de consum și prelucrare a datelor semnal pentru a instrui modele decât metodele tradiționale. Acest lucru nu numai că aduce un nivel mai ridicat de acuratețe modelului format, dar utilizează și mai puține resurse pe hardware-gazdă (de exemplu, utilizare mai mică a memoriei și a CPU-ului), ceea ce ne permite să ruleze în medii precum MCU.

Aveam o altă ofertă principală numită MicroAI ™ Network.

MicroAI ™ Network – Permite consolidarea unei rețele de Atomi și a unor surse de date externe pentru crearea mai multor modele direct pe punctul de generare a datelor. Acest lucru permite o analiză orizontală și verticală a modului în care activele funcționează. MicroAI Network permite o înțelegere și mai profundă a modului în care un dispozitiv / activ funcționează în raport cu active similare care sunt implementate. Din nou, datorită abordării noastre unice de formare a modelelor direct pe punctul de generare a datelor, modelele de învățare automată consumă foarte puțină memorie și CPU a hardware-ului gazdă.

ONE Tech oferă, de asemenea, consultanță de securitate IoT. Care este procesul de modelare a amenințărilor și testarea de penetrare IoT?

Datorită capacității noastre de a înțelege cum se comportă activele, putem consuma date legate de interiorul unui dispozitiv conectat (de exemplu, CPU, utilizare a memoriei, dimensiunea pachetului de date / frecvență). Dispozitivele IoT au, în mare parte, un model regulat de funcționare – cât de des transmite date, unde trimite datele și dimensiunea pachetului de date. Aplicăm MicroAI pentru a consuma aceste parametri de date interne pentru a forma o linie de bază a ceea ce este normal pentru dispozitivul conectat. Dacă se produce o acțiune anormală pe dispozitiv, putem declanșa o reacție. Acest lucru poate varia de la restartarea dispozitivului sau deschiderea unui bilet într-un instrument de gestionare a comenzilor de lucru, până la întreruperea completă a traficului de rețea către dispozitiv. Echipa noastră de securitate a dezvoltat teste de hacking și am detectat cu succes mai multe încercări de atac Zero-Day, utilizând MicroAI în acest scop.

Există altceva pe care ați dori să îl împărtășiți despre ONE Tech, Inc?

Mai jos este un diagramă care arată cum funcționează MicroAI Atom. Începând cu achiziționarea datelor brute, instruirea și prelucrarea în mediul local, inferența datelor și furnizarea ieșirilor.

Mai jos este un diagramă care arată cum funcționează MicroAI Network. Mai multe MicroAI Atomi se alimentează în MicroAI Network. Împreună cu datele Atom, pot fi adăugate și alte surse de date în model pentru o înțelegere mai granulară a modului în care activul funcționează. Mai mult, în MicroAI Network se formează mai multe modele, ceea ce permite stakeholderilor să ruleze analize orizontale și verticale ale modului în care activele funcționează în diferite regiuni, între clienți, înainte și după actualizări etc.

Mulțumim pentru interviu și pentru răspunsurile detaliate, cititorii care doresc să afle mai multe despre ONE Tech ar trebui să viziteze ONE Tech.