Yasser Khan, CEO ONE Tech - Wawancara Series

Yasser Khan, nyaéta CEO ONE Tech perusahaan téknologi anu didorong ku AI anu mendesain, ngembangkeun sareng nyebarkeun solusi IoT generasi saterusna pikeun OEM, operator jaringan sareng perusahaan.

Naon anu mimitina narik anjeun kana Artificial Intelligence?

Sababaraha taun ka tukang, kami nyebarkeun solusi Industrial Internet of Things (IIoT) anu nyambungkeun seueur aset dina lokasi geografis anu lega. Jumlah data anu dihasilkeun éta loba pisan. Kami ngumpulkeun data tina PLC dina laju sampling 50 milidetik sareng nilai sensor éksternal sababaraha kali sadetik. Salila hiji menit, urang ngagaduhan rébuan titik data anu dihasilkeun pikeun unggal aset anu kami sambungkeun. Kami terang yén metodeu standar pikeun ngirimkeun data ieu ka server sareng gaduh jalma ngevaluasi data éta henteu realistis, atanapi henteu aya mangpaatna pikeun bisnis. Janten urang badé nyiptakeun produk anu bakal ngolah data sareng ngahasilkeun kaluaran anu tiasa dianggo, ngirangan pisan jumlah pangawasan anu diperyogikeun organisasi pikeun nyandak kauntungan tina panyebaran transformasi digital-fokus pisan kana manajemén kinerja aset sareng pangropéa prediktif.

Naha anjeun tiasa ngabahas naon solusi MicroAI ONE Tech? 

MicroAI ™ mangrupikeun platform Pembelajaran Mesin anu nyayogikeun tingkat wawasan anu langkung ageung kana kinerja aset (alat atanapi mesin), pamanfaatan sareng paripolah umum. Mangpaat ieu dibasajankeun ti manajer pabrik pabrik anu milari cara pikeun ningkatkeun efektivitas alat sacara umum ka OEM hardware anu hoyong langkung ngartos kumaha alat-alatna sateuacana di lapangan. Urang ngalengkepan ieu ku cara nyebarkeun pakét leutik (saeutik 70kb) kana mikrokontroler (MCU) atanapi mikroprosesor (MPU) tina aset éta. Anu ngabédakeun konci nyaéta prosés pelatihan MicroAI sareng ngabentuk modél unik. Urang ngalatih model langsung dina asset sorangan. Henteu ngan ukur ieu ngamungkinkeun data tetep lokal, anu ngirangan biaya sareng waktos panyebaran, tapi ogé ningkatkeun akurasi sareng akurasi kaluaran AI. MicroAI ngagaduhan tilu lapisan primér:

1. Ingestion data - MicroAI agnostik kana input data. Urang tiasa meakeun nilai sensor naon waé sareng Platform MicroAI ngamungkinkeun rékayasa fitur sareng beurat input dina lapisan kahiji ieu.
2. palatihan – Urang ngalatih langsung dina lingkungan lokal. Durasi latihan tiasa diatur ku pangguna gumantung kana siklus normal aset éta. Ilaharna, urang resep néwak 25-45 siklus normal, tapi ieu beurat dumasar kana variasi / volatility unggal siklus direbut.
3. hasil - Bewara sareng Tanda dihasilkeun ku MicroAI dumasar kana parah anomali anu dideteksi. Ambang ieu tiasa disaluyukeun ku pangguna. Kaluaran sanésna anu dibangkitkeun ku MicroAI kalebet Poé Diprediksi pikeun Pangropéa Salajengna (pikeun ngaoptimalkeun jadwal jasa), Skor Kaséhatan, sareng Kahirupan Aset Sésana. Kaluaran ieu tiasa dikirim ka sistem IT anu tos aya anu parantos dilaksanakeun ku klien (alat Manajemén Lifecycle Produk, Manajemén Dukungan / Ticketing, Pangropéa, jsb.)

Naha anjeun tiasa ngabahas sababaraha téknologi diajar mesin di tukangeun MicroAI?

MicroAI gaduh Analisis Perilaku Multi-Diménsi anu dibungkus dina algoritma rekursif. Unggal input anu diasupkeun kana mesin AI mangaruhan ambang (wates luhur sareng handap) anu diatur ku modél AI. Kami ngalakukeun ieu ku nyayogikeun prediksi hiji léngkah payun. Salaku conto, upami hiji input nyaéta RPM sareng paningkatan RPM, ambang wates luhur suhu bantalan tiasa rada naek kusabab gerakan mesin anu langkung gancang. Hal ieu ngamungkinkeun modél pikeun terus mekar sareng diajar.

MicroAI henteu ngandelkeun aksés kana méga, naon kaunggulan ieu?

Kami gaduh pendekatan unik pikeun ngabentuk modél langsung dina titik akhir (dimana data dihasilkeun). Ieu nyababkeun privasi sareng kaamanan data pikeun panyebaran sabab data henteu kedah ngantunkeun lingkungan lokal. Ieu hususna penting pikeun panyebaran dimana privasi data wajib. Saterusna, prosés latihan data dina awan téh consuming waktu. Konsumsi waktos ieu kumaha batur anu ngadeukeutan rohangan ieu disababkeun ku kabutuhan ngumpulkeun data sajarah, ngirimkeun data ka awan, ngabentuk modél, sareng pamustunganana ngadorong modél éta ka tungtung aset. MicroAI tiasa ngalatih sareng hirup 100% di lingkungan lokal.

Salah sahiji fitur téknologi MicroAI nyaéta deteksi anomali anu gancangan, naha anjeun tiasa ngajelaskeun fungsionalitas ieu?

Kusabab pendekatan analisis paripolah urang, urang tiasa nyebarkeun MicroAI sareng langsung ngamimitian diajar paripolah aset éta. Urang bisa ngamimitian ningali pola dina kabiasaan. Sakali deui, ieu henteu kedah ngamuat data sajarah. Sakali kami néwak siklus aset anu cekap, urang teras tiasa ngawitan ngahasilkeun kaluaran anu akurat tina modél AI. Ieu groundbreaking pikeun spasi. Anu biasa nyandak sababaraha minggu atanapi sasih kanggo ngabentuk modél anu akurat tiasa lumangsung dina sababaraha jam, sareng sakapeung menit.

Naon bédana MicroAI™ Helio sareng MicroAI™ Atom?

MicroAI™ Helio Server:

Lingkungan Helio Server urang tiasa disebarkeun dina server lokal (paling umum), atanapi dina conto awan. Helio nyayogikeun fungsionalitas ieu: (Manajemén alur kerja, analisa sareng manajemén data, sareng visualisasi data).

Workflows pikeun ngatur aset - Hierarki dimana aranjeunna disebarkeun sareng kumaha aranjeunna dianggo. (Contona, setelan sadaya fasilitas palanggan sacara global, fasilitas sareng bagian khusus dina unggal fasilitas, stasiun individu, dugi ka unggal aset di unggal stasiun). Salajengna, aset tiasa disetél pikeun ngalakukeun padamelan anu béda-béda kalayan tingkat siklus anu béda; ieu tiasa dikonpigurasi dina alur kerja ieu. Sajaba ti éta kamampuhan pikeun manajemén tikét / workorder, nu ogé mangrupa bagian ti lingkungan Helio Server.

Analisis jeung manajemén data - Dina bagian Helio ieu, pangguna tiasa ngajalankeun analitik langkung seueur ngeunaan kaluaran AI, sareng snapshot data atah (nyaéta, Max, Min, sareng nilai data rata-rata unggal jam atanapi tanda tangan data anu memicu waspada atanapi alarm) . Ieu tiasa patarosan anu dikonpigurasi dina desainer Helio Analytics atanapi analytics anu langkung maju anu dibawa tina alat sapertos R, basa pamrograman. Lapisan manajemén data mangrupa tempat pamaké bisa ngagunakeun gateway manajemén API pikeun sambungan pihak-3 anu consuming jeung / atawa ngirim data dina koordinasi jeung lingkungan Helio.

Data Visualisasi - Helio nyayogikeun témplat pikeun sababaraha laporan khusus industri, anu ngamungkinkeun para pangguna pikeun ngonsumsi Manajemén Aset Perusahaan sareng Manajemén Kinerja Aset ningali aset-aset anu disambungkeun tina desktop Helio sareng aplikasi mobile.

MicroAI Atom:

MicroAI Atom mangrupikeun platform Pembelajaran Mesin anu dirancang pikeun napelkeun kana lingkungan MCU. Ieu kalebet latihan algoritma rekursif analisis paripolah multi-dimensi langsung dina arsitéktur MCU lokal-henteu dina méga teras didorong ka handap ka MCU. Hal ieu ngamungkinkeun pikeun ngagancangkeun ngawangun sareng panyebaran model ML ngaliwatan generasi otomatis tina ambang luhur sareng handap dumasar kana modél multivarian anu kabentuk langsung dina titik akhir. Kami parantos nyiptakeun MicroAI janten cara anu langkung éfisién pikeun ngonsumsi sareng ngolah data sinyal pikeun ngalatih modél tibatan metode tradisional anu sanés. Ieu henteu ngan ukur masihan tingkat akurasi anu langkung luhur pikeun modél anu kabentuk tapi ngagunakeun sumber daya anu kirang dina hardware host (nyaéta, mémori anu langkung handap sareng pamakean CPU), anu ngamungkinkeun urang ngajalankeun di lingkungan sapertos MCU.

Kami ngagaduhan hiji panawaran inti anu disebut MicroAI™ Network.

Jaringan MicroAI™ - Ngidinan jaringan Atom dihijikeun sareng ditumbuk sareng sumber data éksternal pikeun nyiptakeun sababaraha modél langsung di tepi. Hal ieu ngamungkinkeun analisa horizontal sareng vertikal tiasa dijalankeun dina sagala rupa aset anu ngajalankeun Atom. Jaringan MicroAI ngamungkinkeun tingkat pamahaman anu langkung jero ngeunaan kumaha kinerja alat / aset anu aya hubunganana sareng aset anu sami anu disebarkeun. Deui, alatan pendekatan unik urang pikeun ngabentuk model langsung di tepi, model learning mesin meakeun saeutik pisan memori sareng CPU tina hardware host.

ONE Tech ogé nawiskeun konsultasi kaamanan IoT. Naon prosés pikeun modél ancaman sareng uji penetrasi IoT?

Kusabab kamampuan urang ngartos kumaha kalakuan aset, urang tiasa ngonsumsi data anu aya hubunganana sareng internal alat anu disambungkeun (contona, CPU, Pamakéan Mémori, ukuran/frékuénsi paket data). Alat IoT, sabagéan ageung, pola operasi biasa-sabaraha seringna ngirimkeun data, dimana ngirim data, sareng ukuran pakét data éta. Kami nerapkeun MicroAI pikeun nganggo parameter data internal ieu pikeun ngabentuk garis dasar naon anu normal pikeun alat anu disambungkeun. Lamun hiji aksi abnormal lumangsung dina alat, urang bisa memicu respon. Ieu bisa rupa-rupa ti rebooting alat atawa muka tikét dina alat manajemén workorder, pikeun sakabéhna motong lalulintas jaringan ka alat. Tim kaamanan kami parantos ngembangkeun hacks tés sareng kami parantos suksés ngadeteksi rupa-rupa usaha serangan Zero-Day ku ngagunakeun MicroAI dina kapasitas ieu.

Naha aya deui anu anjeun hoyong bagikeun ngeunaan ONE Tech, Inc?

Di handap ieu diagram kumaha fungsi MicroAI Atom. Dimimitian ku acquiring data atah, latihan jeung ngolah di lingkungan lokal, inferencing data jeung nyadiakeun output.

Di handap ieu diagram kumaha fungsi MicroAI Network. Seueur Atom MicroAI asup kana Jaringan MicroAI. Kalayan data Atom, sumber data tambahan tiasa dihijikeun kana modél pikeun pamahaman anu langkung rinci ngeunaan kumaha kinerja aset éta. Salajengna, dina MicroAI Network sababaraha model dibentuk anu ngamungkinkeun para pamangku kapentingan ngajalankeun analisa horizontal ngeunaan kumaha kinerja aset di daérah anu béda, antara para nasabah, sateuacan sareng saatos apdet, jsb.

Hatur nuhun pikeun wawancara sareng réspon lengkep anjeun, pamiarsa anu hoyong diajar langkung seueur kedah didatangan ONE Tech.