Из AI World:почему использование периферийных данных требует много энергии

В беседе у камина в AI World обсуждались проблемы, возникающие при извлечении данных с периферии.

Можно простить предположение, что производители готовы взломать свои различные производственные системы и начать использовать данные, которые были в ловушке внутри. Реальность может быть намного сложнее.

Проблемы, возникающие при извлечении данных из периферии, были рассмотрены в беседе у камина с Джозефом Этрисом, руководителем инженерного проекта в Continental Automotive Systems, к которому присоединился Джон Олд, региональный директор по продажам в Zededa, Inc. на недавней конференции AI World в Бостоне.

См. также: Производство лидирует в пакете Интернета вещей

Подразделение Etris в Continental производит каталитические нейтрализаторы для автомобильной промышленности, что является энергоемкой задачей. В 2018 году Этрис и его команда приступили к учету, анализу и уменьшению потребления электроэнергии и связанных с ним выбросов в линейке программируемых логических контроллеров (ПЛК) Siemens, впервые установленных в 1990-х годах. Сложность, как объяснил Этрис, заключалась в извлечении данных SCADA из ПЛК для интеграции с данными, поступающими от более новых электрических датчиков.

Хотя многие поставщики утверждают, что старые промышленные системы могут легко отказаться от своих данных в идеальном мире IoT, это далеко не так, отмечает Этрис. Устаревшие производственные системы часто не предназначены для работы в открытом режиме и часто не поддерживают работу в сети.

Олд, который в то время представлял Siemens, работал с командой Continental над извлечением данных ПЛК и обеспечением калибровки в реальном времени. Кроме того, каждые 10 минут данные загружаются в облачный репозиторий Amazon Web Services.

Проблемы, с которыми столкнулась Continental, являются симптомами проблем, с которыми сталкиваются в производственном ландшафте, объясняет Олд. «Во многих компаниях существует много темных данных, которые хранятся в разрозненных хранилищах». Это сопряжено не только с техническими проблемами, но и с организационными, так как несколько команд должны работать над ИИ, а не над IoT.

Еще одной темой, которую обсуждали участники дискуссии, было управление хранением данных в эпоху искусственного интеллекта и Интернета вещей. Многие организации будут бороться с растущими объемами потоков данных, поступающих в их системы от различных массивов контроллеров и датчиков, и часто заканчивают тем, что помещают их в озера данных.

По словам Олда, производителям необходимо создать общий уровень интерфейса, который мог бы извлекать и считывать данные со всех поколений производственных систем. Кроме того, необходимо обеспечить согласованность, поскольку данные из разных систем могут иметь разные значения и пороговые значения. Проблема для многих производителей заключается в том, что у них может быть много отдельных заводов, каждый со своими собственными инициативами и стандартами.