Промышленное производство
Промышленный Интернет вещей | Промышленные материалы | Техническое обслуживание и ремонт оборудования | Промышленное программирование |
home  MfgRobots >> Промышленное производство >  >> Industrial Internet of Things >> Интернет вещей

Интеграция ИИ во все телеком-операции для инноваций 5G и Edge

Интеграция ИИ во все телеком-операции для инноваций 5G и Edge

Телекомам нужна гибкая low-code платформа для 5G и Edge

Телеком-операторам необходима гибкая low-code платформа, поддерживающая события и потоковые данные, для разработки приложений нового поколения в реальном времени для 5G и edge-вычислений.

Представляемые телеком-приложения на базе доступных 5G и edge-сервисов безграничны. Для их питания телеком-компании обращаются к искусственному интеллекту и машинному обучению (AI/ML) для множества приложений и бизнес-областей.

Внутренне они стремятся к повышению операционной эффективности. Усилия сфокусированы на предиктивном управлении активами. Здесь AI/ML будет использоваться для перехода от планового обслуживания и реакции на проблемы (аварии, неработающее оборудование и т.д.) к проактивным операциям. Простой пример — выявление предупреждающих признаков трансформатора, производительность которого быстро деградирует, и его ремонт до внезапной аварии. Более сложный пример — развертывание ресурсов в реальном времени с оптимизацией для ликвидации последствий крупного шторма. Новый подход может включать мгновенный анализ видеопотоков (в том числе от дронов) для оценки ситуации с очень тонкой гранулярностью. Эта информация комбинируется с данными об авариях из клиентских приложений и других источников. Анализ этих агрегированных данных становится основой для плана действий.

Телеком-компании также надеются использовать инсайты от AI/ML для:

Вызовы разработки приложений в реальном времени

Общий фактор, пересекающий любой телеком-вариант использования, приложение или развертывание — отсутствие end-to-end решения. Это означает, что телекомам нужно предоставлять открытую платформу для разработки, провижининга, управления и мониторинга 5G и edge-сервисов, чтобы третьи стороны и партнеры (вендоры устройств, провайдеры сервисов, аналитические фирмы и др.) могли разрабатывать безопасные инновационные решения.

Во многих случаях телекомам придется иметь дело с множеством источников данных, а также событиями и потоковыми данными, и поэтому им понадобятся решения, включающие событийно-ориентированные архитектуры (EDA), аналитику в реальном времени и использование AI и ML.

EDA предлагает несколько отличительных особенностей для типов данных и анализа, требуемых телеком-приложениями. В частности, EDA поддерживает:

Аналитику потоковых данных в реальном времени: EDA полезна, когда нужна обработка в реальном времени с минимальным лагом. События происходят в непрерывном потоке по мере их возникновения в реальном мире. Потоковая аналитика — это извлечение бизнес-ценности из данных в движении так же, как традиционные инструменты аналитики используют данные в покое.

Асинхронные операции: Асинхронные системы используют данные, генерируемые и передаваемые прерывисто. Пример — 5G-датчик, посылающий тревогу, когда измеряемая величина превышает порог. Больше времени данных нет, но при превышении порога датчик передает информацию в реальном времени системам мониторинга. Приоритет — мгновенная реакция на событие, а не сохранение данных и проверка статуса позже. Для обеспечения реакции на любое число событий в реальном времени требуются асинхронные операции. EDA — распределенные асинхронные архитектуры, поддерживающие высокомасштабируемые приложения.

Слабосвязанные системы: Многие телеком-приложения будут состоять из множества компонентов из разных источников, работающих вместе. Комбинирование информации из этих отдельных, но слабосвязанных приложений дает синергетический эффект. Построение отдельных приложений на EDA позволяет использовать данные событий в реальном времени из нескольких приложений вместе.

Необходимость гибкой платформы разработки

С точки зрения разработки, преимущества использования EDA могут быть сделаны более доступными и широкими, если использовать их в связке с гибкой платформой разработки.

Почему? Принятие EDA — фундамент для следующего поколения цифровых приложений. Телекомам нужно уметь проектировать, разрабатывать, развертывать и эксплуатировать событийно-ориентированные решения в cloud-native стилях, чтобы иметь необходимую гибкость и скорость инноваций для конкурентоспособности сегодня.

Хотя событийно-ориентированные архитектуры использовались ранее, переход к cloud-native архитектурам с микросервисами, контейнерными рабочими нагрузками и serverless computing делает их более практичными и дает много преимуществ. Например, cloud-native решения известны своей реактивностью и отзывчивостью. Событийно-ориентированная архитектура использует эти черты и усиливает их, предлагая устойчивость, гибкость и масштабируемость.

Требуемые характеристики телеком-решения реального времени

Также остро стоит задача разработки новых приложений реального времени быстрее и не изобретать всё с нуля при разработке новых телеком-приложений. Подходящая гибкая платформа разработки, способная справляться с требованиями масштабируемых приложений реального времени, будет иметь специфические характеристики, включая:

С такой платформой телекома смогут быстро разрабатывать инновационные приложения и сервисы реального времени для 5G и edge, которых требуют их клиенты.

Интернет вещей

  1. Защита приватности в облачных вычислениях: лучшие практики и инсайты
  2. Фталоцианиновые пигменты: применения, отрасли и почему качество имеет значение
  3. Применения основных красителей по отраслям
  4. Пигмент Blue: ключевые применения, преимущества и почему отраслевые лидеры полагаются на проверенных производ…
  5. Развитие микроэлектроники для удовлетворения растущих требований AI
  6. Драйвинг Internet-of-Everything с интеллектуальной распределением данных
  7. Борьба с городскими наводнениями с помощью IoT-сетевых решений
  8. Как сенсорные и операционные данные движат прибыльность ведущего производителя грузовиков
  9. Шесть ключевых принципов построения высоковлиятельных сенсор-драйвенных IoT-приложений
  10. Управление данными: краеугольный камень успешного ИИ