论文部分内容阅读
生产Stratocaster和Telecaster吉他的美国加州科罗纳知名企业Fender的设施经理Bill Holmes至今仍然清楚地记得，自己带着一台简陋的手持式振动分析仪在工厂里走来走去，然后把仪器插进电脑以获取设备状况参数的场景。
当Leo Fender 75年前创建Fender乐器公司时，所有的木工活都是手工完成的，今天该公司的吉他的琴颈和琴身都是用电脑控制的木工设备制作的，然后再交给制作最终产品的工匠。Holmes说，他一直在尝试着用最新的技术进步来解决问题（例如用机器人来帮助为吉他上漆），没有什么问题比设备故障更令人烦恼了。
他说：“预防性维护是不够的，虽然机器在预定的时间内得到重视，但是90%的故障都是导致进程关闭的瞬间故障，这对业务的影响很大。如果我们能在故障发生之前发现故障，那么生产就会会停工，维护团队也不用四处救火。”
由于在17.7万平方英尺的工厂里安装有1500件设备，因此Fender希望在机器上安装传感器，并使用AI分析预测故障。Fender也正在这么做，为此公司部署了亚马逊基于云的Monitron服务，所有数据处理都在亚马逊的云端上进行。
对于像Fender这样的小型公司来说，亚马逊的全管理服务很有吸引力，因为亚马逊提供了通过近场通信（NFC）连接到亚马逊Wi-Fi网关的无线传感器。亚马逊的网关被预置为将相关数据发送到亚马逊云进行分析。亚马逊已经开发了机器学习算法，其可以处理数据并直接向Holmes进行报警。
Holmes 说：“他们基本上已经把价格降到了较低水平，这样小微企业就可以把这传感器安装在他们的设备上，并且不用经过培训就可以进行轻松监控。其中的意义重大。因为所有制造商都有关键设备，一旦出现故障就会导致停产。”
到目前为止，Holmes 已经部署了9台任务关键设备，并计划在墨西哥恩塞纳达的第二家制造厂部署该系统。云服务还提供了额外的好处，Holmes能够对这两个站点一天中聚合的数据展开额外分析。不过，Holmes还希望能够通过一个仪表板就可以实现对这两个站点的追踪。
市场研究机构IDC的边缘策略研究主管Dave McCarthy表示，在制造業、运输业、物流业、医疗保健业、零售业、石油和天然气等几乎所有拥有实物资产的行业中，由机器生成的数据适用于边缘计算。”从由机器生成的数据中发现洞察力以及对数据自动响应是人工智能的强项。
STL Partners的高级顾问Tilly Gilbert表示，一般的经验法则是，在边缘进行人工智能处理适用于实时且对延迟敏感的应用程序，如果先要将这些大型数据集上传到云端再进行处理，那么这些应用程序将无法高效运行。除了延迟问题之外，边缘计算还可以降低回程成本，同时帮助公司遵守隐私法规和安全策略。因为如果将敏感数据发送到异地可能会违反相关的法规和安全策略。
McCarthy说，在增加正常运行时间和提高性能的双重业务需求的推动下，由人工智能驱动的边缘数据处理已经不再是个别案例，并且正在成为主流。
许多因素的共同作用正让边缘/人工智能变得得更易于部署，例如预置了物联网传感器物理资产的激增，提供边缘技术供应商数量的增加。这些供应商中包括系统集成商、第三方初创公司、超大型云服务提供商，以及将边缘定位为数据中心延伸的传统基础设施提供商。
对于企业来说，他们的工作负载也可以在最合适的位置运行，无论是在本地数据中心、云端还是边缘，亦或是组合方案。正如Fender示例所示，用户可以通过多种方法将不同的技术和方法混合使用，以充分利用边缘计算和云计算。
McCarthy指出，正如现在大多数企业都在混合云或多云环境中运行一样，基于人工智能的边缘应用程序也不是孤立运行的。即使人工智能处理在边缘工作，机器学习算法同样可以在云端开发，模型也可以在云端训练。而且，实时数据可以汇总并聚合到云端，以便对历史数据集进行分析，从而指导长期规划。
Gilbert说，边缘/人工智能组合最吸引人的方面是它们支持新的应用程序。由于许多企业不具备在内部开发人工智能分析功能的技能，甚至可能不知道某些可能的用例，在这种情况下，第三方初创公司可在开发和部署现成的系统方面发挥主导作用。例如，沃尔玛和克罗格等大型零售商都在其门店的自助结账通道上大规模部署了基于人工智能的边缘系统，以减少由于顾客无意中或有意不支付购物车中所有物品而造成的损失。
为沃尔玛和克罗格两家大型零售商提供解决方案的服务商为爱尔兰的初创公司Everseen。该公司负责战略增长副总裁Alex Siskos表示，他的公司已经能够解决零售商此前难以解决的问题：缩水或亏损。他指出，零售商清楚许多顾客在自助结账时存在逃单行为，但是他们无法判断这是顾客无意的过失行为，还是有人教唆，或者顾客本身就是一个聪明的小偷。例如，有些顾客会把一盒口香糖放在更大、更贵的商品下面，欺骗扫描仪让扫描仪只收取口香糖的钱。
Everseen将由GPU驱动的计算机视频摄像头放置在自助结账处，并开发了与零售商扫描系统集成的软件，如果扫描仪显示为“口香糖棒”，而摄像头显示为“尿布盒”，那么则可以实时触发各种动作。例如，结账显示屏上会有一个弹出式警报，上面写着“机器可能扫描错了上一件商品”。这样做的目的提醒客户，并允许他们在需要员工干预之前进行自我纠正。作为最后的手段，该系统还可以在自助结账显示屏上回放有问题行为的视频。 Siskos说：“我们能够将非结构化数据转化为洞察力、行动和最终利润”。他估计，由于减少了盗窃和提高了库存的准确性，零售商的每家门店每周可以挽回2500～4500美元的损失。
Everseen系统的数据处理是在边缘进行的，Siskos指出，“这就是行动所在，这就是关键时刻。”整套产品还包括运行Eversee软件的Dell PowerEdge服务器、在GPU提供商Nvidia创建的开发平台上编写的Everseen 软件、相关的云组件、在云端训练的模型，以及在云端进行的管理和监控。
Everseen目前在美国和欧洲监控着超过10万条结账线路，并从那些被错误扫描的“真相时刻”中节取4-5秒的片段，然后将选定的数据发送到云端用于生成报告和帮助训练算法。Siskos说：“人工智能是一头饥饿的巨兽，你喂得越多，它们就长得越好。”
医疗保健领域是边缘计算为人工智能提供动力的另一个领域。Andrew Gostine博士既是一位麻醉師，也是一名企业家。他创建了一家名为Artisight公司，该公司通过人工智能优化了医院资源，以提高效率并节省资金。
医院不仅是为了拯救生命，同时也是一项事业。正如餐馆需要在一天中为尽可能多的聚会提供桌子和座位一样，医院也需要为外科手术室提供同样的服务。Artisight在在手术室中安装了多个无线摄像头，以此来进行“空中交通管制”。当病人被推进手术室时，麻醉师和外科医生会自动得到通知。手术室外面的走廊里也有一个类似于机场中告诉乘客航班状态和去哪个登机口的大屏，这样可帮助确保医院工作人员在正确的时间前往正确的地点。
这些功能虽然听起来很简单，但是Gostine的系统为芝加哥地区的医院中提升了16%效率。Artisight系统基于Nvidia的Clara Guardian edge/AI医院平台构建，并以预先打包的软件包，这些软件包可在Dell服务器和存储设备上运行。Gostine说，处理是在现场进行的，因为数据量（西北纪念医院每天产生1.2 PB的视频）非常大并且传输距离非常远，因此传输成本高昂，并且无法发送到云端，同时还会造成延迟问题。
Artisight系统会过滤用户的身份以保护隐私。它们还会记录手术的关键部分，这样外科医生就可以在手术结束后展开仔细研究自己的表现，并与同行分享视频以获得反馈。
Gostine说，这项技术可以应用到越来越多的边缘用例当中。例如，摄像头可以监控病房，检测病人是否下床摔倒。作为床位管理计划的一部分，该系统还可以监控病房。换句话说，当房间腾空时，它们会立即通知住院部，保留可用房间的清单，确保床单已更换以及房间内是否有合适的医疗设备。
每一个关注人工智能的人都知道IBM的大胆预测，即Watson机器人总有一天会治愈癌症，遗憾的是项目没有取得成功。Gostine认为，过度承诺的“奇迹疗效”让人工智能倒退。他认为，更重要的是应将人工智能应用于平凡但更为实用的应用程序当中以提高效率和降低成本，这样最终才能释放出医院资源，惠及更多的患者。
在IBM的项目失败之际，作为医疗保健领域的初创公司Prosper Digital Therapeutics尝试着将机器学习用于在云端聚合患者数据。该公司的席执行官兼联合创始人Robert Goldberg表示，他们将机器学习用于为患者制订护理计划，旨在根据相关模型，提高患者生活质量，减少患者面临并发症的可能性。
如果病人被诊断出患有癌症且正在接受化疗，那么该病人会收到一封电子邮件，告诉他们ProsperDTX已经被他们的用户健康计划选中来帮助进行治疗。ProsperDTX既不行医也不开处方，它们更像是医疗团队的“伴侣或延伸者”。例如，ProsperDTX可以帮助化疗患者处理恶心、体重减轻或抑郁等副作用。Goldberg说，如果模型显示患者可能容易贫血或脱水，那么系统可以鼓励患者根据提示养成良好的习惯。
所有的数据建模都在基于Oracle云的数据仓库中进行。该数据仓库允许公司在一个地方展开所有的建模和可视化工作。
随着可穿戴设备和基于家庭的患者监控系统越来越普及，ProsperDTX可以随时了解患者的变化，并在出现问题时对患者的医生发出提醒。Goldberg说：“如果患者同意的话，我们甚至可以查看患者冰箱里面有哪些东西。”
本文作者Neal Weinberg为科技领域的自由撰稿人兼编辑。
https：//www.networkworld.com/article/3607672/iot-edge-computing-and-ai-projects-pay-off-for-asset-based-enterprises.html
当Leo Fender 75年前创建Fender乐器公司时，所有的木工活都是手工完成的，今天该公司的吉他的琴颈和琴身都是用电脑控制的木工设备制作的，然后再交给制作最终产品的工匠。Holmes说，他一直在尝试着用最新的技术进步来解决问题（例如用机器人来帮助为吉他上漆），没有什么问题比设备故障更令人烦恼了。
他说：“预防性维护是不够的，虽然机器在预定的时间内得到重视，但是90%的故障都是导致进程关闭的瞬间故障，这对业务的影响很大。如果我们能在故障发生之前发现故障，那么生产就会会停工，维护团队也不用四处救火。”
由于在17.7万平方英尺的工厂里安装有1500件设备，因此Fender希望在机器上安装传感器，并使用AI分析预测故障。Fender也正在这么做，为此公司部署了亚马逊基于云的Monitron服务，所有数据处理都在亚马逊的云端上进行。
对于像Fender这样的小型公司来说，亚马逊的全管理服务很有吸引力，因为亚马逊提供了通过近场通信（NFC）连接到亚马逊Wi-Fi网关的无线传感器。亚马逊的网关被预置为将相关数据发送到亚马逊云进行分析。亚马逊已经开发了机器学习算法，其可以处理数据并直接向Holmes进行报警。
Holmes 说：“他们基本上已经把价格降到了较低水平，这样小微企业就可以把这传感器安装在他们的设备上，并且不用经过培训就可以进行轻松监控。其中的意义重大。因为所有制造商都有关键设备，一旦出现故障就会导致停产。”
到目前为止，Holmes 已经部署了9台任务关键设备，并计划在墨西哥恩塞纳达的第二家制造厂部署该系统。云服务还提供了额外的好处，Holmes能够对这两个站点一天中聚合的数据展开额外分析。不过，Holmes还希望能够通过一个仪表板就可以实现对这两个站点的追踪。
边缘计算如何实现人工智能
市场研究机构IDC的边缘策略研究主管Dave McCarthy表示，在制造業、运输业、物流业、医疗保健业、零售业、石油和天然气等几乎所有拥有实物资产的行业中，由机器生成的数据适用于边缘计算。”从由机器生成的数据中发现洞察力以及对数据自动响应是人工智能的强项。
STL Partners的高级顾问Tilly Gilbert表示，一般的经验法则是，在边缘进行人工智能处理适用于实时且对延迟敏感的应用程序，如果先要将这些大型数据集上传到云端再进行处理，那么这些应用程序将无法高效运行。除了延迟问题之外，边缘计算还可以降低回程成本，同时帮助公司遵守隐私法规和安全策略。因为如果将敏感数据发送到异地可能会违反相关的法规和安全策略。
McCarthy说，在增加正常运行时间和提高性能的双重业务需求的推动下，由人工智能驱动的边缘数据处理已经不再是个别案例，并且正在成为主流。
许多因素的共同作用正让边缘/人工智能变得得更易于部署，例如预置了物联网传感器物理资产的激增，提供边缘技术供应商数量的增加。这些供应商中包括系统集成商、第三方初创公司、超大型云服务提供商，以及将边缘定位为数据中心延伸的传统基础设施提供商。
对于企业来说，他们的工作负载也可以在最合适的位置运行，无论是在本地数据中心、云端还是边缘，亦或是组合方案。正如Fender示例所示，用户可以通过多种方法将不同的技术和方法混合使用，以充分利用边缘计算和云计算。
McCarthy指出，正如现在大多数企业都在混合云或多云环境中运行一样，基于人工智能的边缘应用程序也不是孤立运行的。即使人工智能处理在边缘工作，机器学习算法同样可以在云端开发，模型也可以在云端训练。而且，实时数据可以汇总并聚合到云端，以便对历史数据集进行分析，从而指导长期规划。
零售边缘的人工智能
Gilbert说，边缘/人工智能组合最吸引人的方面是它们支持新的应用程序。由于许多企业不具备在内部开发人工智能分析功能的技能，甚至可能不知道某些可能的用例，在这种情况下，第三方初创公司可在开发和部署现成的系统方面发挥主导作用。例如，沃尔玛和克罗格等大型零售商都在其门店的自助结账通道上大规模部署了基于人工智能的边缘系统，以减少由于顾客无意中或有意不支付购物车中所有物品而造成的损失。
为沃尔玛和克罗格两家大型零售商提供解决方案的服务商为爱尔兰的初创公司Everseen。该公司负责战略增长副总裁Alex Siskos表示，他的公司已经能够解决零售商此前难以解决的问题：缩水或亏损。他指出，零售商清楚许多顾客在自助结账时存在逃单行为，但是他们无法判断这是顾客无意的过失行为，还是有人教唆，或者顾客本身就是一个聪明的小偷。例如，有些顾客会把一盒口香糖放在更大、更贵的商品下面，欺骗扫描仪让扫描仪只收取口香糖的钱。
Everseen将由GPU驱动的计算机视频摄像头放置在自助结账处，并开发了与零售商扫描系统集成的软件，如果扫描仪显示为“口香糖棒”，而摄像头显示为“尿布盒”，那么则可以实时触发各种动作。例如，结账显示屏上会有一个弹出式警报，上面写着“机器可能扫描错了上一件商品”。这样做的目的提醒客户，并允许他们在需要员工干预之前进行自我纠正。作为最后的手段，该系统还可以在自助结账显示屏上回放有问题行为的视频。 Siskos说：“我们能够将非结构化数据转化为洞察力、行动和最终利润”。他估计，由于减少了盗窃和提高了库存的准确性，零售商的每家门店每周可以挽回2500～4500美元的损失。
Everseen系统的数据处理是在边缘进行的，Siskos指出，“这就是行动所在，这就是关键时刻。”整套产品还包括运行Eversee软件的Dell PowerEdge服务器、在GPU提供商Nvidia创建的开发平台上编写的Everseen 软件、相关的云组件、在云端训练的模型，以及在云端进行的管理和监控。
Everseen目前在美国和欧洲监控着超过10万条结账线路，并从那些被错误扫描的“真相时刻”中节取4-5秒的片段，然后将选定的数据发送到云端用于生成报告和帮助训练算法。Siskos说：“人工智能是一头饥饿的巨兽，你喂得越多，它们就长得越好。”
人工智能在医疗保健领域的发展
医疗保健领域是边缘计算为人工智能提供动力的另一个领域。Andrew Gostine博士既是一位麻醉師，也是一名企业家。他创建了一家名为Artisight公司，该公司通过人工智能优化了医院资源，以提高效率并节省资金。
医院不仅是为了拯救生命，同时也是一项事业。正如餐馆需要在一天中为尽可能多的聚会提供桌子和座位一样，医院也需要为外科手术室提供同样的服务。Artisight在在手术室中安装了多个无线摄像头，以此来进行“空中交通管制”。当病人被推进手术室时，麻醉师和外科医生会自动得到通知。手术室外面的走廊里也有一个类似于机场中告诉乘客航班状态和去哪个登机口的大屏，这样可帮助确保医院工作人员在正确的时间前往正确的地点。
这些功能虽然听起来很简单，但是Gostine的系统为芝加哥地区的医院中提升了16%效率。Artisight系统基于Nvidia的Clara Guardian edge/AI医院平台构建，并以预先打包的软件包，这些软件包可在Dell服务器和存储设备上运行。Gostine说，处理是在现场进行的，因为数据量（西北纪念医院每天产生1.2 PB的视频）非常大并且传输距离非常远，因此传输成本高昂，并且无法发送到云端，同时还会造成延迟问题。
Artisight系统会过滤用户的身份以保护隐私。它们还会记录手术的关键部分，这样外科医生就可以在手术结束后展开仔细研究自己的表现，并与同行分享视频以获得反馈。
Gostine说，这项技术可以应用到越来越多的边缘用例当中。例如，摄像头可以监控病房，检测病人是否下床摔倒。作为床位管理计划的一部分，该系统还可以监控病房。换句话说，当房间腾空时，它们会立即通知住院部，保留可用房间的清单，确保床单已更换以及房间内是否有合适的医疗设备。
每一个关注人工智能的人都知道IBM的大胆预测，即Watson机器人总有一天会治愈癌症，遗憾的是项目没有取得成功。Gostine认为，过度承诺的“奇迹疗效”让人工智能倒退。他认为，更重要的是应将人工智能应用于平凡但更为实用的应用程序当中以提高效率和降低成本，这样最终才能释放出医院资源，惠及更多的患者。
在IBM的项目失败之际，作为医疗保健领域的初创公司Prosper Digital Therapeutics尝试着将机器学习用于在云端聚合患者数据。该公司的席执行官兼联合创始人Robert Goldberg表示，他们将机器学习用于为患者制订护理计划，旨在根据相关模型，提高患者生活质量，减少患者面临并发症的可能性。
如果病人被诊断出患有癌症且正在接受化疗，那么该病人会收到一封电子邮件，告诉他们ProsperDTX已经被他们的用户健康计划选中来帮助进行治疗。ProsperDTX既不行医也不开处方，它们更像是医疗团队的“伴侣或延伸者”。例如，ProsperDTX可以帮助化疗患者处理恶心、体重减轻或抑郁等副作用。Goldberg说，如果模型显示患者可能容易贫血或脱水，那么系统可以鼓励患者根据提示养成良好的习惯。
所有的数据建模都在基于Oracle云的数据仓库中进行。该数据仓库允许公司在一个地方展开所有的建模和可视化工作。
随着可穿戴设备和基于家庭的患者监控系统越来越普及，ProsperDTX可以随时了解患者的变化，并在出现问题时对患者的医生发出提醒。Goldberg说：“如果患者同意的话，我们甚至可以查看患者冰箱里面有哪些东西。”
本文作者Neal Weinberg为科技领域的自由撰稿人兼编辑。
原文网址
https：//www.networkworld.com/article/3607672/iot-edge-computing-and-ai-projects-pay-off-for-asset-based-enterprises.html