機(jī)器學(xué)習(xí)為工業(yè)物聯(lián)網(wǎng)應(yīng)用爆發(fā)關(guān)鍵

　　機(jī)器學(xué)習(xí)才是工業(yè)物聯(lián)網(wǎng)應(yīng)用爆發(fā)的關(guān)鍵。Evensi

　　云端運(yùn)算一直是聯(lián)網(wǎng)裝置和企業(yè)物聯(lián)網(wǎng)(IoT)發(fā)展的最大動(dòng)能，而更便宜的儲(chǔ)存與強(qiáng)大的運(yùn)算能力是工業(yè)物聯(lián)網(wǎng)(IIoT)興起的關(guān)鍵驅(qū)動(dòng)力，其中機(jī)器學(xué)習(xí)(Machine Learning)技術(shù)的發(fā)展才是工業(yè)物聯(lián)網(wǎng)應(yīng)用爆發(fā)的關(guān)鍵。

　　福布斯(Forbes)報(bào)導(dǎo)指出，制造業(yè)、汽車業(yè)、醫(yī)療保健業(yè)和航空業(yè)等產(chǎn)業(yè)正在取得傳感器產(chǎn)生的每一個(gè)數(shù)據(jù)，利用大型公共云供貨商提供的云端儲(chǔ)存、大數(shù)據(jù)和大型運(yùn)算功能，是企業(yè)加速采用工業(yè)物聯(lián)網(wǎng)的最重要因素。

　　第一代工業(yè)物聯(lián)網(wǎng)是關(guān)于取得數(shù)據(jù)和分析數(shù)據(jù)，而來自傳感器的數(shù)據(jù)點(diǎn)經(jīng)過多個(gè)階段才能轉(zhuǎn)化為可操作的見解，工業(yè)物聯(lián)網(wǎng)平臺(tái)包括可擴(kuò)展的數(shù)據(jù)處理流程，能夠處理需要立即關(guān)注的實(shí)時(shí)數(shù)據(jù)，以及僅在一段時(shí)間內(nèi)有意義的數(shù)據(jù)。

　　例如，當(dāng)檢測(cè)到壓力和溫度閾值的異常組合之后，物聯(lián)網(wǎng)平臺(tái)關(guān)閉液化石油氣灌裝機(jī)可能已經(jīng)太晚了，應(yīng)該在毫秒之內(nèi)檢測(cè)到異常，然后依規(guī)則觸發(fā)立即反應(yīng)。此外，醫(yī)療保健領(lǐng)域也需要能夠?qū)崟r(shí)監(jiān)測(cè)患者的重要統(tǒng)計(jì)數(shù)據(jù)。

　　熱點(diǎn)路徑分析的核心是負(fù)責(zé)檢測(cè)異常的規(guī)則引擎。企業(yè)物聯(lián)網(wǎng)平臺(tái)嵌入一個(gè)復(fù)雜的規(guī)則引擎，可以從傳感器數(shù)據(jù)流動(dòng)態(tài)評(píng)估復(fù)雜的模式，由了解模式和數(shù)據(jù)格式的領(lǐng)域?qū)＜襾矶x規(guī)則引擎的基準(zhǔn)閾值和路由邏輯。

　　該邏輯作為規(guī)則引擎在編排訊息流中的關(guān)鍵輸入，在數(shù)據(jù)點(diǎn)移動(dòng)到數(shù)據(jù)處理流程下一個(gè)階段之前，為每個(gè)數(shù)據(jù)點(diǎn)定義嵌套的語句條件。規(guī)則引擎已經(jīng)成為企業(yè)物聯(lián)網(wǎng)平臺(tái)的核心。而機(jī)器學(xué)習(xí)的關(guān)鍵領(lǐng)域之一是從現(xiàn)有數(shù)據(jù)集中找到模式，將類似的數(shù)據(jù)點(diǎn)分組，并預(yù)測(cè)未來數(shù)據(jù)點(diǎn)的價(jià)值。

　　機(jī)器學(xué)習(xí)有關(guān)的高階算法可用于分類和預(yù)測(cè)分析，由于這些算法可以從現(xiàn)有數(shù)據(jù)中學(xué)習(xí)，識(shí)別基準(zhǔn)閾值，且大多數(shù)物聯(lián)網(wǎng)數(shù)據(jù)都是基于時(shí)間序列，因此這些算法可以根據(jù)歷史數(shù)據(jù)預(yù)測(cè)傳感器的未來值。

　　多種機(jī)器學(xué)習(xí)算法的組合可以替代工業(yè)物聯(lián)網(wǎng)平臺(tái)中的傳統(tǒng)規(guī)則引擎，雖然領(lǐng)域?qū)＜胰匀恍枰鶕?jù)條件定義采取行動(dòng)，但這些智能算法提供更高的準(zhǔn)確性和精準(zhǔn)度。

　　工業(yè)物聯(lián)網(wǎng)中的機(jī)器學(xué)習(xí)最大應(yīng)用之一是設(shè)備的預(yù)測(cè)性維護(hù)(PdM)，透過關(guān)聯(lián)性和分析模式變化來預(yù)測(cè)設(shè)備故障，并報(bào)告如設(shè)備的剩余使用壽命(RUL)等關(guān)鍵指標(biāo)。

　　預(yù)測(cè)維護(hù)可應(yīng)用在航空航天、制造、汽車、運(yùn)輸、物流和供應(yīng)鏈等領(lǐng)域，例如在消費(fèi)者場(chǎng)景中，預(yù)測(cè)維護(hù)系統(tǒng)可以基于預(yù)測(cè)模型安排至汽車服務(wù)中心，在航空業(yè)中，預(yù)測(cè)維護(hù)方案的目標(biāo)是根據(jù)維護(hù)歷史和飛行路線訊息等相關(guān)數(shù)據(jù)來預(yù)測(cè)航班延遲或取消的可能性。

　　分析認(rèn)為，熱點(diǎn)路徑分析與機(jī)器學(xué)習(xí)的結(jié)合將成為下一代物聯(lián)網(wǎng)平臺(tái)的重要組成部分，盡管機(jī)器學(xué)習(xí)和人工智能(AI)不能代替領(lǐng)域?qū)＜遥隙〞?huì)讓平臺(tái)提供更好的洞察力。