如何使AI在極端條件下工作

人工智能(AI)可以應用于許多工業(yè)環(huán)境，以節(jié)省成本并改善流程。這種工業(yè)人工智能不僅包括駐留在計算機系統(tǒng)內(nèi)部虛擬空間中的智能算法和大數(shù)據(jù)概念，而且還包括物理設備本身。數(shù)據(jù)必須用傳感器捕獲。命令必須發(fā)送到執(zhí)行器和控制系統(tǒng)。無線或通過電纜的整個信息鏈和信息流經(jīng)過極端條件的地方。從工廠，礦山或石油鉆井平臺內(nèi)部的運營角度到大數(shù)據(jù)存儲以及數(shù)據(jù)中心和控制室內(nèi)部巨大的處理能力，還有很長的路要走。

工業(yè)生產(chǎn)設施，實物運輸系統(tǒng)和分銷渠道非常復雜，并且往往具有來自不同制造商的設備動物園。隨著自動化技術的不斷發(fā)展，已經(jīng)有許多現(xiàn)有的數(shù)字控制和管理系統(tǒng)。如今，您可以在工業(yè)設置中找到數(shù)據(jù)網(wǎng)絡，監(jiān)控和數(shù)據(jù)采集(SCADA)，可編程邏輯控制器(PLC)以及供暖，通風和空調(diào)(HVAC)。所有這些系統(tǒng)都是在不同的抽象層次上進行研究的。有一些概念和較高的管理復雜性級別，而較低的級別則與物理挑戰(zhàn)緊密相關。

越來越艱難

現(xiàn)有的工業(yè)裝置具有大量的布線和數(shù)千米的電纜。這些復雜的網(wǎng)絡使操作保持運行。您具有用于數(shù)字網(wǎng)絡的工業(yè)標準，這些數(shù)字網(wǎng)絡連接設備和交換機，提供網(wǎng)關并創(chuàng)建與控制室的連接。這些系統(tǒng)旨在在惡劣環(huán)境下表現(xiàn)良好。隨著人工智能的出現(xiàn)和工業(yè)環(huán)境中新的全球數(shù)字連接的出現(xiàn)，新的智能設備還需要能夠在這些極端條件下運行。人工智能與工業(yè)物聯(lián)網(wǎng)(IIoT)緊密相連，以提供更多的無線連接，并鏈接到企業(yè)級系統(tǒng)和互聯(lián)網(wǎng)。

所有這些新系統(tǒng)都面臨自然界的挑戰(zhàn)以及重型工業(yè)機械的強大力量。生產(chǎn)設施可能位于遙遠的地方，沒有電網(wǎng)。想象一下在叢林中的操作，只有一條簡易道路可以進入。您必須自己通過發(fā)電機或電池攜帶所有能源。環(huán)境可能是冷的也可能是熱的，有討厭的氣體腐蝕電子設備或使其在爆炸中消失。但是熱量和冷氣不僅可以來自自然，而且還可以來自生產(chǎn)過程。熔化和凍結(jié)工件可能是生產(chǎn)過程的一部分。機械領域中進行了大量工作。您的零件高速移動。您擁有會產(chǎn)生振動和沖擊的機器。人工智能現(xiàn)在主要通過以下方式面對這些物理挑戰(zhàn)：機器人技術和IIoT網(wǎng)絡。

到處都有機器人

機器人是一個復雜的挑戰(zhàn)。他們需要做事，并且需要將自己轉(zhuǎn)移到需要的地方。為了在無需人工干預的情況下實現(xiàn)這一目標，需要使該機器人內(nèi)部的AI大腦自治。但是，我們都記得機器人未能使核電廠退役。在這種情況下，問題是輻射破壞了電子設備。因此，需要硬化的大腦。此外，與外界的交流是困難的。在強烈輻射下，無線或有線通信是一個挑戰(zhàn)。

然而，不僅是核衰變的令人生畏的性質(zhì)成為工業(yè)人工智能的一個問題陳述，而且是深海勘探或采礦的例子。他們也很有挑戰(zhàn)性。由于缺乏通用基礎設施，沒有固定電源或互聯(lián)網(wǎng)，因此您需要適應現(xiàn)有的最佳實踐，以實現(xiàn)AI的數(shù)字和數(shù)據(jù)驅(qū)動型轉(zhuǎn)換。

您可能在日常生產(chǎn)設施中的生產(chǎn)邊緣找不到這些極端示例。但是您會發(fā)現(xiàn)類似的挑戰(zhàn)性情況。運行中的環(huán)境和機器造成的威脅在工業(yè)生產(chǎn)中無處不在。自主或準備成為自主機器人的艦隊每天都在增長。

您擁有機械臂，步行和潛水的自動駕駛汽車以及可以執(zhí)行各種任務的飛行器。它們分為自動導引車(AGV)，無人地面車(UGV)，漫游車，自主水下航行器(AUV)，遠程操作水下航行器(ROV)，自主傾卸卡車，自主牽引或采礦卡車，無人駕駛飛行器(無人機)。

這些機器人具有多種形式，可以提高效率和成本效益。他們可以執(zhí)行員工無法執(zhí)行的任務。這些任務可能只是平常較長的輪班，或者可能在更惡劣的環(huán)境中工作。他們可以隨時隨地進行檢查。

一切都會連接

工業(yè)AI的第二大應用是整個企業(yè)中數(shù)據(jù)的連接和聚合。收集的所有傳感器數(shù)據(jù)將存儲在一個大數(shù)據(jù)湖中。在工業(yè)物聯(lián)網(wǎng)的幫助下，可以創(chuàng)建行為逼真的生物網(wǎng)絡。在這里，無線和有線數(shù)據(jù)連接正面向物理世界。電纜，交換機，路由器和網(wǎng)關必須堅固耐用。他們需要能夠承受灰塵，振動，薄霧和水以及更多危險和有害物質(zhì)以及物理影響。它們需要可靠，并且應該能夠在沒有維護人員幫助的情況下運行數(shù)年。

新型工業(yè)AI也面臨著在安全和安保方面進行集成的挑戰(zhàn)。許多傳統(tǒng)系統(tǒng)以微調(diào)的方式運行了多年。他們提供了在面臨的極端條件下具有出色性能的解決方案。他們的優(yōu)化過程已經(jīng)持續(xù)了一年。因此，新的工業(yè)AI不應危害實現(xiàn)的平衡。另一個問題是數(shù)據(jù)和操作安全性。一旦生產(chǎn)設施掛接到全球互聯(lián)網(wǎng)，攻擊者就可以從理論上訪問該系統(tǒng)。由于重工業(yè)的價值和風險很高，所以這是另一個極端現(xiàn)實。

現(xiàn)有數(shù)據(jù)不正確和損壞

在設置工業(yè)AI時，用于創(chuàng)建智能建議和預測的數(shù)據(jù)源面臨著問題。在工業(yè)環(huán)境中，很多需要的數(shù)據(jù)是時間序列數(shù)據(jù)和在惡劣環(huán)境下收集的數(shù)據(jù)。這意味著單個數(shù)據(jù)點可能不可靠。由于環(huán)境條件，傳感器本身可能會提供不精確的值。

我們可以說是工業(yè)大數(shù)據(jù)的“ 3B”。在開始新的工業(yè)AI項目時，您需要意識到這些問題。

第一個B是壞的。大多數(shù)工業(yè)數(shù)據(jù)具有明確的物理意義。它帶有用于檢測空氣，流量或運動速度的多種傳感器?？色@取各種噪音，濕度，泄漏或水平。每天達到數(shù)百TB的運動數(shù)據(jù)。由于物理測量，所有這些數(shù)據(jù)的質(zhì)量可能很差。與在線購買和客戶數(shù)據(jù)之類的數(shù)字系統(tǒng)內(nèi)部收集的數(shù)據(jù)相比，這些數(shù)據(jù)在使用前需要徹底清洗。而且，很難通過數(shù)據(jù)量來提高質(zhì)量。

第二個B代表Broken。用于訓練AI模型以提供預測和建議的數(shù)據(jù)沒有明確的健康狀態(tài)。沒有故障模式或表示工作條件的高級數(shù)據(jù)抽象。這可能會導致在實施AI系統(tǒng)時出現(xiàn)許多誤報和誤報。

第三個也是最后一個問題B是背景。在復雜的工業(yè)環(huán)境中，傳感器數(shù)據(jù)的解釋需要領域?qū)＜业呢S富經(jīng)驗。新興的模式可能是高度瞬態(tài)的，它們需要專業(yè)知識來解釋它們。僅通過收集的數(shù)字數(shù)據(jù)來訓練AI是非常困難的。

解決身體挑戰(zhàn)

為了應對工業(yè)AI中存在的給定挑戰(zhàn)，一種開始的方法是了解工業(yè)運營的細節(jié)。人們不應只關注貨架AI解決方案，而應專注于貨架工業(yè)解決方案。堅固的組件和設備已經(jīng)在市場上用于工業(yè)物聯(lián)網(wǎng)。由于可以通過現(xiàn)有設置使用許多傳感器，因此數(shù)據(jù)的收集是在現(xiàn)有控制系統(tǒng)級別上進行的。SCADA系統(tǒng)以及工業(yè)機器人和機器可提供要捕獲的數(shù)據(jù)。在這里，專門的IIoT網(wǎng)關將數(shù)據(jù)傳遞到AI系統(tǒng)。這些附加網(wǎng)關不會干擾現(xiàn)有的控制系統(tǒng)。

做數(shù)字過渡人才是最重要的因素之一。為了保持低成本并管理新網(wǎng)絡，與主題專家的合作是必須的。這些專業(yè)人員需要了解行業(yè)的細節(jié)和行業(yè)AI。它們有助于選擇正確的硬件和概念。

在AI發(fā)行中做出正確的選擇

極端條件不僅是物理上苛刻的環(huán)境，而且是其他行業(yè)中豐富的資源短缺。由于電源，網(wǎng)絡基礎結(jié)構(gòu)和Internet連接方面的問題，需要詳細說明行業(yè)特定的概念。當連接不穩(wěn)定且不可靠時，可以選擇不依賴于連續(xù)網(wǎng)絡連接的解決方案。電池供電的IIoT解決方案具有幾年的電池壽命和超低功耗。Edge Computing在設備內(nèi)部提供了AI推理和聚合功能，無需與數(shù)據(jù)中心系統(tǒng)的不間斷連接。

人工智能將在極端條件下與工業(yè)物聯(lián)網(wǎng)基礎設施進行良好設計。需要解決通用物聯(lián)網(wǎng)和IIoT之間的差異。盡管物聯(lián)網(wǎng)和物聯(lián)網(wǎng)具有共同的目標，但實施策略的基本要求卻大不相同。由于電源和連接方面的挑戰(zhàn)，工業(yè)物聯(lián)網(wǎng)需要更多地關注可靠性和魯棒性。