将人工智能带到边缘:首先关注管道
By Joe McKendrick
支持边缘人工智能和机器学习能力的数据管道和管道是至关重要的。
人工智能和机器学习开始在边缘领域发挥作用了吗?渐渐地,是的。但企业仍然需要关注底层的数据管道和管道，以支持人工智能和机器学习能力。三菱电力的产品经理RohitKadam表示:“无论是否使用不同的微服务，以及希望如何部署或使用它们，都应更加关注构建其架构。一旦有了数据，就专注于如何将管道连接起来。”
Kadam参加了最近关于边缘实现机遇和挑战的小组讨论，描述了该公司的电池发电厂和系统如何通过物联网和边缘系统连接，使公司能够监测它们的健康和费用。
Kadam解释道，在三菱电力，人工智能和机器学习在向公司通报其交付给客户的联网电池电源包内的问题，以及管理下游物联网设备方面发挥了重要作用。“ML的工作方式是我们学习电池的行为，因此我们知道这些电池中有多少电量，或者知道还剩多少里程。这些是我们训练模型时使用的一些关键指标。我们学得越多越好。”
通过其综合优势和人工智能能力，Kadam表示：“我们现在有能力在数据方面展望未来，以识别和做出安全尝试运营这些工厂的决策。如果确认看到了危险信号，有一个内置的安全机制，它会启动，然后在必要时有序地关闭工厂。这已经融入到我们的解决方案中，从边缘计算的角度来看，分布式架构可以有助于实时采取行动。”
运营指标确保电池系统的可用性和保证。“我们有利用物联网的使用指标来跟踪电池的性质，以及它们如何随着时间的推移而退化。我们认为电池本身就是边缘节点或边缘计算设备。其可帮助追踪监控电池的电压、电流和温度。我们进行处理，并将信息存储在那里，然后向北传输回历史服务器。”
Kadam表示：“供应链上有许多部件需要整合在一起，这使得标准成为一个问题。但那里没有统一的标准，只有尽最大努力遵守与电池发电厂相关的各种标准，”
挑战在于“电池发电厂本身就是一个独特的空间”。Kadam继续补充道。这是一个服务于电动汽车、电网、变电站和建筑自动化系统的市场。“我们有混合画布，尝试将它们混在一起，然后向北传输。实际上，我们会解析所有这些数据，并将它们混合在一起，以便更有效地将不同的数据集流回历史服务器。”
参与评论 (0)