ปัญญาประดิษฐ์ของสรรพสิ่ง (AIoT): การรวมอุปกรณ์ที่เชื่อมต่อและอัลกอริทึมอัจฉริยะอันทรงพลัง

TL;DR: ข้อมูลเชิงลึก สรุป:

• จาก 60% ถึง 73% ของข้อมูลองค์กรทั้งหมดไม่ได้ใช้สำหรับการวิเคราะห์
• บริษัททั่วไปสูญเสียรายได้ 12% เนื่องจากพลาดโอกาสในการวิเคราะห์ข้อมูล
• การรวมโซลูชัน AI และ IoT เข้าด้วยกัน ธุรกิจสามารถใช้ประโยชน์จากข้อมูลของตนและรวบรวมข้อมูลเชิงลึกที่ไม่เคยมีมาก่อน
• AIoT เป็นการผสมผสานระหว่างปัญญาประดิษฐ์และอินเทอร์เน็ตของสรรพสิ่ง การผสมผสานเทคโนโลยีทั้งสองเข้าด้วยกันช่วยให้สร้างโซลูชันที่มีประสิทธิภาพมากขึ้นซึ่งขับเคลื่อน ROI ให้สูงขึ้น
• ภาคส่วนที่ AIoT พบช่วงการใช้งานที่กว้างขึ้น ได้แก่ การดูแลสุขภาพ การผลิต การขนส่ง และอุตสาหกรรมอื่นๆ

สิ่งที่เริ่มต้นจากการสื่อสารระหว่างเครื่องกับเครื่องนั้นจำกัดเฉพาะอุตสาหกรรมโทรคมนาคมเท่านั้น ขณะนี้อินเทอร์เน็ตของสรรพสิ่งมีอยู่ทุกหนทุกแห่ง จากข้อมูลของ Statista จำนวนอุปกรณ์ที่เชื่อมต่อกับอินเทอร์เน็ตจะเกิน 38 พันล้านเครื่องภายในปี 2025

แม้ว่าตัวเลขนี้จะสามารถโต้แย้งได้ เพราะมันยากที่จะสรุปว่าอุปกรณ์ IoT คืออะไรกันแน่ ดังนั้น รายงานอื่นๆ จึงแนะนำตัวเลขที่จำกัดมากกว่า คิดว่า: มีการใช้งานอุปกรณ์ประมาณ 16 พันล้านเครื่องภายในปี 2568

จำนวนอุปกรณ์ IoT ที่เพิ่มขึ้นอย่างหลีกเลี่ยงไม่ได้จะทำให้ปริมาณข้อมูลที่รวบรวมเพิ่มขึ้นอย่างหลีกเลี่ยงไม่ได้ IDC รายงานว่าปริมาณข้อมูล IoT ที่สร้างขึ้นทั่วโลกจะสูงถึง 73 เซตตะไบต์ภายในปี 2568 และนั่นคือสิ่งที่ทำให้เกิดปัญหา ข้อมูลที่เก็บรวบรวมจะต้องได้รับการประมวลผลและวิเคราะห์เพื่อเพิ่มมูลค่า อย่างไรก็ตาม องค์กรส่วนใหญ่ล้มเหลวในการนำข้อมูลไปใช้ โดยระหว่าง 60% ถึง 73% ของข้อมูลนั้นไม่ได้ใช้สำหรับการวิเคราะห์

ข่าวดีก็คือ องค์กรต่างๆ สามารถเปลี่ยนข้อมูลที่สร้างขึ้นให้เป็นข้อมูลเชิงลึกทางธุรกิจได้มากขึ้น โดยใช้ประโยชน์จากพลังผสานของปัญญาประดิษฐ์และอินเทอร์เน็ตของสรรพสิ่ง

ในบทความ เราได้กล่าวถึงทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับส่วนผสมที่มีศักยภาพนี้ ซึ่งมักเรียกกันว่าปัญญาประดิษฐ์ของสิ่งต่างๆ หรือ AIoT ดังนั้นหากคุณกำลังพิจารณาที่จะกระโดดเข้าสู่กลุ่มการพัฒนา Internet of Things ให้อ่านต่อ

AIoT คืออะไรกันแน่?

ระบบปัญญาประดิษฐ์ของสรรพสิ่ง (AIoT) ประกอบด้วยสององค์ประกอบ: อินเทอร์เน็ตของสรรพสิ่ง (IoT) และปัญญาประดิษฐ์ (AI)

ในการรวมกันที่แข็งแกร่งนี้ บทบาทของ IoT คือการรวบรวมข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง และเปิดใช้งานการสื่อสารระหว่างสิ่งที่เชื่อมต่อและผู้ใช้

เมื่อขยายด้วย AI — อัลกอริธึมที่สามารถค้นหาการพึ่งพาอาศัยกันที่ซับซ้อนในข้อมูลจำนวนมหาศาล และอธิบาย ทำนาย ตลอดจนกำหนดการดำเนินการบางอย่างตามนั้น ระบบ IoT จะได้รับปัญญาเหมือนมนุษย์และสามารถนำไปใช้เพื่อแก้ปัญหาที่หลากหลายมากขึ้น . สิ่งเหล่านี้อาจครอบคลุมถึง “การเข้าใจ” ภาษาธรรมชาติ คาดการณ์ความต้องการของผู้ใช้และปรับพฤติกรรมของอุปกรณ์ที่เชื่อมต่อให้สอดคล้องกัน และอื่นๆ

ปัจจุบันตลาด AIoT กำลังเพิ่มขึ้น การวิจัยล่าสุดประมาณการว่าจะมีมูลค่าถึง 102.2 พันล้านดอลลาร์ภายในปี 2569 และชัดเจนอย่างยิ่งว่าทำไม: AI เพิ่มมูลค่าให้กับ IoT ผ่านการตัดสินใจที่ดีขึ้น ในขณะที่ IoT ให้แพลตฟอร์มสำหรับ AI เพื่อขับเคลื่อนมูลค่าผ่านการเชื่อมต่อและการแลกเปลี่ยนข้อมูลอย่างราบรื่น

ปัญญาประดิษฐ์ของสิ่งต่าง ๆ ทำงานอย่างไร

ระบบ AIoT สามารถดำเนินการได้สองวิธี:

• เป็นระบบคลาวด์
• เป็นระบบเอดจ์ที่ทำงานบนอุปกรณ์ที่เชื่อมต่อ

สถาปัตยกรรมของระบบ AIoT จะแตกต่างกันไปตามกลยุทธ์การใช้งาน

AIoT บนคลาวด์

ด้วยแนวทางบนคลาวด์ สถาปัตยกรรมพื้นฐานของโซลูชัน AIoT จะมีลักษณะดังนี้:

• เลเยอร์อุปกรณ์: อุปกรณ์ฮาร์ดแวร์ต่างๆ (ความคล่องตัว, แท็ก/บีคอน, เซ็นเซอร์, อุปกรณ์ด้านสุขภาพและฟิตเนส, ยานพาหนะ, อุปกรณ์การผลิต, อุปกรณ์ฝังตัว)
• เลเยอร์การเชื่อมต่อ: เกตเวย์ฟิลด์และคลาวด์
• เลเยอร์คลาวด์: การจัดเก็บข้อมูล การประมวลผลข้อมูล (เครื่องมือ AI) การสร้างภาพข้อมูล การวิเคราะห์ การเข้าถึงข้อมูลผ่าน API
• เลเยอร์การสื่อสารของผู้ใช้*: เว็บพอร์ทัลและแอปพลิเคชันมือถือ*

Edge AIoT

ด้วยการวิเคราะห์ขอบ ข้อมูลที่รวบรวมจะได้รับการประมวลผลใกล้กับแหล่งที่มามากขึ้น ไม่ว่าจะบนอุปกรณ์ที่เชื่อมต่อหรือบนฟิลด์เกตเวย์

• คอลเลคชันเทอร์มินัลเลเยอร์: อุปกรณ์ฮาร์ดแวร์ต่างๆ (ความคล่องตัว, แท็ก/บีคอน, เซ็นเซอร์, อุปกรณ์ด้านสุขภาพและฟิตเนส, ยานพาหนะ, อุปกรณ์การผลิต, อุปกรณ์ฝังตัว) ที่เชื่อมต่อกับเกตเวย์ผ่านสายไฟที่มีอยู่
• เลเยอร์ขอบ: สิ่งอำนวยความสะดวกสำหรับการจัดเก็บข้อมูล การประมวลผลข้อมูล (เครื่องมือ AI) การสร้างข้อมูลเชิงลึก

การใช้งานที่เน้นขอบไม่ได้กีดกันการมีอยู่ของคลาวด์ ตัวอย่างเช่น การจัดเก็บข้อมูลบนคลาวด์สามารถใช้เพื่อรวบรวมข้อมูลเมตาเกี่ยวกับประสิทธิภาพของระบบหรือข้อมูลตามบริบทที่จำเป็นสำหรับการฝึกอบรมหรือการฝึกอบรม AI ของ Edge ใหม่ (คิดว่า: กระบวนทัศน์สำหรับการสร้างเวิร์กโฟลว์ AI ที่เกี่ยวข้องกับคลาวด์และ Edge ซึ่งสร้างขึ้นจาก อุปกรณ์นอกระบบคลาวด์ที่ใกล้เคียงกับสิ่งของจริง)

แอปพลิเคชั่นยอดนิยมของ AIoT ในภาคต่างๆ

ด้วยปัจจัยหลายประการ เช่น ความพร้อมใช้งานของเครื่องมือซอฟต์แวร์ใหม่ การพัฒนาโซลูชัน AI แบบง่าย การผสาน AI เข้ากับระบบเดิม และความก้าวหน้าในฮาร์ดแวร์ที่สนับสนุนอัลกอริทึม AI ปัญญาประดิษฐ์ของสิ่งต่างๆ กำลังคืบคลานเข้ามาในหลายอุตสาหกรรม ต่อไปนี้คือข้อมูลสรุปของภาคส่วนต่างๆ ที่ใช้ประโยชน์จากโอกาสที่ได้รับจาก AIoT แล้ว โดยเน้นที่กรณีการใช้งานที่มีแนวโน้มมากที่สุด

ดูแลสุขภาพ

ความช่วยเหลือด้านการวินิจฉัย

AIoT สามารถช่วยให้ผู้ให้บริการด้านการดูแลสุขภาพตัดสินใจวินิจฉัยได้แม่นยำยิ่งขึ้น โซลูชัน IoT ด้านการดูแลสุขภาพอัจฉริยะนำข้อมูลผู้ป่วยจากแหล่งต่างๆ ตั้งแต่อุปกรณ์วินิจฉัยไปจนถึงอุปกรณ์สวมใส่ ไปจนถึงบันทึกสุขภาพอิเล็กทรอนิกส์ และวิเคราะห์ข้ามข้อมูลนี้เพื่อช่วยให้แพทย์วินิจฉัยผู้ป่วยได้อย่างถูกต้อง

โซลูชันทางการแพทย์ที่ใช้ AI นั้นเหนือกว่าผู้เชี่ยวชาญด้านการดูแลสุขภาพของมนุษย์ในด้านการวินิจฉัยหลายด้าน นักรังสีวิทยาทั่วโลกต่างพึ่งพาความช่วยเหลือจาก AI ในการตรวจคัดกรองมะเร็ง

ในการศึกษาที่ตีพิมพ์โดย Nature Medicine AI มีประสิทธิภาพเหนือกว่านักรังสีวิทยา 6 คนในการพิจารณาว่าผู้ป่วยเป็นมะเร็งปอดหรือไม่ อัลกอริธึมที่ได้รับการฝึกฝนเกี่ยวกับการสแกนผู้ป่วย 42,000 ครั้งจากบันทึกข้อมูลการทดลองทางคลินิกของ National Institute of Health ตรวจพบผู้ป่วยมะเร็งมากกว่าผู้ป่วย 5% และลดจำนวนผลบวกลวงลง 11% เป็นเรื่องที่ควรค่าแก่การกล่าวขวัญว่าผลบวกปลอมเป็นปัญหาเฉพาะในการวินิจฉัยโรคมะเร็งปอด: การศึกษาของ JAMA Internal Medicine ในผู้ป่วย 2,100 รายระบุว่าอัตราบวกเท็จที่ 97,5% ดังนั้น AI จึงช่วยแก้ไขปัญหาการวินิจฉัยที่สำคัญอย่างหนึ่ง

ระบบ AIoT ทำงานได้ดีเท่าเทียมกันในการวินิจฉัยมะเร็งเต้านม โรคผิวหนัง และมะเร็งผิวหนัง แต่ความเป็นไปได้ของระบบอัจฉริยะที่เชื่อมต่ออยู่นั้นกว้างไกลกว่านั้น

การศึกษาเมื่อเร็วๆ นี้แสดงให้เห็นว่า AI สามารถตรวจหาโรคทางพันธุกรรมที่หายากในเด็ก โรคทางพันธุกรรมในทารก โรคทางพันธุกรรมที่เพิ่มคอเลสเตอรอล โรคทางระบบประสาท และทำนายการเสื่อมถอยของความรู้ความเข้าใจที่นำไปสู่การพัฒนาโรคอัลไซเมอร์

ปรับปรุงกลยุทธ์การรักษาและติดตามกระบวนการฟื้นฟู

ตามหลักการเดียวกับการวินิจฉัยผู้ป่วย ระบบ AIoT สามารถช่วยพัฒนากลยุทธ์การรักษาที่ดีขึ้นและปรับให้เข้ากับความต้องการของผู้ป่วยได้

การรวมข้อมูลจากโปรโตคอลการรักษา ประวัติผู้ป่วย และข้อมูลผู้ป่วยแบบเรียลไทม์จากอุปกรณ์ที่เชื่อมต่อและอุปกรณ์ที่สวมใส่ได้ อัลกอริธึมอัจฉริยะสามารถแนะนำการปรับปริมาณยา ยกเว้นความเป็นไปได้ที่ผู้ป่วยจะเกิดอาการแพ้ และหลีกเลี่ยงการรักษาที่ไม่เหมาะสมหรือเกินกำลัง ประเด็นสำคัญบางประการที่ AIoT ช่วยอำนวยความสะดวกในช่วงการรักษา:

• การรักษา COVID-19 ที่มีประสิทธิภาพยิ่งขึ้น

การเฝ้าติดตามผู้ป่วยที่ได้รับการวินิจฉัยว่าติดเชื้อ COVID-19 ผ่านอุปกรณ์สวมใส่ที่ขับเคลื่อนด้วย AIoT ซึ่งบันทึกสัญญาณร่างกายที่สำคัญของผู้ป่วย แพทย์สามารถเสนอคำแนะนำแก่ผู้ป่วยได้ ซึ่งจะทำให้การดูแลผู้ป่วยนอกมีประสิทธิภาพมากขึ้น

• รักษาโรคที่มาพร้อมกับการแข็งตัวของเลือด

อุปกรณ์การแข็งตัวของเลือดที่เชื่อมต่อกันจะช่วยวัดความเร็วของการเกิดลิ่มเลือด ดังนั้นผู้ป่วยจึงมั่นใจได้ว่าการวัดนั้นอยู่ภายในช่วงการรักษา และลดจำนวนการมาเยี่ยมสำนักงาน เนื่องจากการวัดสามารถสื่อสารกับผู้ให้บริการด้านการดูแลสุขภาพจากระยะไกลและแบบเรียลไทม์

• โรคหอบหืดและการจัดการโรคปอดอุดกั้นเรื้อรังดีขึ้น

โรคทางเดินหายใจเรื้อรัง (COPDs) ส่งผลกระทบต่อผู้ป่วยประมาณ 500 ล้านคนทั่วโลก เพื่อลดความรุนแรงของอาการเหล่านี้ ผู้ป่วยต้องปฏิบัติตามกิจวัตรประจำวันอย่างละเอียดถี่ถ้วน และการใช้เครื่องช่วยหายใจก็เป็นส่วนสำคัญ อย่างไรก็ตาม ผู้ป่วยจำนวนมากไม่ปฏิบัติตามแผนการรักษาที่แนะนำ เครื่องช่วยหายใจที่เปิดใช้งาน AIoT ที่ผูกไว้กับแอพมือถือช่วยหลีกเลี่ยงสิ่งนั้น โดยบันทึกเวลา วันที่ และสถานที่ของการใช้งานแต่ละครั้ง ข้อมูลที่เก็บรวบรวมสามารถใช้เพื่อตั้งค่าการเตือนอัตโนมัติสำหรับการใช้งานครั้งต่อไป คาดการณ์การโจมตีของโรคหอบหืด และระบุปัจจัยกระตุ้น

• การจัดการโรคเบาหวานที่เหมาะสมที่สุด

ในสหรัฐอเมริกาเพียงประเทศเดียว ผู้ป่วย 30 ล้านคนได้รับผลกระทบจากโรคเบาหวาน และสำหรับพวกเขา การวัดระดับกลูโคสเป็นประจำนั้นเป็นประเด็นที่น่ากังวลเสมอ เครื่องวัดน้ำตาลกลูโคสแบบไร้สายที่เปิดใช้งาน AIoT ช่วยบรรเทาความกังวลเหล่านั้นโดยแจ้งผู้ป่วยและแพทย์เกี่ยวกับการเปลี่ยนแปลงระดับกลูโคสของผู้ป่วย

เพิ่มประสิทธิภาพเวิร์กโฟลว์ของโรงพยาบาล

AIoT สามารถเปลี่ยนวิธีดำเนินการของโรงพยาบาล ปรับปรุงขั้นตอนการทำงานประจำวันในด้านสำคัญต่อไปนี้:

• ลดเวลารอ

ระบบติดตามเตียงอัตโนมัติที่ขับเคลื่อนโดย AIoT สามารถช่วยให้เจ้าหน้าที่โรงพยาบาลรับผู้ป่วยฉุกเฉินได้โดยเร็วที่สุดโดยแจ้งพวกเขาเมื่อมีเตียงว่าง ประสบการณ์ของผู้เริ่มใช้งานในช่วงแรกๆ เช่น Mt. Sinai Medical Center ในนิวยอร์ก พิสูจน์ให้เห็นว่าเทคโนโลยีสามารถช่วยลดเวลารอผู้ป่วยในแผนกฉุกเฉินได้ 50%

• การระบุผู้ป่วยวิกฤต

การระบุผู้ป่วยที่ต้องการการรักษาในทันทีเป็นสิ่งสำคัญในการดูแลอย่างมีคุณภาพ ในการตัดสินใจที่ถูกต้อง แพทย์จำเป็นต้องวิเคราะห์ข้อมูลจำนวนมากในขณะที่อยู่ภายใต้แรงกดดันอย่างมาก AIoT สามารถให้ความช่วยเหลือแก่เจ้าหน้าที่ทางการแพทย์ในการจัดลำดับความสำคัญของความพยายามของพวกเขา ระบบที่เชื่อมต่อกันอาจวิเคราะห์ความมีชีวิตชีวาของผู้ป่วยและแจ้งเตือนแพทย์เกี่ยวกับผู้ป่วยที่มีอาการทรุดลง

ระบบที่คล้ายคลึงกันหลายระบบได้รับการทดสอบในหอผู้ป่วยหนัก ตัวอย่างเช่น มหาวิทยาลัยซานฟรานซิสโกได้นำร่องโซลูชัน AI ที่สามารถตรวจพบสัญญาณเริ่มต้นของภาวะติดเชื้อ ซึ่งเป็นการติดเชื้อในเลือดที่อันตรายถึงชีวิต ผลการวิจัยพบว่าผู้ป่วยที่รักษาด้วย AI มีโอกาสเกิดการติดเชื้อน้อยกว่า 58% และอัตราการเสียชีวิตลดลง 12%

• ติดตามอุปกรณ์การแพทย์

ด้วยการติดตามอุปกรณ์ที่เปิดใช้งาน AIoT โรงพยาบาลสามารถลดความเสี่ยงที่จะสูญเสียอุปกรณ์ทางการแพทย์ที่สำคัญและตัดสินใจในการจัดการอุปกรณ์อย่างชาญฉลาดมากขึ้น ซึ่งจะช่วยประหยัดเงินได้ถึง $12,000 ต่อเตียงต่อปี อุปกรณ์ทางการแพทย์ที่สำคัญสามารถติดตามได้ผ่านระบบ RFID หรือ GPS ทั้งในและนอกโรงพยาบาล ในขณะที่เจ้าหน้าที่ทางการแพทย์และธุรการสามารถใช้เว็บและแอปพลิเคชันมือถือเพื่อค้นหาอุปกรณ์ที่จำเป็นได้อย่างรวดเร็ว

การผลิต

เปิดใช้งานการบำรุงรักษาเชิงคาดการณ์

ด้วยเครื่องจักรที่ติดตั้งเซ็นเซอร์ AIoT ที่ตรวจวัดพารามิเตอร์ต่างๆ รวมถึงอุณหภูมิ ความดัน การสั่นสะเทือน ความเร็วในการหมุน และอื่นๆ ผู้ผลิตสามารถรับข้อมูลเชิงลึกแบบเรียลไทม์เกี่ยวกับความสมบูรณ์ของสินทรัพย์และกำหนดเวลาการบำรุงรักษาตามความต้องการที่แท้จริง

แม้ว่าการวิเคราะห์พื้นฐานมักจะเพียงพอที่จะตรวจจับอุปกรณ์ที่เข้าใกล้เกณฑ์การทำงานที่สำคัญ แต่ AI สามารถคาดการณ์ความผิดปกติล่วงหน้าได้ โดยอิงจากข้อมูลการบำรุงรักษาและการซ่อมแซมในอดีต จากผลการบำรุงรักษาเชิงคาดการณ์ ตามรายงานของ PwC ผู้ผลิตสามารถปรับปรุงเวลาทำงานของอุปกรณ์ได้ 9% ลดต้นทุนได้ 12% ลดความเสี่ยงด้านความปลอดภัย 14% และยืดอายุการใช้งานของสินทรัพย์ได้ถึง 20%

การปรับปรุงการจัดการประสิทธิภาพสินทรัพย์

เมื่อใช้ระบบ AIoT ผู้ผลิตสามารถรับการอัปเดตเป็นประจำเกี่ยวกับประสิทธิภาพของสินทรัพย์และเจาะลึกสาเหตุของการเปลี่ยนแปลงประสิทธิภาพ ระบบการจัดการประสิทธิภาพสินทรัพย์บน IoT ส่วนใหญ่อนุญาตให้รับการแจ้งเตือนอัตโนมัติเมื่อใดก็ตามที่อุปกรณ์เบี่ยงเบนไปจาก KPI ที่ตั้งไว้

ในทางกลับกัน เอ็นจิ้น AI จะช่วยขุดหาสาเหตุของการเสื่อมประสิทธิภาพ หากมี และระบุว่า KPI ที่วัดได้นั้นสมเหตุสมผลในการติดตามในแต่ละการตั้งค่าหรือไม่ การใช้ซอฟต์แวร์การจัดการประสิทธิภาพการทำงาน ผู้ผลิตจะเพิ่มประสิทธิภาพการใช้อุปกรณ์และปรับปรุงประสิทธิภาพของอุปกรณ์โดยรวม

ส่งเสริมการวางแผนการผลิตด้วยฝาแฝดดิจิทัล

จากข้อมูลของ Gartner ฝาแฝดดิจิทัลสามารถช่วยให้ผู้ผลิตได้รับการปรับปรุงประสิทธิภาพการผลิตอย่างน้อย 10% สำเนาดิจิทัลของสินทรัพย์ ระบบ หรือกระบวนการ ซึ่งเป็นระบบดิจิทัลแฝดเชิงอุตสาหกรรมที่เปิดใช้งาน AIoT จะช่วยให้ผู้ผลิตมองเห็นภาพรวมการดำเนินงานในโรงงานตั้งแต่ต้นจนจบ และช่วยระบุจุดและคาดการณ์ความไร้ประสิทธิภาพได้ทันท่วงที

องค์กรการผลิตที่ใช้ฝาแฝดดิจิทัลระบุว่าพวกเขาสามารถบรรลุการปรับปรุงที่ยั่งยืน ซึ่งรวมถึงความน่าเชื่อถือที่เพิ่มขึ้นจาก 93% เป็น 99.49% ในช่วงสองปี ลดการรับการบำรุงรักษาลง 40% และประหยัดเงิน 360,000 ดอลลาร์เมื่อคาดการณ์ว่าไฟฟ้าดับ

ทำให้การดำเนินงานในโรงงานเป็นอัตโนมัติผ่านหุ่นยนต์อุตสาหกรรม

หุ่นยนต์อุตสาหกรรมเป็นส่วนหนึ่งของร้านค้ามาเป็นเวลานาน ด้วยโซลูชันการผลิต IoT ที่เข้าถึงได้มากขึ้น หุ่นยนต์จึงฉลาดขึ้นและเป็นอิสระมากขึ้น หุ่นยนต์อุตสาหกรรมติดตั้งเซ็นเซอร์และอาศัย AI ทำให้สามารถตัดสินใจด้านการผลิตด้วยข้อมูลอย่างดีในขณะเดินทาง ซึ่งจะช่วยเพิ่มประสิทธิภาพของหน่วยการผลิต

ยานยนต์และการขนส่ง

การจัดการจราจร

สามารถใช้ AIoT เพื่อบรรเทาความแออัดของการจราจรและปรับปรุงคุณภาพการขนส่ง ตัวอย่างเช่น เมืองไทเปใช้ AIoT เพื่อตรวจสอบและควบคุมอุปกรณ์ส่งสัญญาณที่จุดเชื่อมต่อ 25 จุด ในระบบนี้ เซ็นเซอร์อัจฉริยะและกล้องวิดีโอรวบรวมข้อมูลแบบเรียลไทม์เกี่ยวกับการจราจรและการไหลของมนุษย์และการเข้าใช้ถนน ในขณะที่อัลกอริธึม AI วิเคราะห์ข้อมูลนี้และใช้ตรรกะการควบคุมที่เหมาะสม

แนวทางดังกล่าวช่วยให้การบริหารเมืองปรับการไหลของการจราจรให้เหมาะสมและรับประกันประสบการณ์การขับขี่ที่ปลอดภัยและราบรื่น

ยานพาหนะที่ขับเคลื่อนด้วยตนเอง

ยานพาหนะที่ขับเคลื่อนด้วยตนเองและระบบช่วยเหลือผู้ขับขี่ขั้นสูง (ADAS) เป็นตัวอย่างที่โดดเด่นของอัลกอริทึม AI ที่ตีความและดำเนินการกับข้อมูล IoT แบบเรียลไทม์

รถยนต์ที่ขับเคลื่อนด้วยตนเองหรือขับเคลื่อนอัตโนมัติจะสร้างแผนที่ของสภาพแวดล้อมตามข้อมูลจากเซ็นเซอร์ต่างๆ เซ็นเซอร์เรดาร์ เช่น ตรวจสอบตำแหน่งของยานพาหนะที่อยู่ใกล้เคียง กล้องวิดีโอตรวจจับสัญญาณไฟจราจร ป้ายจราจร ยานพาหนะอื่นๆ และคนเดินถนน เซ็นเซอร์ Lidar วัดระยะทาง ตรวจจับขอบถนน และระบุเครื่องหมายช่องทางเดินรถ

จากนั้นซอฟต์แวร์ AI จะประมวลผลข้อมูลเซ็นเซอร์ วางแผนเส้นทางที่เหมาะสม และส่งคำแนะนำไปยังแอคทูเอเตอร์ของรถ ซึ่งจะควบคุมการเร่งความเร็ว การเบรก และการบังคับเลี้ยว กฎฮาร์ดโค้ด อัลกอริธึมการหลีกเลี่ยงสิ่งกีดขวาง การสร้างแบบจำลองการคาดการณ์ และการจดจำวัตถุช่วยให้ซอฟต์แวร์ปฏิบัติตามกฎจราจรและนำทางสิ่งกีดขวาง

ความท้าทายหลักในการใช้งาน AIoT และวิธีแก้ปัญหา

จากโครงการ IoT ทั้งหมดที่ดำเนินการทั่วโลก 76% ล้มเหลว โดย 30% ล้มเหลวตั้งแต่ช่วงระยะ Proof of Concept เพื่อหลีกเลี่ยงการนำการลงทุนไปสู่ความคิดริเริ่มที่จะถึงวาระที่จะล่มสลาย บริษัทต่างๆ ที่ทำการทดสอบน้ำ AIoT ควรตระหนักถึงความท้าทายทั่วไปที่อาจขัดขวางการใช้งาน AIoT อุปสรรคที่ธุรกิจพบบ่อยที่สุดคือ:

เริ่มต้นการเดินทาง AIoT โดยไม่มีเป้าหมายที่ชัดเจน การเริ่มต้นโครงการ AIoT องค์กรอาจจมอยู่กับความแปลกใหม่และล้มเหลวในการประเมินความเป็นไปได้ของความคิดของพวกเขา ในทางกลับกัน อาจส่งผลให้เกิดการคืบคลานของต้นทุนที่ไม่สามารถควบคุมได้ในขั้นตอนสุดท้ายของการพัฒนา และท้ายที่สุด ผู้มีส่วนได้ส่วนเสียไม่พอใจ เพื่อหลีกเลี่ยงปัญหาดังกล่าว เราแนะนำให้เริ่มโครงการ AIoT ของคุณด้วยระยะการค้นพบ ซึ่งแนวคิดสามารถตรวจสอบและชั่งน้ำหนักกับเป้าหมายทางธุรกิจที่ตั้งไว้ ความคาดหวังของลูกค้า และความสามารถขององค์กร

ดิ้นรนเพื่อเลือกกลยุทธ์การใช้งานที่เหมาะสมที่สุด ดังที่กล่าวไว้ก่อนหน้านี้ โซลูชัน AIoT สามารถนำมาใช้เป็นระบบคลาวด์ ขอบ หรือไฮบริดได้ ขณะร่างกลยุทธ์การนำไปใช้ ให้ชั่งน้ำหนักแบนด์วิดธ์ เวลาแฝง และข้อกำหนดด้านความเร็วสำหรับโซลูชันในอนาคตอย่างรอบคอบ และจับคู่กับต้นทุนที่ตั้งไว้ หลักการทั่วไปคือการปรับใช้ขอบสำหรับระบบที่สำคัญด้านเวลาซึ่งครอบคลุมอุปกรณ์จำนวนมากและพึ่งพาระบบคลาวด์ในกรณีที่เวลาแฝงน้อยที่สุดและแบนด์วิดท์สูงมีความสำคัญน้อยกว่า

รอบการปรับใช้ที่ช้าด้วยต้นทุนที่ประเมินได้ยาก โครงการ AIoT ต้องการความมุ่งมั่นในระยะยาว ขั้นตอนการใช้งานอาจใช้เวลาหลายเดือนถึงหลายปี ทั้งนี้ขึ้นอยู่กับกรณีการใช้งานเฉพาะ ด้วยภูมิทัศน์ทางเทคโนโลยีที่เปลี่ยนแปลงอย่างรวดเร็ว มีความเสี่ยงที่โซลูชันจะล้าสมัยเมื่อถึงเวลาที่ใช้งานได้อย่างสมบูรณ์ รวมทั้งสูญเสียการควบคุมค่าใช้จ่ายในการดำเนินการ เพื่อป้องกันปัญหาดังกล่าว ธุรกิจต่างๆ จะต้องคล่องตัวพอที่จะสามารถเปลี่ยนแปลงได้ตลอดทาง

ความจำเป็นในการเชื่อมต่อระบบที่ต่างกันและซับซ้อนอย่างมาก ขึ้นอยู่กับขนาดของโซลูชันในอนาคตและอุตสาหกรรมที่คุณดำเนินการ คุณอาจต้องเชื่อมต่ออุปกรณ์รุ่นเก่าที่ต่างกันอย่างมากกับ AIoT บ่อยครั้งเป็นงานที่ยากที่จะทำให้สำเร็จ มันต้องมีการวางแผนและทำความเข้าใจตัวเลือกที่มีอยู่ ตัวอย่างเช่น คุณสามารถเลือกที่จะแนบเซ็นเซอร์กับเครื่องรุ่นเก่า เชื่อมต่อผ่านเกตเวย์ หรือแม้แต่เปลี่ยนใหม่ทั้งหมด ตรวจสอบให้แน่ใจว่าได้ร่างสถานการณ์การแปลงเป็นดิจิทัลที่เป็นไปได้ตั้งแต่เนิ่นๆ

ไม่มีข้อมูลเพียงพอสำหรับการฝึกอัลกอริทึม AI ในการสร้างข้อมูลเชิงลึกที่เชื่อถือได้ อัลกอริทึม AI จำเป็นต้องได้รับการฝึกอบรมเกี่ยวกับข้อมูลจำนวนมหาศาล หากมีจำนวนไม่เพียงพอ (หรือมีให้แต่ไม่สามารถใช้ได้เนื่องจากเหตุผลด้านความเป็นส่วนตัว) คุณจะต้องใช้กลยุทธ์อื่นเพื่อชดเชยการขาดข้อมูล วิธีทั่วไป ได้แก่ การเรียนรู้การถ่ายโอน (คิดว่า: การใช้โครงข่ายประสาทเทียมที่ได้รับการฝึกอบรมมาแล้วซึ่งแก้ปัญหาที่คล้ายคลึงกัน) การเพิ่มข้อมูล (การแก้ไขตัวอย่างที่มีอยู่เพื่อรับรายการข้อมูลใหม่) หรือการใช้ข้อมูลสังเคราะห์

ดิ้นรนเพื่อให้ระบบ AIoT มีประสิทธิภาพเพียงพอ ประสิทธิภาพของระบบ AIoT ขึ้นอยู่กับปัจจัยหลายประการ รวมถึงความสามารถของฮาร์ดแวร์ โหลดข้อมูล สถาปัตยกรรมระบบ แนวทางในการนำไปใช้งาน และอื่นๆ เพื่อหลีกเลี่ยงปัญหาด้านประสิทธิภาพในการดำเนินงาน ให้วางแผนการโหลดข้อมูลที่อาจเกิดขึ้นล่วงหน้า และปรับกลยุทธ์การนำไปใช้ให้เหมาะสม

การจัดการกับช่องโหว่ของซอฟต์แวร์และเฟิร์มแวร์ โครงการ AIoT จำนวนมากล้มเหลวเนื่องจากความปลอดภัยของข้อมูล อุปกรณ์ เซิร์ฟเวอร์ และเครือข่ายการสื่อสารไม่ได้นำมาพิจารณาในระหว่างขั้นตอนการวางแผน หากคุณจัดการกับข้อมูลที่มีความละเอียดอ่อนสูง ให้พิจารณาการใช้งานแบบไฮบริด โดยที่ข้อมูลจะได้รับการประมวลผลใกล้กับแหล่งที่มามากขึ้น ดังนั้นความเสี่ยงที่ข้อมูลจะถูกบุกรุกระหว่างการขนส่งหรือในระบบคลาวด์จะลดลง

หากคุณมีคำถามที่ยังไม่ได้คำตอบเกี่ยวกับปัญญาประดิษฐ์ของสรรพสิ่ง หรือกำลังพิจารณาที่จะเริ่มดำเนินการตามเส้นทางการนำ AIoT ไปใช้งาน โปรดติดต่อผู้เชี่ยวชาญของเรา

เผยแพร่ครั้งแรกที่ https://itrexgroup.com เมื่อวันที่ 30 สิงหาคม 2022