工业与AI的挑战

Andreas Mangler

1边缘AI给工业应用带来的变化

人工智能（AI）以及作为AI基础过程的机器学习（ML）将冲击影响包括预测性维护、工业通信、机器人技术和电机控制等在内的工业应用。

尽管AI技术并不是什么新鲜事物，但数据的爆炸式增长却促使其以惊人的速度前进，例如，在谷歌上数十亿次搜索的支持下，提供了相当大的实时数据集。

每年，我们产生的数据量都会翻倍，并且据预测，在未来10年内，将有1500亿个联网传感器（超过地球人口的20倍）。由此产生的数据集可以帮助AI设备学习人类的思维和感知方式。它们加快了学习速度.并允许实现数据分析的自动化。处理的信息越多，机器学习就越准确。

AI决策系统可以采用一系列技术、算法、统计模型和认知能力来解决复杂且相互关联的问题，从而提高效率和生产率。

2工业+AI的技术挑战

在当前的计算模型中，存在3个软件层：应用程序和服务、中间件，以及平台。将来，这些将会被人工智能、区块链，以及云和边缘计算所取代。

诸如大数据、机器学习和深度学习之类的Al技术已用于包括语音识别、图像识别和用户建模在内的应用中。它们在算法、模型和体系结构方面都取得了重大进展。制造业、电力、运输、医疗保健和农业等行业已开始应用此类技术。

区块链是一种分布式账本系统.作为分散数据库.用于维护交易数据的永久性和防篡改记录。中间件将在统一的接口中结合不同的区块链实施.以易于使用。

边缘计算是一种拓扑和设计，可以通过IoT和云等技术来实施，以实现新的解决方案。边缘计算将补充当前的云计算堆栈，两者将共同构成未来的计算平台。

3儒卓力的解决方案

儒卓力提供了应对这些挑战所需的所有技术，并且在公司内部创建了边缘计算专家组，以支持客户开展设计和項目。儒卓力的垂直计划称为“自动化创新（In novation in Automation）”，包含了经过认证的硬件和软件特许经营合作伙伴网络。

儒卓力的自动化创新软件合作伙伴为特定客户开发了基于儒卓力硬件产品组合（包括控件、驱动器和传感器）的算法和软件，以解决传感器融合和自动数据分析中出现的复杂数学问题。

传感器融合在结合不同类型的传感器数据和信息源中扮演着重要的角色。这意味着用于原型设计、仿真和评估的新数学算法的设计和开发至关重要。开发保障标准、质量和安全性的软件，对于工业化非常关键。能够通过基于传感器数据的监视和实时的异常检测，可帮助实现用户所需的自动数据分析。