Machine learning en het Internet van Dingen

0
30

Nul

De groei van het Internet of Things (IoT) markt in de afgelopen jaren is moeilijk te negeren. Volgens Forbes, de wereldwijde IoT markt zal groeien van $157 miljard naar $457 miljard euro tussen het jaar 2016 en 2020. De belangrijkste bijdragen aan de investering zijn toonaangevende bedrijven zoals productie, logistiek en transport.

Als het gaat om sectoren die domineren deze investering, slimme stad initiatieven en industriële IoT de top van de grafiek door het bezit van meer dan 50 procent van de markt. Gartner voorspelt dat meer dan 65 procent van de ondernemingen stelt de IoT producten door het jaar 2020.

Een typische IoT oplossing pijplijn bestaat uit de volgende vijf fasen:

fivestages.jpg

Het hart van dit proces en wat drijft de echte zakelijke waarde wordt ingekapseld in de derde fase van deze activiteit keten, die is ‘Transformatie en Analytics’. Dit is de fase waarin de gegevens worden gecontroleerd en beslissingen worden gemaakt. Deze besluiten zullen direct invloed hebben op de acties die zal het optimaliseren van business stroomt.

Dit is waar de rol van machine learning en kunstmatige intelligentie wordt significant. Het vermogen van het systeem om cognitieve beslissingen die gebaseerd zijn op historische gegevens van grote invloed op de waarde van de oplossing. Technologieën zoals Azure Machine learning gebruik kunnen maken van begeleid leren technieken om te helpen bij het maken van zakelijke beslissingen op basis van de classificatie, regressie, en opsporing.

Machine learning – evolutie

Het concept van ‘machine learning’ is niet nieuw in de wereld van de computer. De geboorte van de term gebeurde in de late jaren 1950, geïnspireerd op de gerelateerde velden in de berekening, zoals patroonherkenning en kunstmatige intelligentie. Echter, het gebruik van dit concept voor het optimaliseren van bedrijfsprocessen grotendeels beperkt door de kosten van de dienstverlening en het handhaven van de compute en storage nodig zijn voor het hosten en het uitvoeren van machine learning algoritmen.

De primaire oorzaak voor de opkomst van machine learning is de ontwikkeling van cloud computing en de goedkeuring ervan in de hedendaagse onderneming wereld. Door het aanbieden van functies, zoals oneindig schaalbaar compute en storage, high-performance computing-diensten, en pay-per-use abonnement, cloud computing werd de ideale draagmoeder te brengen van ‘machine learning’ weer tot leven. Dit is ingeschakeld door de organisaties van elke omvang om voordelig uitvoeren van machine learning algoritmen voor de optimalisatie van hun bedrijfsprocessen. Het is ook aangemoedigd cloud markt giganten als Microsoft, Amazon en Google bieden deze technologie als een software service verbruiksartikelen op een abonnementsmodel.

Machine Learning en IoT

Machine learning gebruikt begeleid leren technieken op historische gegevens te maken cognitieve beslissingen. Hoe groter de hoeveelheid historische gegevens, hoe beter de besluitvorming mogelijkheden van het algoritme. Deze filosofie maakt IoT de ideale gebruik van machine learning als de gegevens die worden gegenereerd door de apparaten zijn meestal zeer frequent.

De volgende zijn enkele veelvoorkomende scenario ‘ s waarin de machine te leren werken hand-in-hand met de IoT inschakelen business te optimaliseren:

Anomalie monitoring — Azure machine learning kan worden gebruikt voor het detecteren van afwijkingen in de tijdreeks van gegevens, data feeds verzonden door de Ivd-apparaten die zijn gelijkmatig verdeeld in de tijd. Anomalieën, zoals pieken en dalen, positieve en negatieve trends kunnen worden waargenomen met behulp van een machine learning algoritme toezicht op de live stream van het apparaat feeds.Predictief onderhoud — Predictive maintenance direct van invloed op de kosten voor een organisatie, dat maakt het één van de meest populaire machine learning solutions. Het vermogen van de machine learning algoritmes te voorzien in mogelijkheden van een apparaat niet, resterende levensduur van de apparatuur, en de oorzaken van het falen kan in staat stellen de zaken te optimaliseren operationele kosten door het verminderen van het onderhoud aanzienlijk.Voertuig telemetrie — De mogelijkheid van machine learning-oplossingen in te nemen miljoenen gebeurtenissen van voertuigen tot het verbeteren van hun veiligheid, betrouwbaarheid, en de rij-ervaring maakt het een gewilde technologie vast te stellen voor de transport-en logistieke industrie.

Microsoft technology stack voor Machine Learning en IoT

Onder de populaire Cloud providers, Microsoft was de eerste lancering van een volwaardige IoT en machine learning oplossing. Het aanbod van Microsoft bestaat uit meerdere technologieën aangeboden als een service om tegemoet te komen aan de verschillende fasen van de IoT pijplijn. De volgende zijn enkele van deze technologieën:

AzureIoTHubAzureIoTsuitAzureIoTEdgeazureeventhubazure Stream analyticsAzure Machine learningMicrosoft cognitieve servicesSupporting technologieën Azure Evenement HubAzure Service bus topicsAzure evenement grid

Meer over deze technologieën en de rol die zij spelen in de IoT pijpleiding zal worden behandeld in mijn volgende blog.

Lees meer over IoT voor de onderneming.

Verwante Onderwerpen:

Cloud

Tech Exchange

0