从内部改造产品

如今,连接设备既简单又便宜(通常少于一顿丰盛的饭菜的费用)。LED灯,HVAC系统,工业机器人,烤面包机。几乎所有东西都可以链接到互联网。云计算,低成本硬件和无处不在的网络为物联网(IoT)腾飞铺平了道路。

这就是公司将所有内容从字面上讲在线的原因。实际上,IDC预测, 仅今年一年,在与物联网相关的支出就将达到7,730亿美元。其中包括一些浮躁的消费品牌,例如Nest(首先在2011年开始销售其智能家用恒温器)和Tesla(特斯拉),该公司使用IoT为已售出的汽车提供功能升级,例如 改进 Model 3的制动器或提高 续航能力和电池容量 在飓风期间协助疏散车辆。

虽然物联网产品本身令人印象深刻,但制造商能够 在出售现有设备和产品后不断改进它们的能力, 这代表了物联网的圣杯。例如,Nest会根据从数千个房屋中收集的数据,使用新功能更新其最古老的恒温器。

但是,大规模收集和分析数据提出了严重的后勤挑战:想象一下,您有数百万个设备在野外使用,每个设备每30秒记录一次数据。从这些PB级数据中收集一些肤浅的见解是相对容易的,但是将其用于诸如自适应温度控制之类的功能需要人工智能(AI)。

随便的围观者可能没有意识到的是,除了一些知名的小工具(例如Google Home和Amazon Echo)之外,工业界正在引领这种通过软件进行持续革新的概念。大多数家用设备仍未充分利用物联网的全部潜力。但是,传统行业垂直行业的公司在长期发展中处于领先地位:它们使用连通性和机器智能不仅是为了改善设备,而且最终是要确保公司在未来几年中保持竞争力。

成功预测失败
工业部门在这种创新中处于领先地位,原因很简单-风险更高。没人晚上熬夜担心他们的物联网咖啡机早上不会打开。另一方面,制造厂的计划外停机是一个值得失眠的问题。

以废水处理厂为例,该厂可以同时运行数百个水泵。如果您曾经拥有泳池,就会知道水泵故障的声音:剧烈的振动或持续的呜呜声。在工业环境中,直到泵停止运行之前,这些声音都会被忽略。为避免这种情况,我们帮助泵制造商在进口,出口和电动机等组件以及计算和无线芯片等组件上安装了带有传感器的设备。

这种新的“传感器化”和连接性的直接好处是,知道泵什么时候出现严重问题,以及收集有关影响设备的最常见问题的可行数据。可以进行数字调整以适应新的工作负载和不断变化的工作要求的物理设备和机器每年可以为公司节省数十亿美元。多年来,制造商仅从该领域的技术人员那里收集有关产品性能的数据。如今,传感器包装的机器可以自己完成大部分任务。这样可以减少制造商的服务和维护成本,并最大程度地减少客户的设备停机时间。

从更高的角度来看,此性能数据有助于指导设计。如果泵在特定条件下报告其进口处出现高温,则可能是在测试实验室的人工环境中没有浮出水面的数据。借助现实数据,工程师可以更改现有设备上的操作参数,并使用数据反馈环路为下一代设计更好的热屏蔽。

但是有关连接泵的最有价值的见解来自预测性人工智能。在我公司的一个实例中,我们向机器学习模型提供了所有可用数据,包括温度和振动等传感器数据,以及机器的服务日志等外部数据。通过根据历史数据训练模型,我们能够预测问题,最终避免了计划外的停机时间。

边缘智能设备
专家根据其他趋势预测了我们几年前在物联网中看到的许多进步:例如,大数据显然对产品开发抱有希望。云计算和处理能力的商品化导致基于AI的分析技术的进步。但是,甚至在一两年前,某些新兴趋势也不是可以预测的。

其中之一是边缘计算的力量。虽然IoT设备可以使用像Raspberry Pi这样的简单便宜的处理器来运行,但我们还发现GPU和自定义加速器(如神经网络处理器)可以直接在设备上运行AI流程。对于计算密集型机器学习培训,仍需要云。但是培训一旦完成,定制芯片就可以在本地完成大部分工作,从而节省网络资源。物联网设备中功能强大的处理器的出现导致设备可以比我们预期的更智能。

强大的边缘计算最终将与诸如增强现实的趋势融合。Vuzix等公司已经在市场上推出了AR眼镜 ,可帮助技术人员驾驭复杂的机械。随着公司学会更好地利用返回的庞大数据流来提高单个设备的决策能力,这些设备将能够与AR显示器进行通信,从而使维修更加高效。机器学习还将显示在产品生命周期的其他步骤中有用的数据:例如,在组装过程中,AR显示器可以向入门级组装商建议紧固件的正确顺序或公差。

数据,设计和实践之间的这种反馈结构是“闭环制造”趋势的一部分,在闭环制造中,来自物联网和其他系统的数据在业务的各个部分之间迁移。数据在产品设计,仿真,测试和制造的每个阶段之间不断共享,以使改进更快,更便宜。

如今,公司在几乎所有生产步骤中都使用专用软件。仅举一个例子,企业资源计划(ERP)软件实现了库存管理,供应链和会计等功能的现代化。从现在开始的十年后,在那些围绕产品建立良好数据实践和AI的企业中,典型的ERP可能看起来完全不同,或者甚至消失了。投机旅程的第一步是机器学习,它可以预测何时何地需要维修服务,或预测对部署产品中替换零件的未来需求。

消费市场又如何呢?今天,如果我想购买一台能告诉我其滤水器何时需要维修的冰箱,或者一台能够使其制冷循环适应我家使用方式的冰箱,我就不走运。但是像Amazon Echo和Google Home这样的智能扬声器正在 推动人们 对更多连接的家用设备的需求,例如智能恒温器和安全摄像头。

大型制造商已经在自己的工厂和工业机器中拥有有关物联网设备的经验。看到基于物联网的数字化重塑如何进入我们的家庭和生活,将是令人兴奋的。

相关文章

联系我们

联系我们

029-88444144      

在线咨询: QQ交谈

邮箱: cnnwn@126.com

工作时间:周一至周五,9:00-17:30,节假日休息

返回顶部