Andreas Mangler

1邊緣AI給工業(yè)應(yīng)用帶來的變化

人工智能（AI）以及作為AI基礎(chǔ)過程的機器學(xué)習(xí)（ML）將沖擊影響包括預(yù)測性維護、工業(yè)通信、機器人技術(shù)和電機控制等在內(nèi)的工業(yè)應(yīng)用。

盡管AI技術(shù)并不是什么新鮮事物，但數(shù)據(jù)的爆炸式增長卻促使其以驚人的速度前進，例如，在谷歌上數(shù)十億次搜索的支持下，提供了相當(dāng)大的實時數(shù)據(jù)集。

每年，我們產(chǎn)生的數(shù)據(jù)量都會翻倍，并且據(jù)預(yù)測，在未來10年內(nèi)，將有1500億個聯(lián)網(wǎng)傳感器（超過地球人口的20倍）。由此產(chǎn)生的數(shù)據(jù)集可以幫助AI設(shè)備學(xué)習(xí)人類的思維和感知方式。它們加快了學(xué)習(xí)速度.并允許實現(xiàn)數(shù)據(jù)分析的自動化。處理的信息越多，機器學(xué)習(xí)就越準(zhǔn)確。

AI決策系統(tǒng)可以采用一系列技術(shù)、算法、統(tǒng)計模型和認(rèn)知能力來解決復(fù)雜且相互關(guān)聯(lián)的問題，從而提高效率和生產(chǎn)率。

2工業(yè)+AI的技術(shù)挑戰(zhàn)

在當(dāng)前的計算模型中，存在3個軟件層：應(yīng)用程序和服務(wù)、中間件，以及平臺。將來，這些將會被人工智能、區(qū)塊鏈，以及云和邊緣計算所取代。

諸如大數(shù)據(jù)、機器學(xué)習(xí)和深度學(xué)習(xí)之類的Al技術(shù)已用于包括語音識別、圖像識別和用戶建模在內(nèi)的應(yīng)用中。它們在算法、模型和體系結(jié)構(gòu)方面都取得了重大進展。制造業(yè)、電力、運輸、醫(yī)療保健和農(nóng)業(yè)等行業(yè)已開始應(yīng)用此類技術(shù)。

區(qū)塊鏈?zhǔn)且环N分布式賬本系統(tǒng).作為分散數(shù)據(jù)庫.用于維護交易數(shù)據(jù)的永久性和防篡改記錄。中間件將在統(tǒng)一的接口中結(jié)合不同的區(qū)塊鏈實施.以易于使用。

邊緣計算是一種拓?fù)浜驮O(shè)計，可以通過IoT和云等技術(shù)來實施，以實現(xiàn)新的解決方案。邊緣計算將補充當(dāng)前的云計算堆棧，兩者將共同構(gòu)成未來的計算平臺。

3儒卓力的解決方案

儒卓力提供了應(yīng)對這些挑戰(zhàn)所需的所有技術(shù)，并且在公司內(nèi)部創(chuàng)建了邊緣計算專家組，以支持客戶開展設(shè)計和項目。儒卓力的垂直計劃稱為“自動化創(chuàng)新（In novation in Automation）”，包含了經(jīng)過認(rèn)證的硬件和軟件特許經(jīng)營合作伙伴網(wǎng)絡(luò)。

儒卓力的自動化創(chuàng)新軟件合作伙伴為特定客戶開發(fā)了基于儒卓力硬件產(chǎn)品組合（包括控件、驅(qū)動器和傳感器）的算法和軟件，以解決傳感器融合和自動數(shù)據(jù)分析中出現(xiàn)的復(fù)雜數(shù)學(xué)問題。

傳感器融合在結(jié)合不同類型的傳感器數(shù)據(jù)和信息源中扮演著重要的角色。這意味著用于原型設(shè)計、仿真和評估的新數(shù)學(xué)算法的設(shè)計和開發(fā)至關(guān)重要。開發(fā)保障標(biāo)準(zhǔn)、質(zhì)量和安全性的軟件，對于工業(yè)化非常關(guān)鍵。能夠通過基于傳感器數(shù)據(jù)的監(jiān)視和實時的異常檢測，可幫助實現(xiàn)用戶所需的自動數(shù)據(jù)分析。