數(shù)據(jù)是新的石油，企業(yè)物聯(lián)網(wǎng)部署是一種從許多不同來源獲取大量數(shù)據(jù)的簡(jiǎn)單方法。但最終，真正重要的是數(shù)據(jù)的業(yè)務(wù)處理。通過將這些數(shù)據(jù)運(yùn)用起來，組織可以提高效率，增加盈利，推動(dòng)創(chuàng)新。
這就是機(jī)器學(xué)習(xí)的問題。它仍然是一個(gè)相當(dāng)新生的技術(shù)，但一些公司正在使用機(jī)器學(xué)習(xí)來提升物聯(lián)網(wǎng)計(jì)劃的價(jià)值。
對(duì)于初學(xué)者來說，機(jī)器學(xué)習(xí)算法可以使物聯(lián)網(wǎng)數(shù)據(jù)更適合處理和分析。企業(yè)可以使用經(jīng)過訓(xùn)練的算法來幫助組織和標(biāo)記數(shù)據(jù)。使用機(jī)器學(xué)習(xí)，公司可以確定數(shù)據(jù)來源和分類，以及它是否符合某些合規(guī)要求。這對(duì)于在高度監(jiān)管的醫(yī)療和金融服務(wù)領(lǐng)域的物聯(lián)網(wǎng)部署尤其有用。
機(jī)器學(xué)習(xí)也可以用于分析本身。根據(jù)IDC認(rèn)知與人工智能系統(tǒng)研究總監(jiān)Dave
Schubmehl的說法，該技術(shù)可以為企業(yè)物聯(lián)網(wǎng)部署提供“預(yù)測(cè)，建議或可能的規(guī)定性措施” 。
這種算法的核心用例是預(yù)測(cè)性維護(hù)。Schubmehl說，這是在復(fù)雜機(jī)器上的傳感器發(fā)回?cái)?shù)據(jù)時(shí)完成的，該數(shù)據(jù)“用于預(yù)測(cè)各種子系統(tǒng)何時(shí)可能出現(xiàn)故障，并建議何時(shí)該機(jī)器應(yīng)該進(jìn)行預(yù)防性維護(hù)以防止故障發(fā)生”。通過使用數(shù)據(jù)在發(fā)生故障之前解決維護(hù)問題，企業(yè)可以節(jié)省時(shí)間和金錢。
根據(jù)物聯(lián)網(wǎng)公司研究總監(jiān)Christian Renaud的說法，預(yù)測(cè)性維護(hù)用例約占451 Research所認(rèn)為的物聯(lián)網(wǎng)部署的三分之二。
Renaud表示，通常發(fā)生的情況是“您正在監(jiān)控的實(shí)時(shí)數(shù)據(jù)很多，但直到出現(xiàn)異常情況時(shí)才開始捕獲和分析。”
其中一個(gè)例子就是醫(yī)院配備高價(jià)值冰箱用于需要保持恒定溫度的器官移植。沒有人真正關(guān)心他們?cè)诤愣ǖ臏囟认麓剿麄儾辉俟ぷ鳎瑱C(jī)器學(xué)習(xí)可以(希望)阻止他們失敗。
資源管理是機(jī)器學(xué)習(xí)可以用于物聯(lián)網(wǎng)計(jì)劃的另一種方式。根據(jù)Schubmehl的說法，像約翰迪爾這樣的公司使用“拖拉機(jī)和農(nóng)場(chǎng)設(shè)備上的傳感器來監(jiān)控土壤，植物，昆蟲，水分等等的狀態(tài)，以建立預(yù)測(cè)模型，以準(zhǔn)確計(jì)算應(yīng)施用多少化肥，水和殺蟲劑以最大限度地提高作物產(chǎn)量。“
在2017年Gartner報(bào)告“邊緣人工智能：融合人工智能和物聯(lián)網(wǎng)將催化新的數(shù)字價(jià)值創(chuàng)造”一文中，舉例說明了Google如何使用物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)優(yōu)化其數(shù)據(jù)中心的資源。據(jù)報(bào)道，傳感器可監(jiān)測(cè)溫度，功率，泵速，設(shè)定值等。通過使用這些數(shù)據(jù)和特定的算法，Google將冷卻費(fèi)用減少了40%，并從相同的能源消耗中獲得了3.5倍的計(jì)算能力。
從射頻識(shí)別(RFID)標(biāo)簽收集的數(shù)據(jù)也可以用于機(jī)器學(xué)習(xí)，以創(chuàng)造商業(yè)價(jià)值。Schubmehl給出了航運(yùn)業(yè)使用的RFID優(yōu)化供應(yīng)鏈路線和物流的例子。Renaud說這在卡車運(yùn)輸中很常見，機(jī)器學(xué)習(xí)用于確定哪條路線對(duì)發(fā)動(dòng)機(jī)影響最小，并有助于保持最佳的燃油經(jīng)濟(jì)性。
目前，物聯(lián)網(wǎng)中的機(jī)器學(xué)習(xí)實(shí)施在成熟的垂直領(lǐng)域比較普遍，例如制造和運(yùn)輸?shù)纫呀?jīng)使用這些技術(shù)一段時(shí)間，Renaud說。然而，大多數(shù)公司“仍處于試驗(yàn)階段，”他們不知道重要變量是什么，Renaud說。
隨著機(jī)器學(xué)習(xí)在企業(yè)中進(jìn)一步發(fā)展并與物聯(lián)網(wǎng)相結(jié)合，其他新的使用案例將呈現(xiàn)出來。其中一個(gè)用例是機(jī)器學(xué)習(xí)，用于理解上下文相關(guān)的客戶數(shù)據(jù)。
“你會(huì)從零售渠道獲得大量的用戶意圖 - 能夠?qū)⒛阕鳛橄M(fèi)者和你的在線行為與你在店內(nèi)做的事情聯(lián)系起來，”雷諾說。
Gartner報(bào)告還提到了零售環(huán)境數(shù)據(jù)，特別是使用店內(nèi)攝像機(jī)和機(jī)器學(xué)習(xí)來創(chuàng)建智能視頻分析。
Schubmehl表示，機(jī)器學(xué)習(xí)和物聯(lián)網(wǎng)的其他整合包括
可吞食自主外科手術(shù)機(jī)器人，使用制造數(shù)據(jù)和算法自主觸發(fā)制造過程中的其他特定行為，并使用連接的車輛數(shù)據(jù)和機(jī)器學(xué)習(xí)創(chuàng)建定制化保險(xiǎn)產(chǎn)品。
國(guó)內(nèi)最大的物聯(lián)卡交易平臺(tái)（http://www.mpbar.cn）表示，雖然無法預(yù)測(cè)機(jī)器學(xué)習(xí)會(huì)影響物聯(lián)網(wǎng)的所有方式，但機(jī)器學(xué)習(xí)將成為推動(dòng)物聯(lián)網(wǎng)實(shí)際企業(yè)價(jià)值的關(guān)鍵，這已經(jīng)成為一個(gè)預(yù)見的結(jié)論。
延伸閱讀
http://www.mpbar.cn/ask/251.html
http://www.mpbar.cn/ask/250.html
http://www.mpbar.cn/ask/249.html
