産業用IoT分析および機械学習会社は、計算量が少ない場合にパフォーマンスを測定する必要があります
産業用IoTプロジェクトがクラウドコンピューティング中心の方法から徐々に離れるにつれて、人工知能と産業用IoTの進化における次のステップは、はるかに小さなスペースを占有しながら、アルゴリズムをエッジコンピューティングタスクに変換する必要性を満たします。
調査会社のGartnerによると、今後4年以内に、エンタープライズで生成されたデータの75％が（クラウドコンピューティングではなく）エッジで処理され、現在の10％から増加します。エッジコンピューティングへの移行は、データの大幅な増加に依存するだけでなく、より高い忠実度の分析、より低い遅延要件、セキュリティの問題、および大きなコスト上の利点も必要とします。
クラウドはデータを保存し、機械学習モデルをトレーニングするのに適した場所ですが、忠実度の高いリアルタイムのストリーミングデータ分析を提供することはできません。対照的に、エッジコンピューティングテクノロジーは、すべての生データを分析し、最高の忠実度の分析を提供し、異常を検出する可能性を高めることで、迅速な対応を実現できます。成功するテストは、可能な限り最小の範囲で達成される「容量」または計算能力の量です。
構成の詳細プレビューアドレス：https：//www.hightopo.com/demos/index.html
「実際の」および「誤った」エッジソリューションを理解する
すべての最新の新技術と同様に、一部の市場では「エッジコンピューティング」という用語が使用されなくなり、産業用IoTの展開におけるその構成に明確な境界がありません。「偽の」エッジソリューションは、エッジでデータを処理できると主張していますが、実際には、バッチまたは小バッチ処理のためにデータをクラウドに送り返すことに依存しています。
エッジコンピューティングについて学習する場合、「偽の」エッジコンピューティングは、複雑なイベントプロセッサ（CEP）のない偽のデータと見なされます。つまり、待ち時間が長くなり、データは依然として「ダーティ」であるため、分析がより不正確になります。機械学習（ML）モデルは深刻な影響を受けます。
「真の」エッジコンピューティングは、生産プロセス中に、クリーン、正規化、フィルタリング、シーン、および/または生の産業データをクリーンアップ、正規化、フィルタリングする超効率的な複雑なイベントプロセッサ（CEP）から始まります。さらに、「実際の」エッジソリューションには、統合された機械学習機能と人工知能機能が含まれ、これらはすべて最小（および最大）のコンピューティングフットプリントに組み込まれています。
複雑なイベントプロセッサ（CEP）機能は、産業エッジでリアルタイムの実用的な分析を実行し、運用技術（OT）担当者の迅速な修復のために最適化されたユーザーエクスペリエンスを提供する必要があります。また、最適な機械学習/人工知能のパフォーマンスのためのデータを準備し、資産のパフォーマンスとプロセスの改善を推進するための最高品質の予測洞察を生成します。
真のエッジコンピューティングは、多くのコストを節約し、効率とデータの洞察を向上させ、真のデジタル変革の道に乗り出したい産業組織を可能にします。
機械学習/人工知能モデルは脆弱になりつつあります
マシンラーニング（ML）をエッジに移動することは、処理が行われる場所を変更するだけの問題ではありません。現在使用されているマシンラーニング（ML）モデルのほとんどは、クラウドコンピューティング機能、ランタイム、および計算に関する仮定に基づいて設計されています。これらの仮定は端に当てはまらないため、機械学習（ML）モデルは新しい環境に適応する必要があります。
言い換えれば、それらは「マージナル化」される必要があります。2019年、「真の」エッジソリューションは、データの前処理と後処理を機械学習（ML）モデルから複雑なイベントプロセッサに再配置し、それらを80％縮小し、モデルをデータソースに近づけます。このプロセスはマージナリゼーションと呼ばれ、より強力なエッジコンピューティングおよび産業用IoTアプリケーションの全体的な採用を促進します。
クローズドループのエッジツークラウドコンピューティングマシンの学習は、真の運用ソリューションになります
機械学習（ML）と人工知能アルゴリズムが「限界化」され、センサーの近く、IoTゲートウェイ、またはその他の産業用コンピューティングオプション内で使用できるようになると、これらのモデルをトレーニングしてさらに反復する方法に関するベストプラクティスが明らかになります。
産業組織は、リアルタイムストリーミングデータ（オーディオとビデオを含む）の分析結果を生成するエッジデバイスが定期的にクラウドに洞察を送信する必要があることに気付くでしょうが、異常なアクティビティを表すデバイスのみがコアアルゴリズムの変換を保証できます。
これらのエッジインサイトはモデルを強化し、その予測機能を大幅に向上させます。次に、調整されたモデルは一定の閉ループに押し戻され、変化する条件と仕様に迅速に対応し、より高品質の予測インサイトを生成して、資産のパフォーマンスとプロセスの改善を改善します。
産業用IoTアプリケーションの作成は、マルチクラウドおよびハイブリッドクラウドの展開をサポートするエッジコンピューティングソリューションを通じてのみ実装されます。
ハイブリッドクラウドおよびマルチクラウドソリューションは、産業用IoTの展開を支配します。最近の調査レポートによると、ハイブリッドクラウド市場は2023年までに97億6400万米ドルに達するとのことです。産業組織はマルチクラウド環境を組み合わせて、より費用効果の高いアプローチと柔軟性を提供することを望んでいるため、エッジソリューションがクラウドコンピューティングとは何の関係もないことが重要です。
企業がエッジツークラウドコンピューティング環境を構築する際に、より高い柔軟性と選択の自由を求めているため、ベンダー固有のソリューションが失敗し始める可能性があります。Google、AWS、Microsoft、C3IoT、Uptake、およびその他の主要なクラウドコンピューティングプロバイダーは、エッジコンピューティング企業とのパートナーシップをさらに確立し、企業が製品の改善と拡張を継続できるよう支援します。
IoTビデオおよびオーディオセンサーの急速な発展により、エッジでの深い学習の必要性が高まっています
業界は、オーディオおよびビデオセンサーが産業用インターネットオブシングスにもたらすことができる機能について非常に懸念しています。エッジコンピューティングテクノロジーは、商用および産業用IoTシステムでのオーディオおよびビデオデータのさらなる展開において重要な役割を果たすことができます。
資産データとオーディオおよびビデオ分析の統合により、一連の新しい革新的なアプリケーションだけでなく、より高速で正確な機器とマシンのメンテナンス（システムヘルスの更新などを含む）が可能になります。分析の例は、石油およびガス生産施設でのフレア監視を使用して、多数のフレアタワーの環境コンプライアンスおよびフレアステータスをリモートで追跡することです。
予防的メンテナンスは標準的なメンテナンスに取って代わります
産業用IoTエッジソリューションによって提供される主要な約束の1つは、予測メンテナンスです。これは、接続された資産（製造装置や石油リグなど）に将来何が起こるかについての洞察を提供します。多くの組織は依然として予測保守に遅れをとっていますが、2019年は早期採用者にさらに高度なテクノロジーを提供します。
たとえば、エレベーターの製造元は、エレベーターのドアの摩擦などの一般的な問題を理解したいと考えています。この作業の一環として、Foghornは協力して予測メンテナンスソリューションを作成しました。ソースでセンサーデータを分析することにより、コスト、遅延、安全性、および建物外への大量のデータの送信に関連するその他の問題を考慮することなく、メンテナンスのニーズを事前に判断できるようになりました。したがって、異常がパフォーマンスに影響を与える前に、サービスを効率的にスケジュールできます。
規範的なメンテナンスが利用可能な場合、メーカーがエレベーターのメンテナンスを行う前に、修理が必要になる可能性が最も高い領域を見つけるのに役立つ利用可能なデータを取得し、メンテナンス担当者の修理に使用できる専門知識、ツール、およびコンポーネントを確認します。
規範的メンテナンスは、企業にとって一歩前進です。問題を予測できるだけでなく、データ分析を使用して、運用とメンテナンスに関する結果指向の推奨事項を提供することもできます。