在亚洲的许多地方，季节性暴雨带来的洪水摧毁了公民的财产和生计。过去，城市当局、市民和企业只能抵御洪水及其带来的潜在疾病。物联网(IoT)、机器学习(ML)和人工智能(AI)等技术可能会为更具前瞻性的领导者提供喘息机会。这是DKI雅加达省政府防洪系统在雅加达智慧城市的应用。该项目由雅加达智慧城市与雅加达水务局(DSDA)合作开发，旨在优化雅加达的洪水风险管理。该项目涉及使用物联网、人工智能和机器学习作为预警系统的一部分，以应对城市的洪水风险。随着越来越多的组织在商业和工业环境中部署物联网，来自这些设备和传感器的数据量对于提高质量、运营效率以及在雅加达的情况下从自然灾害中拯救生命和财产至关重要。SASInstitute行业咨询总监KennethKoh表示，物联网系统对其环境做出反应的速度和准确性至关重要。然而，由于典型系统中设备和其他传感器生成的大量数据，传统的工具和方法可能会减慢理解这些数据的过程。什么是人工智能嵌入式物联网？KennethKoh：在边缘或边缘附近处理数据可以使物联网系统更加灵活和有效。但是，以数据为主导的行动的质量与其所基于的基于数据的洞察力的质量一样有意义。物联网本身对制造商来说并不陌生。几十年来，制造商一直在收集和存储来自机器的传感器数据。他们的价值主张在于AIoT——在边缘实时分析数据，利用人工智能和机器学习来提高效率和价值。通过为物联网系统配备人工智能功能，可以在边缘处理各种结构化和非结构化数据。更快地提供高质量的见解，供系统采取行动。人工智能嵌入式物联网如何释放商业价值KennethKoh：人工智能嵌入式物联网提高了运营效率和生产力，同时降低了成本。它还推动创新，以提供更好的客户服务、更好的产品和更快的上市时间。在IoT设备中嵌入AI可实现边缘计算，从而允许在无法使用一致的5G网络的地方部署IoT系统。例如，物流供应商可以在他们的送货车队中使用物联网传感器来监控车辆的内部和外部状况，即使在后者路线的偏远地区也是如此。除了边缘计算之外，人工智能嵌入式物联网还利用机器学习从物联网系统每天生成的数TB数据中开发可操作的见解。在上面的例子中，这些传感器收集的数据被实时发送到云端，使技术人员能够更准确、更快速地排除车辆故障。制造商还可以使用这些见解来预测特定工厂系统或设备何时会发生故障，从而使技术人员能够实施预防性维护。主动检测故障设备可节省宝贵的工时，同时减少代价高昂的计划外停机时间。在零售业中，物联网系统的洞察力可用于确定产品的最优价格并最大限度地减少对其供应链的干扰。机器学习在物联网分析中的作用KennethKoh：机器学习是人工智能嵌入式物联网相对于其他物联网部署的优势。该系统可以在处理传感器生成的数据的同时进行学习，使用各种高级分析方法，例如决策树、随机森林、梯度提升、神经网络、支持向量机和因式分解机。这节省了组织中的业务工时和专家。无需对AI系统进行大量培训，专家就可以专注于其他关键任务，而非数据科学家则可以访问、查看和处理数据。机器学习能力还增加了人工智能系统可以访问和处理的数据范围：视觉图像、文本，甚至是在线和离线的口语。可用数据数量和质量的提高增加了从中得出的见解的价值和影响。结合这些机器学习功能可以提高数据处理的速度和数量，从而实现实时可操作的洞察力。这在许多物联网系统中至关重要。AIoT如何支持雅加达智慧城市：利用SAS的人工智能平台，雅加达智慧城市能够实时整合多源数据，并通过物联网、机器学习和人工智能技术提供高级分析，以提供应急/灾难预测能力并优化服务大众。结果是洪水应急响应减轻了雅加达的洪水风险。鉴于物联网在历史上属于运营技术，物联网安全应该由谁来负责？KennethKoh：物联网的引入模糊了企业IT和OT之间的界限。传感器和设备连接到网络以创建新系统和改进流程。同时，这种融合使传统的OT设备和系统面临以前无法应对的威胁。事实上，真正的设备安全是技术、流程和最佳实践的结合。因此，保护??物联网系统不应该是OT或IT团队的专属领域，而应该是在两者之间建立更紧密、更有效的协作。然而，这说起来容易做起来难，因为IT安全团队和OT安全团队通常不会说同一种语言，因此很难理解彼此的观点。职责分配大不相同。优先级经常不同，管理OT安全和IT安全的法规有时相互矛盾。获得给定环境中所有资产的概览可以清楚哪些资产和流程在任何情况下都不能失败。通过这样做，组织可以建立和实施统一的网络安全，以确保数据的机密性、完整性和可用性。引用IT和运营技术人员一起工作的最佳实践KennethKoh：在制造业中，数据对时间非常敏感。例如，如果过程中的化学品浓度偏离最佳浓度，工程师可能只有几分钟的时间做出反应，从而节省大量产品。在许多半导体工艺中，工程师只有几秒钟的时间做出反应。在这种情况下，分析需要转移到“边缘”，这意味着必须在机器或车间分析数据并做出决策，而不是在后台或工程部门。这需要能够在任何需要的地方执行分析，例如在机器上、生产车间、云端或后台。面临的主要挑战之一是数据孤岛。对于尚未实施IT/OT融合的组织，存在未集成或部分集成的应用程序和企业系统的拼凑。引入新的数据源（例如IoT传感器）可能会在没有仔细规划的情况下使问题复杂化。实施数据集成平台以将物联网系统与组织的现有技术堆栈连接起来，可以打破历史数据和未来数据之间的孤岛，同时通过单一控制点为所有团队提供相同的访问权限。这确保了IT和OT团队在同一页面上，为更好的IT/OT融合奠定了基础。
