物联网正变得越来越智能。企业正在将人工智能——特别是机器学习——整合到物联网应用程序中，并看到功能的增长，包括提高运营效率和帮助避免计划外停机。随着投资浪潮、新产品激增和企业部署的兴起，人工智能正在物联网(IoT)中掀起波澜。制定物联网战略、评估潜在物联网项目或寻求从现有物联网部署中获取更多价值的公司可能需要探索人工智能的作用。人工智能是释放物联网潜力的关键人工智能在物联网应用和部署中发挥着越来越重要的作用，这一转变在该领域的企业行为中显而易见。对使用人工智能的物联网初创公司的风险投资急剧上升。在过去两年中，该公司收购了数十家从事人工智能和物联网交叉领域的公司。物联网平台软件的主要供应商现在提供集成的人工智能功能，例如基于机器学习的分析。人工智能在物联网中发挥着重要作用，因为它能够快速从数据中提取见解。机器学习是一种人工智能技术，能够自动识别模式并检测数据异常、智能传感器和设备生成的信息，例如温度、压力、湿度、空气质量、振动和声音。企业发现，在分析IoT数据时，机器学习比传统商业智能工具具有显着优势，包括能够比基于阈值的监控系统提前20倍做出运营预测，并且准确性更高。语音识别和计算机视觉等其他人工智能技术可以帮助从过去需要人工审查的数据中提取见解。人工智能和物联网技术的强大结合正在帮助企业避免计划外停机、提高运营效率、推出新产品和服务以及加强风险管理。避免代价高昂的计划外停机在许多行业，由于设备故障导致的计划外停机可能代价高昂。预测性维护——使用分析来提前预测设备故障，以便安排有序的维护计划——可以降低计划外停机的财务成本。在制造业中，预测性维护可以将计划维护所需的时间减少20-50%，将设备正常运行时间和可用性提高10-20%，并将总体维护成本降低5-10%。由于人工智能技术——尤其是机器学习——可以帮助识别模式和异常并根据大量数据做出预测，事实证明它们在实现预测性维护方面特别有用。提高运营效率人工智能驱动的物联网不仅可以帮助避免意外停机。它还可以帮助提高运营效率。这部分是由于机器学习能够生成快速准确的预测和深刻的见解，以及人工智能技术能够自动执行越来越多的任务。例如，对于Hershey，在生产过程中控制产品重量至关重要：重量精度提高1%可以为14,000加仑的Twizzlers等产品节省超过500,000美元。该公司使用物联网和机器学习来显着减少生产过程中的重量变化。数据由秒收集和分析，并且可以通过机器学习模型预测重量变化，每天可以进行240次流程调整，而在安装机器学习驱动的物联网解决方案之前，每天需要进行12次流程调整。基于人工智能的预测还帮助谷歌将数据中心冷却成本降低了40%。该解决方案根据工厂内传感器提供的数据进行训练，可以提前一小时预测温度和压力，从而指导采取行动来限制功耗。机器学习产生的洞察力说服了一家航运船队运营商采取违反直觉的行动，从而为他们节省了大笔资金。从机载传感器收集的数据用于确定清洁船体所花费的量与燃油效率之间的相关性。分析显示，通过每年两次而不是每两年清洁一次船体——从而使清洁预算翻两番——由于提高了燃油效率，他们最终将节省400,000美元。启用新的和改进的产品和服务物联网技术与人工智能相结合可以构成改进的基础，并最终形成全新的产品和服务。例如，在通用电气基于无人机和机器人的工业检测服务中，公司希望人工智能能够自动化检测设备的导航，并根据检测设备捕获的数据识别缺陷。这可能会导致更安全、更精确，并为客户节省高达25%的检查成本。与此同时，劳斯莱斯计划很快推出一款以物联网飞机发动机维修服务为特色的新产品。该公司计划使用机器学习来帮助它发现模式并确定将出售给航空公司的运营见解。汽车制造商Navistar希望使用机器学习来分析实时连接的车辆数据，从而在车辆健康诊断和预测性维护服务方面创造新的收入来源。据Navistar技术合作伙伴Cloudera称，这些服务已帮助将近300,000辆汽车的停机时间减少了40%。增强的风险管理许多将物联网与人工智能相结合的应用程序正在帮助组织更好地理解和预测各种风险，并自动化快速响应，使他们能够更好地管理员工安全、财务损失和网络威胁。例如，富士通已经尝试使用机器学习来分析来自连接的可穿戴设备的数据，以估计其工厂工人中潜在威胁性热应激的长期累积。印度和北美的银行已经开始评估AI从ATM上的联网监控摄像头实时识别可疑活动的能力。汽车保险公司Progressive正在对联网汽车的数据进行机器学习分析，以精确定价其基于使用的保险费，从而更好地管理承保风险。拉斯维加斯市已转向机器学习解决方案来确保其智慧城市计划的安全，目标是实时自动检测和响应威胁。对企业的影响对于各行各业的企业而言，人工智能有可能提高物联网部署创造的价值，从而带来更好的产品和运营，从而在业务绩效方面获得竞争优势。考虑新的基于IoT的项目的经理应该意识到，用于预测功能的机器学习现在已与大多数主要的横向（换句话说，通用）和工业IoT平台集成，例如MicrosoftAzureIoT、IBMWatsonIoT、AmazonAWSIoT、GEPredix和PTC物联网。越来越多的交钥匙、捆绑或垂直物联网解决方案利用机器学习等人工智能技术。例如，对于互联汽车用例，宝马的CarData平台可以访问车主共享的数据和IBMWatsonIoT的AI功能。在消费品和零售业，许多补货自动化和优化解决方案使用机器学习来预测需求和优化库存水平。汽车保险行业的远程信息处理解决方案提供商正在结合机器学习来创建更准确的风险模型并预测索赔行为。有可能使用AI技术从IoT部署中获取更多价值，而这些部署在设计时并未考虑使用AI。例如，一家匈牙利石油和天然气公司将机器学习应用于柴油生产过程中收集的传感器数据。该分析使公司能够更准确地预测燃料硫含量，并帮助确定目前每年为公司节省超过600,000美元的流程改进。企业可能已经在使用的主要横向平台和??IIoT平台正在提供新的基于AI的功能，这些功能可能有助于提高现有部署的价值。物联网的未来是人工智能。就物联网而言，机器学习可以帮助公司获取他们拥有的数十亿个数据点，并将其归结为有意义的东西。一般前提与零售应用程序相同-查看和分析您收集的数据以找到可以从中学习的模式或相似之处，从而做出更好的决策。物联网也会产生大数据，但人工智能只是使这些大数据对行业有用和有意义的技术。物联网和人工智能技术之间存在互利共存。有大量的领域和业务利基可以获得这两种技术共存的优势。是时候让机器指出真正的机会在哪里了。
