Jak využít spojení umělé inteligence a IoT nejen ve výrobě

Parkovací senzory, smart city, dálkové odečty energií, všemožná čidla nebo chytrá domácnost - to je dnes internet věcí v očích veřejnosti

Díky samotnému IoT můžete mít kdykoliv pod kontrolou téměř jakékoliv zařízení. Hned víte, co se kde děje – jaká je hladina podzemní vody, jestli někde neuniká tlak, nebo třeba jestli nejsou plné kontejnery. Můžete na dálku odečítat stav vodoměrů a měřit spotřebu elektřiny nebo nechat automat na kávu, aby vám zavolal, když dochází suroviny. To všechno pomáhá usnadnit práci a zefektivnit podnikání.

Co když ale IoT propojíme s umělou inteligencí (AI)?

Představte si ale, že k senzorům a jiným zařízením ještě přidáte systém, který je schopný data nejen sbírat a předávat dál, ale také se z nich učit a dokonce předvídat, co se bude dít. Vezměme si za příklad třeba fotovoltaickou elektrárnu. Ve spojení s big daty a AI bude její provoz výrazně efektivnější.

Když máte elektrárnu nejen pro vlastní potřebu, ale přebytek energie předáváte do sítě, je pro vás klíčové, kolik za ni dostanete. Když bude cena energie vysoká, budete vyrábět a prodávat. Když bude nízká nebo dokonce záporná, raději budete ukládat nebo spotřebovávat.

A tady právě vstupuje do hry umělá inteligence. Když totiž vaše IoT senzory budou dlouhodobě sbírat data o průměrném denním osvitu, teplotě, tlaku a povětrnostních podmínkách typických pro danou lokalitu a spojí se s AI, která má k dispozici data z podobných čidel po celé republice, přístup k meteorologickým modelům a aktuálním cenám obchodované elektrické energie, dokáže docela přesně odhadnout krátkodobý vývoj. Tím zefektivní provoz celé elektrárny. Aniž byste se museli nepřetržitě sami o něco starat, cokoliv rozhodovat nebo nastavovat, elektrárna vám bude vydělávat víc.

Kde tedy využít IoT sítě a senzory ve spojení s umělou inteligencí a strojovým učením

V posledních letech se IoT společně se strojovým učením využívá při monitoringu, údržbě a provozu výrobních linek, strojů nebo IT infrastruktury.

Například společnosti, které těží ropu a zemní plyn na moři, stojí nečekané výpadky způsobené poruchou až 38 milionů dolarů ročně. Prediktivní údržba založená na spojení IoT a umělé inteligence tak může ušetřit nemalé prostředky. Tím, že selhání dokážou předvídat, je údržba mnohem efektivnější. Zajímavý je v tomto ohledu koncept Digital twin. Na digitálním dvojčeti si tak můžeme například ověřit dopad změny, kterou chceme provést na produktu, aniž bychom ho skutečně změnili.

Zjednodušeně řečeno jde o to, že třeba vedle zmiňované fyzické ropné plošiny existuje ještě její přesný virtuální model využívající data z IoT. Když je potřeba provést úpravy plošiny na ní nasadit nové technologie, nejprve vše nasimulujete na digitálním dvojčeti. Odhalíte tak dopady, které by předtím nikoho ani nenapadly. A celý proces při práci s reálnou plošinou je pak rychlejší a efektivnější.

Podle Deloitte je možné díky podobným predikcím snížit dobu potřebnou pro údržbu ve výrobě o 20 – 50 % a celkové náklady mohou klesnout o 5 – 10 %. 

Společnost Google zase snížila náklady na chlazení datového centra o 40 % tím, že zapojila AI, která využívá data ze senzorů v objektu, předpovídá tlak a teplotu v průběhu následující hodiny, aby klesla spotřeba energie.

Spojení AI a IoT ale najde své uplatnění také při vývoji služeb a produktů. V Thomas Jefferson University Hospital využívají zpracování přirozeného jazyka pomocí umělé inteligence, aby pacientům usnadnili pobyt. Pacienti tak mohou ovládat prostředí v místnosti a získávat informace pomocí hlasových příkazů. V Rolls-Royce zase zavedli IoT a machine learning, který pomáhá s údržbou letadlových motorů.  

Senzory, IoT sítě a AI jako součást křišťálové koule

Mezi největší přínosy AI ve spojení s IoT tedy patří schopnost predikce a tzv. detekce anomálií (anomaly detection). Čím dál přesněji totiž dokáže předvídat vývoj. Potřebuje k tomu spoustu relevantních dat, kvalitní konektivitu, infrastrukturu pro zpracování dat a výpočetní výkon. Těžko si představit obor, který nedokázal využít přesných předpovědí. Od seismologických systémů varujících před erupcemi nebo protržením přehrad přes zdravotnictví a diagnostiku až po dopravu a průmysl.