稳健数据管理如何驱动工业物联网中的机器学习与AI
当今制造版图中，机器学习与人工智能（AI）不再是流行语——它们是推动下一波运营卓越的引擎。
思科大力投资这些技术，携手SAS等行业领袖，后者近期制作深度视频清晰区分概念：AI是机器模拟人类智能的科学，机器学习是机器从数据中学习的方法。
为何这些能力至关重要？制造业稳居工业4.0即智能制造时代，三大支柱——超感知、明智决策、快速执行——驱动成功。机器学习与AI自然延伸这些支柱，将海量数据流转化为可执行洞察。
- 超感知：捕获实时洞察与新兴趋势，洞察产品与服务现场表现。
- 明智决策：分析数据流，确保洞察在正确时间触达正确利益相关者。
- 快速执行：将决策转化为行动——如机器显现早期疲劳迹象时的预测性维护。
IDC预测AI市场将以54.4%复合年增长率至2020年突破460亿美元营收。实现增长关键在于数据——机器学习与AI的燃料。
设想一工厂日产约1,000 TB数据，超10,000传感器采集传统与现代设备超12,000变量。管理洪流需在连接、存储、分析时机上审慎决策。正确数据策略不仅改善维护，还优化供应链、加速研发、提速新产品导入。
制造业AI与机器学习的有效数据管理取决于五大关键领域：
- 频率：仅在增加业务价值时拉取数据，避免信息过载与不必要成本。
- 优先级：确保关键数据抵达适当目的地，维护网络完整性。
- 处理：采用混合边缘云方案，在核心数据中心或云单独不足时实现实时分析。
- 编排：映射AI平台接收与消费数据方式，保持一致控制与可视性。
- 安全：保护生产完整性，同时利用AI检测异常、强化网络安全。
为助制造商构建坚实基础，我们开发数字制造数据管理指南，提供最佳实践、工作负载架构洞见、案例研究以告知技术路线图。
- 来源：IDC FutureScape：全球制造2018预测，文档#DC #US42126117，2017年10月
物联网技术