AI World 洞察：释放边缘数据的能量代价
AI World 炉边谈话探讨从边缘提取数据遇到的问题
可能原谅假设制造商准备打开各种生产系统、开始利用被困其中的数据。现实可能复杂得多。
从边缘提取数据遇到的问题在炉边谈话中探讨，参与者为 Continental Automotive Systems 工程项目经理 Joseph Etris、Zededa Inc. 区域销售总监 John Auld。我有机会主持该环节，属最近波士顿 AI World 大会一部分。
延伸阅读： Manufacturing Leads the IoT Pack
Etris 部门制造汽车催化转化器——高能耗任务。2018 年，Etris 团队着手捕获、分析、缓解其 1990 年代首批安装的西门子可编程逻辑控制器 (PLC) 范围内电力使用和相关排放。挑战，Etris 解释，是从 PLC 提取 SCADA 数据以集成来自较新电气传感器的数据。
虽然许多供应商声称旧工业系统在完美物联网世界能轻易给出数据，但远非如此，Etris 讲述。遗留生产系统常非设计为开放、常非网络启用。
当时代表西门子的 Auld 与 Continental 团队合作提取 PLC 数据、提供实时校准。此外，数据每 10 分钟上传至亚马逊云服务云存储库。
Continental 遇到挑战是制造业全景遇到问题症状，Auld 解释。“许多公司孤岛中存在大量暗数据。”这不只呈现技术挑战，也有组织挑战，因多团队需加入 AI over IoT 努力。
AI 和物联网时代管理数据存储是小组讨论另一领域。许多组织将为从各种控制器和传感器阵列流入系统的不断增长数据量挣扎，常最终存入数据湖。
制造商需建立通用接口层，能从所有代际生产系统提取读取数据，Auld 说。此外，需保证一致性，因不同系统数据可能有不同含义和阈值。许多制造商挑战是可能有多个独立工厂，各有自己倡议和标准。
物联网技术