ai830
发布时间：2018-10-22 22:09:15点击率：
ai830
ai830
在数据管理与分析方面，NI拥有稳定、灵活的数据采集平台，搭配分布式系统管理软件SystemLink，贯穿了工业物联网监测、测试、控制、分析处理的全过程。位于决策端的企业设备状态监测软件 NI InsightCM则更倾向旋转机械的预测性维护方案也可与第三方数据库或云平台相连，进而实现系统集群概念。
图4：NI展示专业数据管理及分析软件，进一步完善IIoT架构
值得一提的是，当前数据在边缘计算的转化过程中基本上遵循二八原则， 即80%的数据尚未得到优化利用。“因此，若要提高数据转化率，既需要效率更高、更加智能化的数据采集与控制终端，也需要终端设备具备对数据进行实时的数据处理和预分析的能力，如此才能将传统的工业设备变成一个个更加智能化的边缘计算节点。” 郭翘说道。
客户案例为证，NI推进工业AI与边缘计算深度融合
众所周知，工业大数据驱动的机器学习是实现预测性维护的基础，也是工业人工智能（Artificial Intelligence，以下简称AI）的关键应用之一。但是，当前多数企业在谈论AI时，都是从自身擅长的模式作为出发点去探讨AI应用，这其中尤以互联网企业为代表。
“事实上，工业AI与互联网AI天生存在很大的差异，这是工业AI应用、特别是边缘计算中是不可规避的问题。”郭翘指出，“很重要的一点在于分析结果的精度要求上，比如在某知名电商举办的大数据推荐商品AI算法比赛中，推荐准确率大于10%就可以拿到 。”但对于工业应用来说，10%的准确率是 不能接受的。工业AI应用必须利用算法告诉企业主，设备是否真的坏了需要检修。若预测准确率只有10%，那么采用定期保养与定期维护的传统方式反而更为划算。这已然成为了工业AI的挑战。
ai830
ai830