德勤发布智能物联网报告：人工智能是解锁IoT潜力的钥匙

    德勤报告表示物联网变得更加智能。公司正在将人工智能(特别是机器学习)整合到他们的物联网应用程序中，并观察功能的增长，包括提高运营效率并帮助避免意外停机。关键：洞察数据。

    德勤发布智能物联网报告：人工智能是解锁IoT潜力的钥匙

    ITH是一波投资，一系列新产品和企业部署的崛起，人工智能正在物联网(IoT)中掀起一阵热潮。制定物联网战略，评估潜在的新物联网项目或试图从现有物联网部署中获得更多价值的公司可能需要探索人工智能的作用。

    信号

    以人工智能为重点的物联网创业公司的风险投资正在快速增长：2017年前8个月，这个类别的初创公司筹集了7.05亿美元

    以人工智能为重点的物联网创业公司并购数量增加：2017年前8个月为21个，2016年为24个，高于2015年的11个

    包括亚马逊，通用电气，IBM，微软，甲骨文，PTC和Salesforce在内的IoT平台供应商正在整合AI功能

    跨行业的大型组织已经在利用物联网来借助或探索人工智能的力量，提供新产品并更高效地运营

    Gartner预测，到2022年，超过80%的企业物联网项目将包含一个AI组件，今天只有10%

    AI是解锁物联网潜力的钥匙

    人工智能在物联网应用和部署中扮演着越来越重要的角色，这一领域的公司行为显然发生了变化。使用AI的物联网初创企业的风险投资大幅增加。在过去的两年里，公司已经收购了数十家在人工智能和物联网交叉点工作的公司。物联网平台软件的主要供应商现在提供集成的AI功能，如基于机器学习的分析。

    人工智能在物联网中扮演着主要角色，因为它能够快速从数据中获取洞察力。机器学习是一项人工智能技术，它可以自动识别模式并检测智能传感器和设备生成的数据中的异常情况，诸如温度，压力，湿度，空气质量，振动和声音等信息。各公司发现机器学习可以比传统的商业智能工具在分析物联网数据方面具有显著优势，包括能够比基于阈值的监控系统提前20倍和更高的准确度进行运营预测。而其他人工智能技术，如语音识别和计算机视觉可以帮助从过去需要人工评估的数据中获得见解。

    AI和物联网技术的强大组合帮助公司避免意外停机，提高运营效率，启用新产品和服务，并加强风险管理。

    避免昂贵的非计划停机时间

    在一些行业中，设备故障导致的意外停机可能造成严重损失。例如，根据一项研究，海上石油和天然气经营者每年平均损失3800万美元。另一个消息估计，对于工业制造业来说，意外停机时间每年花费500亿美元，设备故障导致42%的停机。

    使用预测性维护分析功能提前预测设备故障，以便安排有序的维护程序，可以减少非计划停机的破坏性经济性。例如，在制造业中，德勤发现预测性维护可以将维护计划缩短20-50%，将设备正常运行时间和可用性增加10-20%，并将整体维护成本降低5-10%。

    由于人工智能技术，特别是机器学习，可以帮助识别模式和异常情况，并基于大量数据进行预测，因此它们在实施预测性维护方面尤其有用。例如，领先的韩国炼油商SK Innovation通过使用机器学习预测连接的压缩机预计故障可节省“数十亿韩元”。同样，意大利列车运营商Trenitalia希望避免意外停机，并节省8-10%的年度维护成本13亿欧元。与此同时，法国电力公司EDF集团已经通过机器学习驱动的设备故障预警节省了超过100万美元。

    提高运营效率

    人工智能驱动的物联网可以做的不仅仅是帮助避免意外停机。它还可以帮助提高运营效率。这部分得益于机器学习的力量，以产生快速、准确的预测和深刻见解，以及AI技术能够使越来越多的任务自动化完成。

    例如，对于Hershey来说，在生产过程中管理其产品的重量至关重要：重量精度每提高1%，就意味着可以为14，000加仑的Twizzlers等一批产品节省超过500，000美元的成本。该公司使用物联网和机器学习来显著是减少生产过程中的重量变化。第二个数据被捕获和分析，重量变化可以通过机器学习模型进行预测，每天可以进行240个工艺调整，而安装ML驱动的IoT解决方案前每天仅有12个。

    基于人工智能的预测也有助于谷歌削减40%的数据中心冷却成本。该解决方案通过对设施内传感器数据进行培训，预测下一小时的温度和压力，以指导限制功耗的操作。

    机器学习产生了深刻的见解，说服一家船队运营商采取反直觉行动，为他们节省了大笔资金。从船载传感器收集的数据被用来识别清洗船体的成本和燃油效率之间的相关性。分析表明，通过每年清洗船体两次而不是每两年清洁船体(从而将清洁费用翻两番)，由于燃油效率更高，最终可节省40万美元。

    实现新的和改进的产品和服务

    物联网技术与人工智能相结合，可以为改进并最终实现全新的产品和服务奠定基础。例如，对于通用电气的无人机和基于机器人的工业检测服务，公司希望AI能够实现检测设备的导航自动化，并从他们捕获的数据中识别缺陷。这可能会导致更安全，更精确，并且为客户提供便宜高达25%的检查。在医疗保健方面，费城托马斯杰佛逊大学医院试图通过自然语言处理改善患者体验，使患者能够控制房间环境并通过语音命令请求各种信息。

    与此同时，劳斯莱斯计划尽快推出具有物联网功能的飞机发动机维护服务新产品。该公司计划使用机器学习来帮助其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正在研究实时连接车辆数据的机器学习分析，以实现车辆健康诊断和预测性维护服务的新收入流。根据Navistar技术合作伙伴Cloudera的说法，这些服务帮助近30万辆汽车减少了高达40%的停机时间。

    加强风险管理

    将物联网与AI结合在一起的许多应用程序，正在帮助企业更好地理解和预测各种风险，以及自动执行快速响应，使他们能够更好地管理工作人员安全，财务损失和网络威胁。

    例如，富士通已经在使用机器学习技术来分析连接可穿戴设备的数据，以评估其工厂工人可能会在一段时间内积累的潜在热应力。印度和北美的银行已经开始对ATM机中联网监控摄像头的可疑活动进行实时识别。汽车保险公司进步正利用机器学习对联网汽车的数据进行分析，从而准确地为其基于美国的保费定价，从而更好地管理承保风险。拉斯维加斯已经转向了一种机器学习解决方案，以确保其智能城市计划的安全，旨在实时检测和应对威胁。

    对企业的影响

    对于不同行业的企业，人工智能有望提升物联网部署所创造的价值，从而实现更好的产品和运营，从而在业务绩效中发挥竞争优势。

    考虑新的基于物联网项目的高管们应该意识到，预测功能的机器学习现在已经与大多数横向和工业物联网平台集成在一起，如微软 Azure 物联网，IBM 沃森物联网T，亚马逊AWS物联网，通用电气Predix和PTC ThingWorx。

    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AI技术。例如，对于连接汽车的使用案例，宝马的CarData平台可以访问车主分享的数据以及IBM 沃森物联网的AI功能。在消费品和零售业中，一些补货自动化和优化解决方案使用机器学习来预测需求并优化库存水平。汽车保险行业的远程信息处理解决方案提供商正在整合机器学习，以创建更准确的风险模型并预测索赔行为。

    使用人工智能技术可能会从物联网部署中获得更多价值，而这些部署并非是在设计时考虑到使用人工智能而设计的。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已经收集到的传感器数据。该分析使公司能够更准确地预测燃料的硫含量，并帮助识别过程改进，现在每年为该公司节省超过600，000美元。主要的横向和工业物联网平台 —— 企业可能已经在使用 —— 正在提供新的基于人工智能的功能，可能有助于提升现有部署的价值。

    物联网的未来就是AI

    很快就很难找到一个不能使用AI的物联网实现。国际数据公司IDC预测，到2019年，AI将支持“所有有效的”物联网工作，如果没有人工智能，部署的数据将具有“有限的价值”。越来越多的物联网供应商提供至少基本的AI支持。各行业的先锋公司已经在其物联网部署中获得了AI的好处。如果你的公司有实施基于物联网的解决方案的计划，那么这些计划也应该包括人工智能。