コンピュータビジョンは、製造業などでは、画像に写った特定の特徴を認識し、それが所定のパラメータと一致するかどうかを検証するというルール原理に基づいて警告を発するものである。 しかし、この方法では誤検出が多く、画像や動画などの非構造化データソースを扱う場合、（小さな違いやバリエーションがある場合）非効率になることが多い。

人工知能、機械学習（ML）、ディープニューラルネットワークの最近の進歩は、こうした問題の解決に役立っており、メーカーは、繰り返される視覚パターンを認識して特定の品物と関連付ける自己改良アルゴリズムでコンピュータビジョンシステムを強化できるようになりました。 実際、機械学習によるコンピュータビジョンソリューションは、何百万枚もの画像を用いてトレーニングを行い、それぞれの物体の典型的な特徴を独自に発見し、認識方法を学習し、さらに時間をかけてその性能を微調整することができます。

これにより、高度なプログラミングを必要とせず、より高い精度、より良い文脈の理解、より良い柔軟性、新しい視覚的要素への応答性を実現します。

今日、製造業におけるコンピュータビジョンは、次のような目的で使用されることがよくあります。

ロボットを誘導して、自動化された製品を組み立てる。

品質管理・検査業務の遂行。

倉庫管理とサプライチェーンの最適化。

産業機械の動作の異常を検知する。

作業工程を監督し、スタッフの安全を確保する。

これらのユースケースに踏み込む前に、コンピュータビジョンサービスに投資することの利点と、利用の障害とそれを克服するためのベストプラクティスについて見てみましょう。

製造業におけるコンピュータビジョンのメリット。

新型コロナウイルスの運用や物流の混乱は、この2年間、製造業に大きな負担を与えてきました。

非常に不安定な状況において、産業をより柔軟にするための新たなドライバーの探求は、製造業のデジタル変革、すなわち産業を4.0に変革するための新しい先端技術の導入の大きなきっかけとなりました。製造業の発展を大いに促進するものとして、産業プロセスにおけるコンピュータビジョンの人気が高まっています：

生産性の向上：デロイトとMApIの「2019年スマートファクトリーレポート」によると、コンピュータビジョンを搭載したロボットやその他の自動化システムの導入は製造サイクルを加速し、労働生産性を12％、総生産量を10％向上させるとしています。

コストの最適化：生産性の向上は、コンピュータビジョンを用いた自動化やメンテナンスと相まって、機械のダウンタイムを減らし（マッキンゼーでは最大50％と推定）、全体的な運用コストの削減にもつながっています0機價免預繳iphone13。

品質の向上：マッキンゼーが指摘するように、コンピュータビジョン駆動型ロボットの正確な操作は、製品の品質向上を保証し、品質保証部の全体的な運用コストを10～20%削減します。

労働安全：製造業におけるコンピュータビジョンは、工場の従業員に危険を及ぼす可能性のある故障の特定、作業員の監視、疲労や不快感の兆候の検出などにも利用できます。

コンピュータビジョン市場に対する洞察。

ほとんどの業界分析で、コンピュータビジョンが製造業に与えるポジティブな影響は確認されているようです。 2020年のコンピュータビジョンの世界市場は、組立ラインの自動化や予知保全における技術の普及に基づき、製造業が牽引しました。

また、IBM Digital Transformation Assessment 2021によると、コンピュータビジョンは製造業のビジネス目標を達成するためのキーテクノロジーの1つです（調査対象企業の77％）。 一方、IBMの調査では、製造業における新技術の活用を阻む最も一般的な障壁も明らかにされています。

使用上の障壁とベストプラクティス。

上記の問題をよりよく定義し、製造シナリオにおけるコンピューター ビジョンの展開の課題に対処するのに役立つ一般的なガイドラインを定義してみましょう:

テクノロジーエコシステム：AI駆動型コンピュータビジョンには、データとそれを収集するための基本的な技術インフラが必要です。一般的なプロセス監視に用いられるデータセットは、機械学習アルゴリズムに適していない場合があり、最終的に逆効果になる可能性があるからです。 メーカーのネットワークやシステムのアップグレードには、適切な投資とノウハウが必要です。

投資支援：投資という点では、経営幹部や利害関係者は予算の大半をコンピュータビジョンや関連技術に費やすことに抵抗があるのかもしれません。 実行可能な解決策は、小さくても短期的な成果を確保するために、段階的な実施計画を策定することです。 これらの成果は、投資家や経営者にデジタル化の潜在的な利点を納得させるのに役立つはずです全球短信通訊收費。

従業員教育：自動化を促進する技術は、従業員のキャリアに大きな影響を与えることを従業員に納得させる必要があります。 この点で、コンピュータ・ビジョン・ツールをよりよく使いこなすために、的を絞ったトレーニング・プログラムによってスタッフのスキルを向上させ、確かな技術的専門知識を持つ新しい専門家を採用して、彼らと一緒に仕事をすることを検討してください。

プロセスの調整：新しい技術が既存のビジネスプロセスに完全にマッチするとは限りません。 製造工程を適切に調整し、これらの技術に慣れるために、コンピュータビジョンを徐々に導入していくことを提案しています。 また、これらのソリューションの利用を監督するセンター・オブ・エクセレンスを設立することも重要な要素です。

多くの組織は、最初の障害である正しいユースケースの選択さえも克服できていません。 ここでのルールは、お金第一主義に従うこと、つまり、コンピュータビジョンから最も恩恵を受けるアプリケーションの領域を選択することです。 例えば、品質検査でも製品追跡でも、ボトルネックだらけの工程を選択することです。

精選文章：

需要避免物聯網安全的六大風險

七個物聯網傳感器是智能建築所必需的

物聯網在建築業的五大應用

次に進む前に、Internet of Thingsを使ったホームオートメーションについて詳しく見ていきましょう。 Internet of Thingsは、機器をインターネットに接続する技術の総称である。

このシステムは、データ収集に依存しています。 このデータは、インターネットを通じて他の機器の監視、制御、送信に利用されます。 これにより、特定の状況下で特定の操作を自動的に起動させることができます。 簡単な例として、スマートなケトルを考えてみましょう。 ケトルは一定の温度に達すると自動的に電源が切れるようになっています。 また、同時にユーザーへの通知も可能です寬頻上網plan。

次に、同じコンセプトを家庭全体と既存のすべてのデバイスに適用してみましょう。 これが、Internet of Thingsが牽引するスマートホームです。 これらのアクションは、手動でデバイスにアクセスしてアクションを起こす必要がなく、ボタンを押すだけで実行することができます。 現在、ほとんどのスマートIoTホームオートメーションデバイスは、アプリや音声コマンドで操作することができます。

さて、これらのアクションを起こす必要さえなかったらと想像してみてください。 つまり、スマートホームは、アクションを起こすべきタイミングを把握し、自動的にアクションを起こすのです。 これがホームオートメーションとInternet of Thingsの未来です。

今後、どのようなものが出てくるか、その可能性を紹介します。

1.スマートライティング。

現在、スマート照明が流行しています。 オン/オフや強弱のスケジュールを組むことができます。 しかし、将来的には、これがさらに進む可能性があります。 Internet of Thingsでは、照明があなたの他の動作に反応することができます。

例えば、ホームシアターに照明が対応することも可能です。 映画を見始めると、消灯したり暗くなったりします。 さらに、映画の種類に反応することもあります。 例えば、ホラー映画を見ていると照明が判断すれば、完全に消灯して、その場にふさわしい雰囲気を提供することができます。

2.ドア

将来的には、ドアもスマートになっていくでしょう。 入ったり閉じたりすると、開くだけだと想像してください。 これは、スマートデバイスや顔認識によって実現されるかもしれません。 そうすれば、家の中の他の場所も入室と同期させることができます转台 优惠。

例えば、入場すると照明がつく。 また、帰りたいときは、スイッチを切ることもできます。

3.Windows

Windowsもスマートにすることができます。 太陽が昇ると自動的にブラインドが開き、日が沈むと閉じることを想像してください。 雨が降ったら自動的に閉じることも可能です。 上記のホームムービーの例で考えてみましょう。 映画を見るたびに、カーテンが落ちる。

4.サーモスタット

アプリで自宅のサーモスタットを遠隔操作できるようになりました。 将来的には、このようなことも必要ないかもしれません。 サーモスタットは、あなたが家に近いかどうかを識別することができます。 そして、室温と外気温をチェックし、あなたに合った温度を設定します。 さらに、シャワーや運動など、何らかのアクションを起こすタイミングを判断し、それに合わせて調整することも可能です。

5.庭園

将来的には、庭も「モノのインターネット」によってスマート化される可能性があります。 IoTセンサーが配置されています。 このセンサーが土壌の乾燥を感知すると、灌漑システムが作動します。 草の高さが一定以上になると、ロボットモアが自動的に作動することも可能です。

6.家庭での日常生活。

ほとんどの家庭で、すでにスマートデバイスとの接続が可能になっています。 スマートソケットは、機器の電源を自動的にON/OFFすることができます。 スマートな目覚まし時計は、目覚めたときに音楽を流したり、ニュースを教えてくれたりします。 音声アシスタントは、照明、家電、サーモスタット、アラームなどを一日中コントロールすることも可能です。

将来的には、家族全体に広がっていくことでしょう。 朝のルーティンを考える。 目覚める前にブラインドを開けておくと、眠気を吹き飛ばすことができます。 目覚める前から、コーヒーマシンが朝の一杯を準備し始めます。 浴室はシャワーのお湯を沸かします。 朝のマグカップを用意すると、立体的なサウンドが朝の曲を奏ではじめます。 また、テレビの電源が入り、お気に入りのニュースチャンネルが表示されます。 もちろん、サーモスタットは快適な温度に調整されます。

もちろん、いずれも一朝一夕に実現するものではありません。 IoT化されたスマートホームには、主にコスト面での障壁があります。 また、プライバシーも大きな問題です。 そして、多極化したIoTデバイスをシームレスに接続することが難しいという現状の技術的な制約があります。

精選文章：

影響物聯網安全的納米技術有三種方式

揭示物聯網與雲計算之間的潛在關系

使用物聯網設備的最大風險是什么?

「産業のインターネット」時代が到来したとき、インターネットとは全く異なる新たなディスインターミディエーションのモデルが登場することになる。 インターネットとは全く異なる新しいモデルであるディスインターメディエーションは、もはやディスインターメディエーションだけに頼るのではなく、業界の効率化を図り、ユーザーのニーズに応えるために、より多くの業界変革が必要になってくるでしょう。 これは、実はインターネットの開発モデルの修正でもあるのです。 このような修正を通じて、産業とインターネットの発展は、真に健全な発展段階に入ることができるのです4g 電話。

業界の上流と下流のドッキングがインターネットプラットフォームのマッチングとドッキングに依存しなくなった時、業界の需要と供給の結合がインターネット技術のサポートに依存しなくなった時、インターネット発展の矛盾と問題は解決されるだろう。 これが業界インターネットの本当の姿であり、業界インターネットが本当に頑張るべきことなのです。 産業用インターネットがインターネット発展の究極の姿であると盲信するだけなら、あるいはインターネットプラットフォームを拡大したいという野心を満たすために、いわゆるS2Bビジネスモデルを利用するだけなら、いわゆる産業用インターネットは本来の機能・役割を果たすことはできないでしょう。 インターネットの矛盾や問題点を是正してこそ、インダストリアル・インターネットが真に本来の機能と役割を果たすことができ、インダストリアル・インターネットは真の意味で自らの発展サイクルに入ることができるのです。

精選文章：

インダストリアル・インターネット：インターネットの墓守役

產業互聯網正在摧毀互聯網的平台和中心

產業互聯網正在告別互聯網技術和模式

また、センサー技術は、多くの変数がデータセットに影響を与えるため、自動的なアプローチは困難であり、物体認識の課題となっています。 問題は、それぞれの変数に対してアルゴリズムを完全に設計することができないことです。

この問題を解決するために、センサー技術によって生成される大量のデータをよりよく管理するために設計された人工知能システムがベースになっています。 実際の応用例としては、車線逸脱警報システムや交通標識の認識などがあります。

センサーとそのデータに人工知能を適用することで、3つの成果が得られます。まず、画像に対象物が写っているかどうかを判断すること。 そして、画像中の1つまたは複数の物体を検出し、その位置を特定する物体認識です。 最後に、実際の輪郭を埋める「オブジェクトセグメンテーション」。

しかし、オブジェクトの分類からセグメンテーションに至るまで、処理の複雑さは増していきます。 企業は、複数の変数がデータセットに与える影響に適切に対処するために、より直感的なアプローチを採用する必要があります。

ニューラルネットワークの役割。

人工知能とは、機械が環境を感知し、変化に適応するために学習する技術の総称である。 機械学習とは、人工知能の一種で、明示的なプログラミングを必要とせず、統計的な手法で機械の性能を向上させるものである。 より直感的に言えば、ディープラーニングは機械学習のサブセットである。 ディープニューラルネットワーク（DNN）により、大量のデータを処理することができる。

このようなニューラルネットワークは、センサー技術における物体分類の要となるものです。 複数のニューラルネットワークを用いることができるが、センサデータに影響を与える特性は共通している。

まず、すべてのニューラルネットワークを学習させる必要があります。 オブジェクトを分類、識別、セグメント化するためには、異なるオブジェクトのクラスをどのように扱うかをネットワークに指示する必要があります。 ネットワークは、すべてのオブジェクトを正しく分類、識別、分割できるようになるまで、既知の画像と適切にラベル付けされたオブジェクトで学習されます。

ニューラルネットワークの利用は無謬ではありません。 ニューラルネットワークの解析結果は、物体が正しく認識される確率のパーセンテージを示します。 確率が高いほど、AIは特定の文章を識別する能力が高いということになります。 しかし、ビジネスプロセスにおける確率の判断は、100％正確であることは少ないため、非常に重要である。

ニューラルネットワークのモデルには、さまざまな特性があります。 例えば、ネットワークモデルの中には、非常に高速に学習できるが、物体解析の確率が比較的低いものがある。 ニューラルネットワークの学習は、複雑で時間がかかるものほど信頼性が高くなります。 したがって、この技術を導入する組織は、スピードと信頼性のどちらを重視するかを決めなければならない帶號碼轉儲值卡 。

点群の作成

画像や動画、点群などでも、異なるニューラルネットワークモデルが必要になります。 点群とは、空間上の3次元形状や物体を表すデータ点の集合のことである。 点群の作成には、レーザースキャン技術も使われている。 各点には大量のデータが含まれており、他のデータソースと統合したり、3Dモデルを作成するために使用することができます。

データ資料の特定の要求に応えることができる特別なニューラルネットワークモデルがあります。 例えば、イギリスのNetwork Rail社の研究プロジェクトでは、18のオブジェクトクラスの識別を含む約90kmの点群データを作成しました。

このプロジェクトの主な課題は、使える要素を得るために複数のスキャンジャーニーをつなげなければならないため、データの登録でした。 ニューラルネットワークのオブジェクトの分類の質は、オブジェクトの種類によって異なる。 例えば、ニューラルネットワークは送電塔や陸橋を簡単に識別できるが、表面の違い（壁の種類など）は信頼できない。

点群は、CAD（コンピュータ支援設計）システムなど、他のマッピングと組み合わせたハイブリッドシステムにも利用できます。 特に、ニューラルネットワークと組み合わせることで、土地利用を判断するための自動測量を容易にすることができます。 ハイブリッドシステムは、点群技術だけよりも信頼性が高い。

より良い結果を出すための決断支援。

これらのAIを使った技術には、どれも異なる利点があります。 しかし、物体分類、点群、ハイブリッドモデルに共通するのは、AIによる支援機能であることです。

人工知能は、人間が重要な判断をより早く、より深い洞察力をもって行うことを支援することができます。 実際には、人間が社会的、政治的、あるいはビジネス的な文脈を推論することができるため、両者の長所を兼ね備えていますが、センサーが収集した内容に基づいてデータ駆動型の意思決定を行うことで、意思決定プロセスを強化することができるのです。

センサーは大量のデータを生成します。 このデータには、ビジネスプロセスを強化するための、業界横断的な実用的な洞察が含まれています。 しかし、結果として得られるデータはあまりにも大きく、これらの洞察をタイムリーに提供するためにスタッフだけに頼ることはできません。これを解くには、ニューラルネットワークAIのアプローチによって人間の意思決定プロセスを強化することが必要です。 この技術が導入されれば、ビジネスや行政に変革をもたらし、先駆者はセンサーへの投資を最大限に活用できるようになるでしょう。

精選文章：

2022年までにIoTセキュリティの脅威を減らすには？

什么是物聯網?它的應用領域是什么?

工業物聯網的八大用例

複数のクラウドプロバイダーによる運用が一般化しています。 しかし、マネージドサービスを利用する場合、複数のクラウド環境を維持することは難しいのが現実です。 例えば、AmazondynamoDBを使用している場合、他のクラウド事業者は同様のソリューションを提供することができません。

つまり、業界のトレンドは、各ワークロードを特定のクラウド上で（マルチAZまたはマルチリージョンアーキテクチャで）実行しつつ、異なるワークロードを異なるクラウド上で実行できるようにすること、つまり、一部のサービスを2つの異なるクラウドプロバイダ間で分割できるようにすることなのです。 この場合、シャットダウン時にすべてのシステムが停止しているわけではありません。

あるいは、社内にDRサイトを持つというのもよくある話です。 お客様がワークロードをクラウドに移行する際、ディザスタリカバリサイトとして利用する傾向があり、何か問題が発生した場合でも、重要なサービスをローカルで稼働させることができるようになります。 これは、企業がクラウド成熟の初期段階にあり、ホスティングサービスを使用していない場合に有効な方法です。

バックアップの作成

上記のソリューションはいずれもBCpには理想的ですが、データが暗号化されたり削除されたりした場合には機能しないため、信頼できるディザスタリカバリ戦略が必要です。 そのため、自社サービスの複数導入に加え、企業のRpOやRTOの要件を満たすために、信頼性の高いバックアッププランが必要になる場合があります。

バックアップを自動化し、別々のアカウントやゾーンに保存するのに役立つ、AWSBackup やクラウドバックアップサービスなどのサードパーティ製のバックアップソリューションが数多く利用可能です。 バックアップアカウントを金庫のように保護して、攻撃に対抗し、データを暗号化する必要があります。

このような攻撃があった場合、バックアップアカウントのデータを使ってサービスを復旧させ、お客様へのサービスを継続できるようにします。

クラウド環境におけるBCp、DR計画の最も一般的な構築方法について説明します。 これらのアプローチを実行するためのツールについて説明します。

Infrastructure-as-codeの活用。

環境の自動構成を可能にするIAC（Infrastructure as Code）。 使用するパラメータを設定したら、マスターファイル、つまりリストに保存します。 これからは、テストやディザスタリカバリなど、さまざまな場面で自動的に環境を再構築することができます。

容器にはシュリンケージルールが使われています。

容器を使用する場合、様々な測定に基づいた収縮ルールを実装することは非常に有効です。 上方向に縮小して同じブロックを追加したり、外側に縮小して例を再現したりすることができます。 拡張ルールを実装することで、コンテナベースのアプリケーションを簡単にバックアップおよびリストアし、重要なワークロードをすべて時間内に取得することができます。 理想的には、コンテナやインスタンスレベルでシュリンクするのが最も効率的です。

DNSリクエストを迂回させる。

ある場所のサーバーがシャットダウンした場合、サービスが稼働している他の場所を経由してすべてのリクエストを再ルーティングできます。 CloudflareなどのDNSプロバイダーは、システムがシャットダウンしたことを検出し、地理的な場所に基づいて自動的に再ルーティングを実行するように構成することが可能です。

同様に、コンテナ スケジューラーを設定して、さまざまな再ルーティング ルールを定義し、自動化することができます。 可用性を確保するために、自動スケーリングも実装し、AmazoneCSを使用してリクエストの再ルーティングも実装しています攜號轉用儲值卡2021。

表示灯を複数個所に設置する。

もうひとつの推奨される事業継続戦略は、パイロットライト（基本的に待機時負荷のレプリカ）を異なる地域で稼働させることです。 災害時には、すべてのデータがそこに保存され、すぐにセットアップできるようになっています。 製品イベントの後、インフラが展開され、リソースが拡張され、製品がすぐに稼働する必要があります。

ダウンタイムがないのであれば、ホットスタンバイの運用を検討してもよいでしょう。 AWSによると、ホットスタンバイのアプローチでは、本番環境のコピーが別の場所に減らされているが、完全に機能していることを確認する必要がある。 作業負荷が常に別の場所にあるため、この方法は表示灯の概念を拡張し、回復時間を短縮することができます。

コストはかなりかかりますが、ホットスタンバイはインフラのセットアップが不要なため、表示灯よりも早く起動・稼動します。

精選文章：

邊緣計算有哪些類型?

2022年人工智能重塑制造業的四種方式

這些簡單的步驟可以幫助你恢複災難

ただし、クラウドにデータを送信したり、クラウドからデータを送信したりすることには欠点があります。

まず、データ送信はエネルギーと帯域幅を消費します。より多くのデータは、より高価で限られたネットワークリソースが必要であることを意味します。

次に、データをクラウドに送信すると遅延が発生し、特定のアプリケーションの効果が制限されます。

第3に、外部情報はプライバシーとセキュリティのリスクをもたらします。たとえば、スマートホームデバイスによって収集されたデータは、家の内外であなたに関する多くの情報を明らかにします。この情報をクラウドに送信する場合、安全に行われることを保証できますか？どのような形式でどこに保存されますか？誰がそれを使用する権利を持っていますか？

エッジインテリジェンスの利点を紹介します。

ますます多くのデバイスがより多くの（機密性の高い）データを収集するにつれて、これらの問題に対処する必要性がますます緊急になっています。これは、エッジインテリジェンスの台頭の主な推進力の1つです。

このモデルでは、キーの処理と意思決定はすべてのデータをクラウドに送信するのではなく、ローカルネットワークのエッジの近くで行われます。これにより、前述の遅延、エネルギー消費、帯域幅の使用量が削減され、ユーザーは自分のインフラストラクチャ内にプライベートデータを保持できます。

エッジインテリジェンスの中核は機械学習です。現在、この場合、主に機械推論について説明します。ローカルセンサーによって収集された新しいデータに基づいて、エッジデバイスは事前にトレーニングされた機械学習モデルを使用して意思決定を行います。

エッジからAIへの移行を促進します。

推論プロセス、特に高速推論テクノロジーを改善することにより、このリソースが制限された環境での推論を大幅に増やすことができます。

第1世代の機械学習アクセラレータは、主にソフトウェアとCpU操作命令セットに基づいています。第2世代では、GpUやDSpなどの特別なハードウェアが導入されました。現在、ハードウェアのクリッピングと圧縮を使用する第3世代の製品があります。ハードウェアで行われる作業が多いほど、使用されるソフトウェアとCpUサイクルが少なくなり、このプロセスのエネルギー効率が高くなりますenjoy卡優惠。

エッジインテリジェンスは今日何を達成できますか？

人と人とのコミュニケーションのほとんどは、言葉だけで伝えられるのではありません。口調、顔の表情、ジェスチャーは、直感的にコミュニケーションを取り、理解するのに役立ちます。今日の設計者は、エッジベースの推論を使用して製品を調整し、より自然な方法で製品を設計できます。このテクノロジーには、顔やその他のオブジェクトやジェスチャーの認識、音声認識、ピッチ分析、自然言語処理が含まれます。

他の場所では、スマートエッジデバイスによってセキュリティを向上させることができます。たとえば、スマートホームエッジデバイスは、アラーム、人の落下、ガラスの破片、蛇口の滴りなどの危険信号を認識するようにトレーニングできます。問題が発見されるとすぐに、システムは所有者にそれに応じて対応するように通知します。

精選文章：

物聯網在工業應用中具有巨大的發展潛力

未來邊緣智能的優勢和應用

成功開發物聯網系統的11個步驟

IoTデバイスが優れているとすれば、それは無数のセンサーを介してデータを収集することです。 AIは、IoTデバイスが想像を絶する大量のデータを短時間で分析するのに役立ちます。 AIとモノのインターネットの組み合わせにより、企業がインターネット上に多数のデバイスとセンサーを持っている場合に、組織はより多くの可視性と制御を得ることができます。言い換えれば、人工知能はモノのインターネットから収集されたデータを貴重な洞察に変換することができます。これは、不正アクセスおよび侵入テストで特に重要です。

モノのインターネットのセキュリティ問題。

ネットワークセキュリティをIoTデバイスにとって挑戦的な提案にする多くの要因があります。この分野の範囲は非常に広く、範囲は非常に広いです。モノのインターネットはさまざまなデバイスで構成されており、それぞれに独自のオペレーティングシステムとセキュリティの脆弱性があります。この異種性により、IoTネットワークを単一の防御システムでカバーすることは困難です。さらに、IoTデバイスの設計コストは非常に低いため、通常は低エネルギーで省エネであり、セキュリティフレームワークが組み込まれていません。さらに、各ネットワークは数百万のデバイスで構成されており、インターネット上でデータを提供しているため、セキュリティの問題全体が非常に複雑な仮想の悪夢になっています。最低限でも、ネットワークは、すべてのオペレーティングシステムとネットワークアプリケーションが定期的に更新されていることを確認し、新しい資産のインベントリを作成し、セキュリティリスクを測定し、可能なターゲットをテストする必要があります。したがって、セキュリティの専門家は、IoTセキュリティの脅威に対処するための支援を求めます。

人工知能はモノのインターネットのセキュリティにあります。

モノのインターネットのセキュリティフレームワークを構築するための基本的な手順は、ネットワーク上のすべてのデバイスを識別することです。数百万のセンサーとデバイスを備えた大規模なネットワークの場合、これは困難な作業です。ただし、人工知能を使用すると、検出プロセスがより簡単になり、完全で詳細な機器のパフォーマンス情報を提供できます。効率的なネットワークセキュリティは、ネットワーク内のさまざまなノードの識別と監視にあり、人工知能の認識および資産管理機能により、ネットワークセキュリティの実現に非常に効果的です。

次に、人工知能は、データ分析を通じてモノのインターネットネットワークのセキュリティを支援することもできます。人工知能は疲れを感じず、巨大なモノのインターネットネットワークを継続的に監視して異常な活動を見つけることは人間よりも効果的です。残念ながら、これは多くのエラーにもつながりました。これは、異常が潜在的な脆弱性と見なされる可能性があるためです。ただし、この問題は、機械学習と人工知能トレーニングを通じて攻撃パターンを特定することで解決できます。残念ながら、実際の攻撃の実際の脆弱性データがプライバシーの問題のために漏洩することはめったになく、分析品質と分析機能が制限されるため、効果的な攻撃パターンをモデル化する機能は非常に限られています恆生卡優惠。

モノのインターネットにおける機械学習の応用。

機械学習は、潜在的な脅威の特定、ネットワークの脆弱性の発見、システムIoTの脆弱性（IoTデバイスのパスワード保護の欠如や弱いパスワード保護など）の特定、ネットワーク構成の解決、防御の確立に非常に役立ちます。機械学習は、多数のネットワークセキュリティデータセットとIoTデバイスプロファイルに基づいているため、多くの企業にとってゼロデイ脅威が懸念されています。ただし、ゼロデイ脅威にもかかわらず、機械学習はDDOS攻撃に対して非常に効果的であり、IoTネットワークの全体的なセキュリティを向上させることが証明されています。機械学習によって提供される早期の脅威識別機能の助けを借りて、メーカーがより安全なデバイスを設計し、タイムリーかつ効果的な方法でセキュリティパッチをアクティブ化するのにも役立ちます。

モノのインターネットのネットワークセキュリティをさらに向上させるために、機械学習データは、IoT開発者がより安全なデバイスを作成するのにも役立ちます。開発者は、ユーザーをより適切に保護するために、セキュリティパッチを送信するか、デバイスの新しいバージョンをできるだけ早く作成します。

精選文章：

物聯網如何改善您的生產經營?

AIoT對工業自動化有五個好處

2022年物聯網的主要趨勢和預測

これらの課題に焦点を当てる前に、スマートビルディングが必要な理由を理解することが重要です。

モノのインターネット（モノのインターネット）：IDCの予測によると、モノのインターネット技術への世界的な支出は2022年に1.2兆米ドルに達し、2017年から2022年の予測期間の年平均成長率は13.6％になります。照明からワイヤレス会議室、スマートウォッチまで、すべてを接続する必要があります。集中的なインテリジェントビルプラットフォームは必ずしもすべてが機能するとは限りませんが、一元化されたプラットフォームを持つことで、単一のユーザーインターフェイスの使用や、すべてのシステムに統合されたダッシュボードの監視、制御、識別など、ビルの所有者や機器管理者に多くのメリットをもたらすことができますプラットフォーム。

建物の最適化：データ収集により、建物の所有者と施設の管理者は、システムの使用法とモードをリアルタイムで理解できます。たとえば、自動照明とHVACシステムを使用して占有率と気象条件に対応すると、建物の効率が25％向上し、大幅なエネルギー節約につながります。

運用効率：機器が損傷したり、動作しなくなったり、効率が低下したり、交換時期に達した場合、接続されたシステムにアラームを発行できます。リモート監視システムを使用すると、機器のスタッフは現場への訪問を減らし、問題の性質のみを判断できます。修理前に故障と注文を診断でき、不要なメンテナンスを完全に回避できます。どちらも、メンテナンスコストを削減し、労働生産性を高め、エネルギー消費を削減できます。

さまざまなスマートビルディングテクノロジーにより、居住者の体験や顧客価値を大幅に向上させることができます。考慮すべき手順は次のとおりです。十分な速度で正確に大量のデータを処理できる適切なインフラストラクチャを選択し、強力なセルラーおよびWiFiカバレッジ、熱的快適性と安全性を提供し、エレベーターとエスカレーターの非効率性を改善します。

住民の期待に応える：Google、Nest、Sonos、Ecobee、Ecoisme、Ring、Simplsafeなどのシステムに接続する家族はますます増えています。これらの人々は、オフィススペースで同じレベルのシステムインタラクションを実現したいと考えています。

スマートビルディングが直面する課題。

現在、建物の所有者と管理者は、スマートな建物を実装する際に多くの課題に直面しています。

課題1：適切なシステムを選択します。多くのオプションがあるので、どこから始めますか？スマートビルディング統合計画を作成することは良い出発点です。まず、ビジネスの目標、予算、および目標を決定します。これらの目標を達成するために必要なシステムのリストを開始できます。たとえば、運用コストを削減したい場合は、照明、メーター、水道メーター、ウォーターポンプ、HVAC、チラーなどのシステムの構築に焦点を当てた目標を設定できます。これらの各システムは、センサーと制御システムに接続されており、パフォーマンスを最大化し、使用量と無駄を削減します。将来、他のシステムを追加できるオプションを探してください。

BACnetなどのオープンプロトコルシステムを選択することは非常に重要です。 BACnetは、ビルディングオートメーションシステムのさまざまな部分間の通信を規制するためにASHRAEによって確立されたデータ通信プロトコルです。 BACnetを使用すると、HVAC、照明、セキュリティ、防火などのベンダーのシステムが相互に通信できるようになり、情報を提示、要求、解釈、および送信するための標準的な方法が提供されます。

課題2：プログラム可能なプラットフォームを開発します。以前は、機械、電気、配管システムはすべて独立して設計されており、統合は考慮されていませんでした（IP対応）。このようにして、システムはさまざまなプロトコルを使用して通信できますが、その多くはプライベートであり、データのミキシングとマッチングは許可されていません。各システムは必要なデータを収集できますが、他のシステムとデータを共有したり、他のシステムからのデータに応答したりすることはできません。重要なのは、データに準拠することです。事前にオプションを計画し、中央プラットフォームでの統合と標準化を検討して、複数のソース（内部および外部を含む）からのデータを標準化します推廣優惠。

課題3：システムをチームとして統合する必要があります。以前は、建設業界はモデルに基づいており、各モデルには独自の仕様と計画がありました。このように、システムは機械部品、電気部品、配管システム、技術部品に分けることができ、相互に影響を与えることはなく、請負業者にならないこともあります。スマートビルが導入された（または中断された）とき、業界は共同の取り組みの方向に進んでいました。チームは、統合され接続されたシステムプラットフォームの開発と実装に協力する必要があります。これらのプラットフォームを介して、システムとデバイスは相互に通信できます。たとえば、HVACと照明制御は相互に通信できます。このようにして、HVACは、建物の特定の部分の照明が長時間消灯している場合、従業員の温度が優先されなくなったことを認識できます。

課題4：誰の問題ですか？あなたは知恵の建物を建てたので、完了ですよね？残念ながら、完璧なものはありません。建物の所有者と施設の管理者にもサポートプランが必要です。インストール後のサポートは見過ごされがちであり、所有者や機器管理者に問題を引き起こす可能性があります。主要業績評価指標（kpi）を提供し、オンサイトおよびリモートのサポート、トレーニング、デバッグ、システムとハードウェアのアップグレード計画を処理する方法を示すサポート計画を事前に作成することで、多くの問題を回避できます。

精選文章：

智能城市可以通過三個途徑提高空氣質量

科技是使城市更加宜居和可持續發展的關鍵

如何加快智慧城市數字化，打破信息孤島?

スマート機能を家に統合して作業効率を向上させ、連絡を取り合う方法を学び、屋外での作業方法を理解するための何千ものオプションがあります。たとえば、適切なスマートホームテクノロジーは、忙しい仕事の中で家族の世話をするのに役立ちます。ユーザーは、スマートホーム携帯電話ソフトウェアを使用して、屋外や他の部屋で遊んでいる可能性のある子供やペットをカメラで簡単に確認できます。一日の終わりに、子供たちが宿題を終えたら、リモートでお気に入りのテレビ番組をオンにしたり、Wi-Fiをオフにしたりできます。

接続時に接続を維持します。

過去数年間で、これは仮想電話にますます多くの時間が費やされることを意味します。各部屋にはスマートスピーカーなどが設置されており、ビデオ通話中に家族とすばやくコミュニケーションをとることができます。あなたが彼に電話を切るように言うか、彼を準備するように言うかどうかにかかわらず、彼は彼が署名した後すぐに去ることができます。

カメラデバイスは、荷物を監視したり、作業中に配達を受け入れたりするのにも役立ちます。郵便配達員を確認し、ガレージをリモートで開き、荷物を入れるように依頼してから、ドアを閉めて、郵便物が安全であることを確認できます。携帯電話を使ってフロントポーチや私道をすばやく簡単に見ることに欠陥はありません商業上網 plan。

次は何ですか？

正しいスマートホームオートメーションは、問題を特定するだけでなく、問題を解決してあなたとあなたの家族の安全を確保するための行動を取ることもできます。将来的には、予測セキュリティのように見えます。スマートホームシステムは、ユーザーの操作モードを理解し、それに応じて調整することができます。たとえば、家族が特定の部屋に入るタイミングによっては、家のさまざまな場所の照明が毎日同時に点灯する場合があります。または、屋外カメラが郵便配達員を見て、荷物を受け取るためにガレージのドアを開ける方法を知っているかもしれません。

評価オプション

消費者がスマートセキュリティを家に統合することを検討する場合、最も重要なことは、ニーズを満たすシステムを確保することです。最も安全でスマートなホームセキュリティを作成する場合、家の安全だけでなく、家の作業スペースについても5つの追加の考慮事項があります。

精選文章：

充分利用智能建築中的人工智能

智慧城市如何變得智慧：六大賦能技術

四種WiFi設計技巧的智能建築

エンドユーザーまたはデータソースの物理的な場所に近い、エンタープライズネットワークのエッジでエッジコンピューティングを実行します。これは、接続されたデバイスがデータを送受信し、データを送受信し、ソフトウェアアップデートまたはソフトウェアコンテンツをダウンロードする場所です。データチャネルを一元化すると、拡張が妨げられ、デバイスとプラットフォーム間のボトルネックが発生し、ユーザーエクスペリエンスに影響を与える遅延が発生しますが、MECはサービスの速度と信頼性を向上させることでユーザーエクスペリエンスを向上させることができます。

たとえば、ネットワーク化された車両には、データを収集し、道路状況の監視や危険な場合のブレーキの適用など、さまざまな機能を実行できるセンサーとドライブがあります。これらの機能は大量のデータを生成するため、リアルタイムで分析する必要があります。そのため、分析はネットワークのエッジでのみ実行でき、中央サイトでは実行できません。

MECは、人命と財産に対する遅延とリスクを大幅に軽減します。インターネットカーなどのスマートIoTデバイスは、エッジコンピューティングノードで役割を果たし始めています。 5より多くのデータ伝送とより良いネットワークカバレッジをサポートするために、5GはエッジコンピューティングとMECアーキテクチャにも統合されています。

自動車メーカーは、自動車に関する大量のデータの収集に遅れずについていく必要がありますが、この課題に対する最善の解決策はMECです。

MECはインターネットの未来への道を開いています。

自動車産業の将来は、主にモノのインターネットとMECによって駆動されるインターネットカーの背後にあるコンピューティングパワーに依存しています。ますます多くのセンサーとカースマート機能を備えた車では、MECは車のデータを処理する方法になります。さらに、自動車産業におけるこの技術の促進により、ドライバーはより良い運転体験とより多くの車両サービスを得ることができます商業寬頻比較2021。

分散型MEC方式は、ネットワーク容量の制限を軽減します。車はいつでもオンラインにすることはできませんが、接続が中断された場合でも車はネットワークを使用し続けることができます。この場合、MECは接続サービス機能を有効にしています（ただし、劣化モードになっている可能性があります）。

MECは、サービスソフトウェアとハ​​ードウェアの分離も実現し、ソフトウェアサービスの開発と物理的な機器の展開を分離します。これにより、自動車メーカーとサービスプロバイダーに新しい種類の柔軟性がもたらされます。車が販売された後でも、サービスを追加および更新することができます。対照的に、電話のオペレーティングシステム全体をアップグレードする代わりに、スマートフォン上の単一のアプリケーションを更新できます。これにより、真にカスタマイズされた車の可能性が広がり、各ドライバーの独自の個性を満たすカスタマイズされた車に対する業界の期待が広がります。

これは、機器メーカーが運転体験の新時代に参入するためのユニークな機会を提供します。コネクテッドカーは、新しい収益源をもたらし、ブランドに対する顧客の忠誠心を高めることができます。電気通信業界が構築したIoTデータ処理フレームワークとMECを使用することで、コネクテッドカーとデバイスの未来はより良くなります。

精選文章：

從物聯網中受益於供應鏈的六種突出方式

雲物聯網平台：18個考慮因素

物聯網面向端到端供應鏈