我在財富100強能源，工程和OEM公司的經驗告訴我，能源行業正在發生構造轉變，這一轉變將永遠改變市場，將拋棄傳統的資產和基於資本支出的業務模式。相反，我們將看到更多的AI驅動的物聯網平臺，正在成為21世紀工業公司的數字化神經系統。物聯網平臺將成為創建新業務模式的基礎——為新的收入提供支持，並將擴張工程企業，帶來增值服務，引入收入來源。因此，選擇AI驅動的物聯網平臺，是非常具有戰略意義的，並且不容易扭轉。
隨著工程世界與數字世界相結合，帶來了很大的混亂，我們的團隊認為，與其尋找答案，不如提出正確的問題。在深刻體驗了AI和工業物聯網世界後，我們想分享21個相互獨立的問題，涵蓋將AI應用於工業環境的核心層面。
管理資產盲點
為了評估工作的範圍，首要任務之一是確認資產的“機器可學習性”指數。大多數機電資產具有初始的規範，並且可能沒有必要的傳感器來捕獲信息以建模資產。為了獲得遠程資產的上下文，這裡有幾個問題可以評估規範和資產環境：
1. 今天資產正在發射哪些事件？
2. 資產的哪些事件未被廣播，需要進行規範化或“啟用傳感器”，才能使AI算法學習？
傳感器健康監測
在惡劣的工業環境中面臨的最常見的問題之一，是傳感器的故障，這可能會導致損壞的數據被傳輸到AI算法。由於有數以千計的資產和傳感器，因此瞭解資產和傳感器傳輸健康傳感器數據的百分比，是非常重要的。基本上，我們需要尋找資產沒有傳輸的事件。例如，一些傳感器有電池問題，無法進行傳輸：
3. AI驅動的物聯網平臺有顯示不廣播狀態信息的傳感器數量的儀表盤嗎？
4. 傳感器健康監測儀表盤可以顯示資產未通信的時長嗎？
5. 傳感器健康狀況監測儀表盤標記虛假數據或錯誤數據的事件嗎？
AI驅動信號檢測
AI是深度數學與機器相結合；AI和深度學習算法在搜索模式中探索，以預測資產停機，資產故障和資產優化：
6. 哪些AI算法需要數據科學家進行配置，哪些算法可以由資產工程師執行？
7. AI平臺可以對異常發出實時信號嗎？
8. AI平臺可以表明資產經歷的異常種類嗎？
9. AI平臺可以將異常與需要建模的資產結果（停機時間，剩餘使用壽命）相關聯？
10. AI平臺可以將多個模型綜合在一起嗎？
11. AI平臺可以實時預測嗎？還是離線模式預測？
工業數據產品創建
工業數據產品是實際業務問題的一組AI解決方案。應用可以解答相關問題或觸發動作信號。隨著工程師開始使用數據產品對資產進行智能分析，這裡有幾個可以幫助的問題：
12. 物聯網平臺可以指導用戶使用API或使用工作流來創建邊緣數據產品嗎？
13. 物聯網平臺可以創建超越“地圖定位”的數據產品，以識別以前從未發現的相關性？
14. 物聯網平臺可以通過多樣數據庫，傳感器歷史數據流，維護事件，環境資產狀況和其他數據流來對信號進行三角測量？
傳感器事件流的可擴展性
工業物聯網世界絕對會產生比消費者世界更多的事件。例如搭載Pratt & Whitney發動機的龐巴迪C系列噴氣式客機，內置5000顆傳感器。在12小時飛行期間，每秒發射10 GB的數據，產生844 TB的數據。數據攝取所需的規模更高。考慮到這一點，關於可擴展性的幾個問題：
15. 我的資產事件的最高發射率是多少？是每小時數千，還是數百萬？
16. 物聯網平臺的最高攝取率是多少？
17. 一個警報事件到達中央指揮中心需要多少時間？是毫秒，秒，還是分鐘？
AI驅動的物聯網應用的定價模型
行業正處於發展的早期階段，存在多種定價模式。過一段時間，根據工業流程的複雜性及其與財務結果的聯繫，定價模式將最終穩定下來。同時，這裡有幾個問題：
18. 根據資產或資產類型定價嗎？
19. 根據應用或應用集群定價嗎？
20. 像Splunk那樣根據事件量來定價？
21. 根據收益定價？像航空發動機中的推力？
結語
綜合上述所有考慮，為資產選擇工業AI驅動的物聯網平臺涉及多方面，需要從三個方面考慮：財務，工程和軟件。
在開始AI計劃之前，花時間考慮所有這些變量是至關重要的，可以使任務風險更小。 阿爾伯特·愛因斯坦曾經說過：“我們不能用製造問題的思維來解決問題。”我們希望上述這些問題在你制定工業物聯網項目戰略時，可以成為一個可行的AI手冊。