联系我们

面试

一技首席执行官Yasser Khan– Interview Series

mm

已发表

 on

Yasser Khan是...的首席执行官 一技 由AI驱动的技术公司,为OEM,网络运营商和企业设计,开发和部署下一代IoT解决方案。

最初是什么吸引您进入人工智能的?

几年前,我们部署了工业物联网(IIoT)解决方案,该解决方案在广泛的地理位置上连接了许多资产。生成的数据量巨大。我们以50毫秒的采样率和每秒几次的外部传感器值汇总来自PLC的数据。在一分钟的过程中,我们为要连接的每个资产生成了数千个数据点。我们知道,将数据传输到服务器并由人员评估数据的标准方法既不切实际,也不会对企业有利。因此,我们着手创建一种可以处理数据并生成消耗性输出的产品,从而大大减少了组织为了获得数字化转换部署的好处而需要的监督量-重点放在资产绩效管理和预测性维护上。

您能否讨论ONE Tech的MicroAI解决方案? 

MicroAI™是 机器学习 该平台可提供对资产(设备或机器)性能,利用率和整体行为的更深入了解。从正在寻找提高整体设备效率的方法的制造工厂经理到想要更好地了解其设备如何在现场进行成型的硬件OEM的利益中,都可以受益。我们通过在资产的微控制器(MCU)或微处理器(MPU)上部署一个小的(小至70kb)数据包来实现此目的。一个关键的区别是MicroAI的训练和形成模型的过程是独一无二的。我们直接在资产本身上训练模型。这不仅允许数据保留在本地,从而降低了部署成本和时间,而且还提高了AI输出的准确性和精度。 MicroAI具有三个主要层:

  1. 数据提取 –MicroAI与数据输入无关。我们可以使用任何传感器值,并且MicroAI平台允许在第一层中进行功能工程和输入的加权。
  2. 训练 –我们直接在当地环境中进行培训。培训持续时间可以由用户根据资产的正常周期来设置。通常,我们喜欢捕获25-45个正常周期,但这很大程度上取决于捕获的每个周期的变化/波动性。
  3. 输出量 –MicroAI根据检测到的异常严重性生成通知和警报。这些阈值可以由用户调整。 MicroAI生成的其他输出包括“预计下次维护的天数(用于优化服务计划)”,“健康评分”和“剩余资产寿命”。这些输出可以发送到客户已有的现有IT系统(产品生命周期管理工具,支持/票务管理,维护等)。

您能否讨论MicroAI背后的一些机器学习技术?

MicroAI具有打包在递归算法中的多维行为分析。馈入AI引擎的每个输入都会影响AI模型设置的阈值(上下限)。为此,我们提供了提前一步的预测。例如,如果一个输入是RPM,并且RPM增加,则由于更快的机器运动,轴承温度的上限阈值可能会略微上升。这使模型得以继续发展和学习。

MicroAI不依赖于访问云,这有什么优势?

我们有一种独特的方法可以直接在端点(生成数据)上形成模型。这为部署带来了数据隐私和安全性,因为数据不需要离开本地环境。这对于必须保护数据隐私的部署尤其重要。此外,在云中训练数据的过程非常耗时。由于需要汇总历史数据,将数据传输到云,形成模型并最终将该模型推到最终资产,因此造成了其他人如何接近该空间的这种时间消耗。 MicroAI可以在当地环境中进行100%的训练和生活。

MicroAI技术的功能之一是其加速的异常检测,您能否详细介绍一下此功能?

由于采用了行为分析方法,我们可以部署MicroAI并立即开始学习资产的行为。我们可以开始看到行为中的模式。同样,这不需要加载任何历史数据。一旦捕获了足够的资产周期,便可以开始从AI模型生成准确的输出。这对于该领域来说是开创性的。过去需要数周或数月才能形成准确模型的过程,可能需要数小时甚至数分钟的时间才能完成。

MicroAI™Helio和MicroAI™Atom有什么区别?

MicroAI™Helio服务器:

我们的Helio Server环境可以部署在本地服务器(最常见)或云实例中。 Helio提供以下功能:(工作流管理,数据分析和管理以及数据可视化)。

管理资产的工作流程 –它们在哪里部署以及如何使用的层次结构。 (例如,在全球范围内设置所有客户设施,每个设施中的特定设施和部分,单个站点,再到每个站点中的每个资产)。此外,可以将资产设置为以不同的周期率执行不同的工作。可以在这些工作流程中进行配置。此外,还具有票证/工作单管理功能,这也是Helio Server环境的一部分。

数据分析与管理 –在Helio的此部分中,用户可以对AI输出以及任何原始数据快照(即每小时的最大,最小和平均值数据值或触发了警报或警报的数据签名)进行进一步的分析。这些可以是在Helio Analytics设计器中配置的查询,也可以是从诸如R(一种编程语言)之类的工具中引入的更高级的分析。用户可以在数据管理层使用API​​管理网关进行与Helio环境协作使用和/或发送数据的第三方连接。

数据可视化 –Helio提供了针对各种行业特定报告的模板,允许用户从Helio台式机和移动应用程序中使用其连接资产的消费者企业资产管理和资产绩效管理视图。

MicroAI Atom:

MicroAI Atom是旨在嵌入MCU环境的机器学习平台。这包括直接在本地MCU体系结构中而不是在云中训练多维行为分析递归算法,然后将其推送到MCU。这允许通过基于直接在端点上形成的多变量模型自动生成上限和下限阈值来加速ML模型的构建和部署。与其他传统方法相比,我们创建的MicroAI是一种使用和处理信号数据以训练模型的更有效方法。这不仅为所形成的模型带来了更高的准确性,而且在主机硬件上使用的资源更少(即内存和CPU使用率更低),这使我们可以在MCU等环境中运行。

我们还有另一种称为MicroAI™网络的核心产品。

MicroAI™网络 –允许将Atoms网络与外部数据源合并和融合,以便直接在边缘创建多个模型。这允许对运行Atom的各种资产进行水平和垂直分析。 MicroAI Network可以更深入地了解设备/资产相对于已部署的类似资产的性能。同样,由于我们采用独特的方法直接在边缘形成模型,因此机器学习模型仅占用很少的主机硬件内存和CPU。

一技还提供物联网安全咨询。什么’威胁建模和物联网渗透测试的过程?

由于我们能够了解资产的行为方式,因此我们可以使用与所连接设备内部相关的数据(例如,CPU,内存使用情况,数据包大小/频率)。物联网设备在大多数情况下具有常规的运行模式-它传输数据的频率,传输数据的位置以及数据包的大小。我们应用MicroAI来消耗这些内部数据参数,以形成该连接设备正常情况的基线。如果设备上发生异常动作,我们可以触发响应。范围从重新启动设备或在工作单管理工具中打开故障单到完全减少到设备的网络流量。我们的安全团队已经开发了测试工具,并且通过使用MicroAI来成功检测到各种零日攻击尝试。

关于ONE Tech,Inc,您还有其他要分享的内容吗?

下面是MicroAI Atom功能的示意图。从获取原始数据开始,在本地环境中进行培训和处理,推断数据并提供输出。

下面是MicroAI Network运作方式的示意图。许多MicroAI Atom馈入MicroAI Network。除了Atom数据外,还可以将其他数据源合并到模型中,以更详细地了解资产的运行方式。此外,在MicroAI Network中形成了多个模型,使涉众可以对资产在不同区域,客户之间,更新前后的表现如何进行水平分析。

感谢您的采访和详细的回复,希望了解更多信息的读者可以访问 一技.

安东尼·塔迪夫(Antoine Tardif)是 Futurist 他对AI和机器人技术的未来充满热情。他是 BlockVentures.com并已投资了50多个AI和区块链项目。他是的联合创始人 Securities.io 一个专注于数字证券的新闻网站,是unite.AI的创始合伙人。他也是 福布斯技术委员会。