支持邊緣人工智能和機器學習能力的數(shù)據(jù)管道和管道是至關重要的。

人工智能和機器學習開始在邊緣領域發(fā)揮作用了嗎?漸漸地,是的。但企業(yè)仍然需要關注底層的數(shù)據(jù)管道和管道，以支持人工智能和機器學習能力。三菱電力的產(chǎn)品經(jīng)理RohitKadam表示:“無論是否使用不同的微服務，以及希望如何部署或使用它們，都應更加關注構建其架構。一旦有了數(shù)據(jù)，就專注于如何將管道連接起來。”

Kadam參加了最近關于邊緣實現(xiàn)機遇和挑戰(zhàn)的小組討論，描述了該公司的電池發(fā)電廠和系統(tǒng)如何通過物聯(lián)網(wǎng)和邊緣系統(tǒng)連接，使公司能夠監(jiān)測它們的健康和費用。

Kadam解釋道，在三菱電力，人工智能和機器學習在向公司通報其交付給客戶的聯(lián)網(wǎng)電池電源包內(nèi)的問題，以及管理下游物聯(lián)網(wǎng)設備方面發(fā)揮了重要作用?！癕L的工作方式是我們學習電池的行為，因此我們知道這些電池中有多少電量，或者知道還剩多少里程。這些是我們訓練模型時使用的一些關鍵指標。我們學得越多越好?！?/p>

通過其綜合優(yōu)勢和人工智能能力，Kadam表示：“我們現(xiàn)在有能力在數(shù)據(jù)方面展望未來，以識別和做出安全嘗試運營這些工廠的決策。如果確認看到了危險信號，有一個內(nèi)置的安全機制，它會啟動，然后在必要時有序地關閉工廠。這已經(jīng)融入到我們的解決方案中，從邊緣計算的角度來看，分布式架構可以有助于實時采取行動?！?/p>

運營指標確保電池系統(tǒng)的可用性和保證。“我們有利用物聯(lián)網(wǎng)的使用指標來跟蹤電池的性質(zhì)，以及它們?nèi)绾坞S著時間的推移而退化。我們認為電池本身就是邊緣節(jié)點或邊緣計算設備。其可幫助追蹤監(jiān)控電池的電壓、電流和溫度。我們進行處理，并將信息存儲在那里，然后向北傳輸回歷史服務器?！?/p>

Kadam表示：“供應鏈上有許多部件需要整合在一起，這使得標準成為一個問題。但那里沒有統(tǒng)一的標準，只有盡最大努力遵守與電池發(fā)電廠相關的各種標準，”

挑戰(zhàn)在于“電池發(fā)電廠本身就是一個獨特的空間”。Kadam繼續(xù)補充道。這是一個服務于電動汽車、電網(wǎng)、變電站和建筑自動化系統(tǒng)的市場。“我們有混合畫布，嘗試將它們混在一起，然后向北傳輸。實際上，我們會解析所有這些數(shù)據(jù)，并將它們混合在一起，以便更有效地將不同的數(shù)據(jù)集流回歷史服務器?！?/p>