New Tech Magazine | April 2018

IoT מוסף מיוחד

. נשאלת השאלה למה? 2018 ב במאמר זה מספר דוגמאות מהפן הטכנולוגי של חסמי ההזדמנויות העסקיות ואתגרי Artificial פיתוח חדשים שמשלבים , כמנוע חדש לצמיחה Intelligence + IOT לחברות סטרט-אפ וליזמים. נשאלת השאלה: מה קרה מבחינה טכנולוגית שגרם לעיקוב התפרצות של פיתוח מוצרים ושירותים רבים לתחום האינטרנט של הדברים? לדעתו של כותב מאמר זה, הכשל הינו במגמה שהובילו ספקיות עולמיות בשמירת . BIG DATA נתונים בענן. "עגל הזהב" נקרא סיפורי מטמוני זהב שטמונים בשמירת כל רסיס אינפורמציה הציף את התקשורת. בבחינה מדוקדקת לא נמצאו סימוכין למטמונים אילו. : IIoT לדוגמא שוק ה ) IIoT יישומים אינטרנט תעשייתי של דברים ( הינם יישומים מורכבים מאוד, הדורשים שיתוף נתונים ברשתות היברידיות על הקצה לפני שמירה בענן. האמינות במערכות אלה היא דרישה מאתגרת וקריטית. IOT אנו נחקור פלח שוק שנקרא "מערכת לזיהוי בעיות במנועים חשמליים בזמן אמת" מכיוון שמנוע חשמלי משמש שכוח מניע במערכות קריטיות כמו פס יצור, מכונות internet of things וכדומה, דרשת ממערכת מילי 1 ") תגובתיות מהירה מאוד של IoT "( שניה. תגובה איטית יותר יכולה להוביל להרס ציוד יקר והשבתת פס יצור בעליות נוספות. Mission ולפיכך המינוח המקצועי הינו " Critical IOT " MC - IOT ") לפי IoT "( internet of things מערכות המודל שמוצע על ידי ספקיות שמירת הנתונים בענן, הינם לייצא כל מידע מסנסור לענן ללא כל עיבוד מקומי. כל העיבוד אמור big data להתבצע בענן כחלק מ 500 בשטח מפעל ממוצא יתכן שיותקנו 500 , סנסורים לפחות. לפי המודל הנ"ל מילי שניה. 1 סנסורים אמורים לדווח כל בתים בלבד, 100 בהנחה שכל רשומה יש ניטור זה תיצור בסיס נתונים, בענן, בתים כל מילי שניה, שהם 50,000 של נתונים לדיווח כל שניה. בקצב 50,000,000 זה ספקיות שמירת הנתונים בענן, תחייב עשרות אלפי דולרים לשנייה. ניתוח שלהם לתגובה כל שניה לזיהוי אירוע בזמן אמת, – עלויות שעלולות dedicated servers יחייב להגיע למאות אלפי דולרים ליצוא אירועים בזמן אמת כל שניה.

machine learning feeding תחומי תעשיה שנדרשים בגינם :1 תמונה מס « Artificial Intelligence for anomalies detection and predictive

לסנסורים Artificial Intelligence מכונה שיכולים לחוש חום ואש ידווחו רק במקרה של זיהוי מקומי לאחר שהבינה המלאכותית עיבדה וסילקה רמות חום שגרתיות לאזור המנוטר. שמדווחות כל MC - IOT מעבר לכך, מערכות הזמן מסנסורים טיפשים בקצב גבוה. ברגע או הרשת הסלולרית Wi - Fi שנפלה רשת ה כל כוחות הביטחון באפלת מידע עדכני, כמו שראינו לצערנו באוטובוס שנשרף בכרמל. מערכות עם בינה מלאכותית לומדת, אינן מסתמכות רק על מערכות סלולריות או . המידע מהסנסורים מעובד מקומית. WIFI והפלטפורמה בעלת יכולות אלחוטיות רב Artificial שכבתית מכל צומת – ולפיכך ה ידווח אירועים בכל מצב. גם Intelligence כשחלק מהמערכות האלחוטיות נשרפו. הבינה המלאכותית תנטר את רשת הדיווח האלחוטית ותנתב דינמית מסלולי דיווח חדשים. כל שוטר- כבאי- או מערכת בקרה מרחוק- ידעו היכן כל אדם נמצא או מוקד אש. כבאים יקבלו דיווח לטלפון האלחוטי שלהם לא רק דרך סלולרי אלה ישירות מצמתי תקשורת נשלטי בינה מלאכותית. לא יהיה צורך לחפש בכל החדרים בבניין

לפיכך הוכח שרישום עיוור של כל מידע לא כדאי מכל בחינה MC - IOT מסנסור ללקוח הסופי. כל פיתוח שמבוסס עליו יכשל מבחינה כלכלית וידחה על ידי הלקוח הסופי. מה הפתרון: Artificial הפתרון: מערכות מקומיות, עם משולב ביחידה עצמה עם Intelligence הסנסורים, שמייצאת אירועים מעובדים . Real Time רק בזמן שהם מתרחשים ב אקטוארים שיכולים להגיב בזמני מילי שניות מקומית. כמו סגירת מנוע לפני שנשרף. סגירת צינור לפני שמתפוצץ וכדומה. במצב זה, אירועים מעובדים נשלחים Artificial רק לענן לשמירה, שזוהו עם . Intelligence לא דיווח עיוור של סנסורים ללא ניתוח. internet of לדוגמה נוספת מערכות ") לזיהוי שריפה רחבת היקף: things )" IoT האם יש באמת הצדקה לשלוח מידע לא מעובד ממאות סנסורי אש ועשן לענן, כאשר אין שרפה? 99.999999 רק עליות התקשורת ואחסון המידע בענן, יאיינו את הפרויקט. לעומת זאת מערכות מקומיות עם למידת

New-Tech Magazine l 46