物聯網 （IoT） 已經存在了很長時間。事實上，該技術遠遠早于該術語。一些歷史學家會告訴你，物聯網這個綽號自 1990 年代后期就一直存在，但我們知道，連接我們的“事物”早在此之前就開始了。如果您將物聯網分解為它的真正含義，它只是將適當的設備連接到互聯網以完成所需的任務。互聯網的普及和收發器技術的普及極大地簡化了這項任務。

　　人工智能 （AI） 的大規模采用并沒有那么長，但它也不是春雞。當您將這兩種強大的技術結合在一起時，會發生什么新的和非常令人興奮的事情。人工智能和物聯網一樣簡單。因此，兩人的婚姻可能是一項棘手的工作。最近的一篇文章中概述了這種“技巧”，為什么需要 10 個合作伙伴來啟動一個物聯網項目？最重要的是，結合人工智能和物聯網的潛力來自于創造效率和/或提高盈利能力的洞察力。這就是為什么擁有合作伙伴有助于降低復雜性的一個重要原因，這樣您的工程師就可以專注于真正創造有趣和創新的技術。

　　您應該注意的第二個術語是機器學習。機器學習有時與人工智能互換使用，這是不準確的。它實際上是人工智能的一個子集，而且更加專注，尤其是在工業領域。區分兩者的一個簡單方法是，人工智能尋求獲得智慧或智能，機器學習尋求獲取知識

　　AI 可讓您通過分析快速從數據中提取洞察力。然后，機器學習能夠自動識別模式并檢測傳感器和視聽系統等基于邊緣的設備生成的數據中的異常情況。這些信息可以是光、溫度、運動、壓力、濕度、空氣質量、振動、聲音或視頻。更進一步，語音或圖像識別可以幫助從采集的數據中提取更多智能。以前，提取此類信息要么需要人工干預，要么根本不可能。

　　在其他屬性中，物聯網的人工智能可以讓制造商或其他設備用戶避免計劃外停機，提高運營效率，啟用新的和更復雜的終端產品，并加強風險管理。這來自人工智能和機器學習提供的洞察力，它不僅可以制造更智能的機器，還可以讓機器隨著時間的推移不斷變得更智能。

　　這種停機時間的減少歸功于預測性維護，它使用分析來提前預測設備故障，以便您可以安排有序的維護程序。機器學習在這里發揮著重要作用，因為它識別來自設備/機器的恒定數據流中的模式以預測設備故障。一些估計表明，預測性維護可以將計劃維護所需的時間減少 20% 到 50%，將設備正常運行時間和可用性提高 10% 到 20%，并將總體維護成本降低 5% 到 10%。一份出色的白皮書《制造業中的預測性維護用例》概述了各種預測性維護計劃。

　　感謝像 Avnet 這樣的供應商，為您完成了很多艱苦的工作。通過收購Softweb Solutions，該公司可以為您處理大部分物聯網軟件。您只需要將它連接到您的特定應用程序。此外，Avnet 還可以為您提供數據服務來處理分析，這就是您希望首先連接到 IoT 的原因。擁有這種硬件-軟件集成可以加強產品開發、降低復雜性并在短時間內完成項目。

　　安富利認為，當今與人工智能相關的軟件開發需要開箱即用的思維，這可以通過多種方式實現。它從頭腦風暴開始，必須包含平臺可能面臨的盡可能多的場景。您可以提供的先驗知識越多，您看到的準確性就越高。現在，您可以在整個 IoT 解決方案生命周期中獲得幫助，無需研究所有可能的方面和變量，因為 Avnet 在 AI 和 IoT 領域均處于領先地位，這要歸功于其結合這些學科的悠久歷史。

　　審核編輯：郭婷