IOT et industrie : Comment l'apprentissage automatique et l'Internet des objets pourraient transformer votre entreprise

Alors que de plus en plus de capteurs connectés à Internet sont intégrés dans les voitures, les avions, les trains et les bâtiments, les entreprises accumulent de grandes quantités de données. Exploiter ces données pour extraire des informations utiles est un défi qui commence à être relevé en utilisant les capacités de correspondance de modèles de l'apprentissage automatique (ML) – un sous-ensemble du domaine de l'intelligence artificielle (IA). Les entreprises intègrent de plus en plus les données collectées par les capteurs de l'Internet des objets (IoT) – situés partout des champs des agriculteurs aux voies ferrées – dans des modèles d'apprentissage automatique et en utilisant les informations résultantes pour améliorer leurs processus, produits et services. Comment les entreprises utilisent l'apprentissage automatique et IoTOne est l'un des pionniers les plus visibles de Siemens, dont le projet Internet of Trains lui a permis de passer de la simple vente de trains et d'infrastructures à une garantie que ses trains arriveront à l'heure. Dans le cadre du projet Internet des trains, Siemens a intégré des capteurs dans les trains et les voies à certains endroits en Espagne, en Russie et en Thaïlande, puis a utilisé les données pour former des modèles d'apprentissage automatique pour repérer les signes révélateurs que les voies ou les trains peuvent échouer. Le fait d'avoir des informations précises sur les parties du réseau ferroviaire les plus susceptibles de tomber en panne et le moment où elles ont permis de cibler les réparations là où elles sont le plus nécessaires – un processus appelé «maintenance prédictive». Cela, à son tour, a permis à Siemens de commencer à vendre ce qu'il appelle le «résultat en tant que service» – une garantie que les trains arriveront à l'heure près de 100% du temps.

        

Thyssenkrupp, qui exploite 1,1 million d'ascenseurs dans le monde et alimente depuis plusieurs années les données collectées par des capteurs connectés à Internet dans ses ascenseurs, est l'une des premières entreprises à associer des données de capteurs IoT à des modèles d'apprentissage automatique. Ces modèles fournissent des mises à jour en temps réel sur l'état des ascenseurs et prédisent ceux qui sont susceptibles de tomber en panne et à quel moment, ce qui permet à thyssenkrupp de cibler la maintenance là où elle est nécessaire, de réduire les pannes des ascenseurs et d'économiser sur les réparations inutiles. De même, Rolls-Royce collecte plus de 70 billions de points de données de ses moteurs, alimentant ces données dans des systèmes d'apprentissage automatique qui prédisent quand une maintenance est requise.

    

    L'application de l'apprentissage automatique aux données de l'Internet des objets industriel (IIoT) ne concerne pas uniquement la maintenance prédictive. Pour le fabricant d'équipement agricole John Deere, la vision par ordinateur rendue possible par l'apprentissage en profondeur lui permet d'expérimenter avec des pulvérisateurs d'herbicides dont les caméras intégrées peuvent faire la distinction entre les mauvaises herbes et les plantes. L'objectif est d'appliquer des informations à chaque étape du processus agricole, en produisant éventuellement des planteurs et des équipements de récolte qui peuvent ajuster leur fonctionnement à la volée afin de maximiser les rendements des cultures. Dans un récent rapport, les analystes d'IDC Andrea Minonne, Marta Muñoz et Andrea Siviero affirment que l'application de l'intelligence artificielle – le domaine d'étude plus large qui englobe l'apprentissage automatique – aux données IoT offre déjà des avantages avérés pour les entreprises. "Compte tenu de l'énorme quantité de données que les appareils connectés IoT collectent et analysent, l'IA trouve un terrain fertile dans les déploiements IoT et les cas d'utilisation, amenant le niveau analytique à des informations non couvertes pour aider à réduire les coûts d'exploitation, fournir un meilleur service client et un meilleur support, et créer une innovation de produit et de service ," ils disent. Selon IDC, les cas d'utilisation les plus courants pour l'apprentissage automatique et les données IoT seront la maintenance prédictive, suivie de l'analyse de la surveillance CCTV, des applications de maison intelligente, du «  marketing contextualisé '' en magasin et des systèmes de transport intelligents.
Cela dit, les entreprises utilisant l'IA et l'IoT aujourd'hui sont des valeurs aberrantes, de nombreuses entreprises ne collectant pas de grandes quantités de données ni ne les utilisant pour former des modèles d'apprentissage automatique afin d'extraire des informations utiles. «Nous en sommes définitivement aux premiers stades», déclare Mark Hung, vice-président de la recherche chez l'analyste Gartner. "Historiquement, dans beaucoup de ces cas d'utilisation – dans l'espace industriel, les villes intelligentes, dans l'agriculture – les gens n'ont pas collecté de données ou rassemblé un grand nombre de données et n'ont pas vraiment réagi", explique Hung. "Ce n'est que récemment que les gens comprennent la valeur de ces données et découvrent quelle est la meilleure façon d'extraire cette valeur." Les analystes IDC conviennent que la plupart des entreprises doivent encore exploiter les données IoT à l'aide de l'apprentissage automatique, soulignant qu '"une grande partie des utilisateurs IoT ont du mal à aller au-delà d'une simple collecte de données" en raison d'un manque de compétences analytiques, de problèmes de sécurité ou simplement car ils n'ont pas de "vision stratégique prospective". La raison pour laquelle l'apprentissage automatique est actuellement si important est en raison des progrès de la dernière décennie dans le domaine de l'apprentissage en profondeur – un sous-ensemble de ML. Ces percées ont été appliquées à des domaines allant de la vision par ordinateur à la reconnaissance de la parole et du langage, permettant aux ordinateurs de «voir» le monde qui les entoure et de comprendre la parole humaine à un niveau de précision qui n'était pas possible auparavant. L'apprentissage automatique utilise différentes approches pour exploiter des modèles mathématiques entraînables pour analyser les données, et pour tous les titres reçus par ML, ce n'est également qu'une des nombreuses méthodes disponibles pour interroger les données – et pas nécessairement la meilleure option. Dan Bieler, analyste principal chez Forrester, déclare: "Nous devons reconnaître que l'IA est actuellement un peu excitée. Vous devez regarder très attentivement si elle générerait les avantages que vous recherchez – si elle créerait la valeur qui justifie l'investissement dans l'apprentissage automatique. " Comment démarrer avec l'IoT et l'apprentissage automatique La plupart des entreprises devront se tourner vers l'un des principaux fournisseurs de plates-formes cloud – Amazon, Microsoft, Google, Alibaba Cloud ou IBM, par exemple. Ces entreprises offrent une gamme de services pour stocker les données IoT et les préparer pour l'analyse des données, ainsi que pour la formation et l'exécution de modèles d'apprentissage automatique et pour créer des tableaux de bord, des graphiques et d'autres dispositions faciles à saisir pour visualiser les informations générées par ces modèles. . Cependant, la mise en place d'un tel système n'est en aucun cas simple, et une expertise en expertise interne sera nécessaire pour déterminer quelles données doivent être collectées, quels modèles doivent être recherchés et pourquoi. Pour y parvenir, il faudra généralement une collaboration entre les scientifiques des données internes et le personnel avec une compréhension approfondie des objectifs de l'entreprise ou du département spécifique. "La chose la plus importante du point de vue du recrutement est d'avoir une très petite équipe d'analystes de données qui peuvent parler à la division commerciale pour comprendre quelles sont les exigences commerciales, les points faibles des clients et les problèmes qu'ils essaient de résoudre avec les mégadonnées ", explique Bieler de Forrester. "Vous pouvez avoir tous les analystes de données dans le monde, mais s'ils ne savent pas quoi faire des données, cela ne fournira jamais aucune valeur significative à l'entreprise. Vous devez éviter de mettre le chariot avant le cheval." Bieler recommande que les entreprises aient un objectif commercial clair à l'esprit – la maintenance prédictive, comme dans le cas de thyssenKrupp et Rolls-Royce – avant de commencer un tel projet. "Vous avez besoin des scientifiques des données ayant l'expertise du domaine, ainsi que des développeurs de logiciels pour développer les modèles, dit Hung de Gartner." Ce n'est pas un projet de trois mois, et les gens qui l'ont adopté plus tôt sont ceux qui ont assez un peu de données historiques qu'ils peuvent utiliser pour relancer le processus. Dans une certaine mesure, il s'agit d'essais et d'erreurs pour déterminer l'algorithme d'apprentissage automatique le mieux adapté à votre application », explique Hung.
                                                    Image: IDC

Cela dit, certaines offres spécifiques à l'industrie commencent à se décharger d'une partie de ce travail, comme celles proposées par des start-ups comme Uptake, spécialiste de l'analyse. Bien que les services disponibles auprès des principaux fournisseurs de cloud pour la gestion des appareils IoT et l'ingestion et l'analyse des données IoT soient largement comparables, il convient de détailler les offres des deux plus grands acteurs. L'AWS IoT Analytics d'Amazon propose un service de collecte, de traitement et de stockage des données collectées par les appareils IoT, permettant aux utilisateurs d'interroger des données et d'exécuter des analyses dessus, notamment en appliquant l'apprentissage automatique à ces données à l'aide de Jupyter Notebooks hébergés. AWS IoT Core propose un service cloud pour la gestion des appareils IoT qui permet aux appareils de se connecter en toute sécurité aux services cloud AWS pour le traitement et le stockage de leurs données, tandis qu'AWS IoT Greengrass est conçu pour effectuer une inférence d'apprentissage automatique sur les appareils proches du bord du réseau. De même, Microsoft propose Azure IoT Edge, un service sur sa plate-forme Azure pour déployer des modèles d'apprentissage automatique formés sur les appareils IoT et Edge, aux côtés de son service Azure IoT Hub pour gérer les machines IoT, et Azure Sphere pour sécuriser et entretenir les appareils IoT, tous dont emballés dans son offre Azure IoT Central. Gardez un œil sur la concurrence Avant de vous lancer dans un projet d'extraction d'informations à partir de données IoT, cela vaut la peine de vérifier ce que fait la concurrence. L'efficacité des modèles d'apprentissage automatique dépend fortement de la possession de grandes quantités de données de bonne qualité, il peut donc être difficile pour les petites organisations de concurrencer les acteurs établis, selon Bieler de Forrester. "L'un des aspects les plus inquiétants des mégadonnées est que vous pourriez potentiellement affirmer qu'il s'agit d'un cycle d'auto-renforcement, où les entreprises leaders d'aujourd'hui sont très probablement les entreprises leaders de demain parce qu'elles ont collecté plus de données et ont donc plus d'informations que les a aidés à se détacher de leurs concurrents ", a-t-il déclaré. Bieler a donné à Uber un exemple: "Uber dispose de beaucoup plus de données que toute petite start-up sur les goûts des passagers, les performances des conducteurs, les itinéraires populaires; ils pourraient être en mesure d'envoyer des voitures dans certaines zones où ils peuvent prédire qu'il y aura une forte demande trois. dans quelques heures car ils savent que lundi après un match de football, ce genre de modèles va émerger. " "Vous devez comprendre où vous souhaitez appliquer le machine learning – vous ne pouvez pas tout résoudre." En savoir plus sur ML et IIoT 5G et IoT: la première usine intelligente du Royaume-Uni vient de démarrer
Des capteurs et des applications Internet des objets testés sur deux sites d'usines intelligentes Nokia veut faciliter la configuration et l'exécution de votre projet IoT
Quatre packages IoT visent à faciliter le déploiement en entreprise de capteurs et d'analyses IA, IoT et voix en 2019
Lynne Capozzi, directrice du marketing chez Acquia, explique à Tonya Hall où iront l'IA, l'IoT et la voix en 2019.Ericsson étend son portefeuille IoT
Ericsson dispose désormais de quatre segments différents de l'Internet des objets à travers l'IdO massif, l'IdO critique, l'IdO à large bande et l'IdO d'automatisation industrielle. Comment différencier l'IA, l'apprentissage automatique et l'apprentissage en profondeur (TechRepublic)
Les leaders technologiques doivent mettre l'IA et ses sous-catégories en pratique – et dans un vocabulaire commercial commun que tout le monde peut comprendre.Google, Amazon, Microsoft: Comment leurs cours gratuits d'apprentissage automatique se comparent-ils? (TechRepublic)
Il existe un nombre croissant d'options pour ceux qui souhaitent se familiariser avec le terrain via des cours gratuits fournis par les grandes entreprises technologiques.
            

Laisser un commentaire