系統整合商輕鬆部署互動數位招牌

AI、機器學習和物聯網已打造出一個零售科技市場,幾乎任何事情都辦得到。唯一的問題是:豐富的技術使得彼此連接更是充滿挑戰。當今的系統整合商必須為客戶組裝複雜的解決方案,並且提供支援服務來加深彼此的關係。另一方面,軟硬體供應商則需要協助,找到產品的新用途與市場。

創新技術媒合者的出現:當今的技術經銷商。透過其深入的產品知識與專業,他們將製造商與 ISV 和互動式數位招牌的 SI 結合起來,藉由與具有需求和解決方案的產業圈接觸,協助每個企業業務成長。

「當今經銷商必須具備的技術累積遠大於 5 或 10 年前。」Bluestar, Inc. 的行銷副總 Dean Reverman 表示,該公司的主要業務為電子產品代理商。「他們必須帶著更多的解決方案組合上門。他們要怎麼做到這一點?聰明的系統整合商會依賴可提供附加價值的經銷商。」

傳統的經銷商挑選、組合並出貨,Reverman 提到,加值型經銷商則是會藉由提供深入的知識來跨越基本的服務。

「我們獨特的配置為我們帶來機會。」Reverman 表示。「我們瞭解加值型經銷商每天所面對的事情,因為我們每天都在與他們互動。我們瞭解產品供應商藉由其策略目標和產品開發所想要達成的事情。而且我們瞭解軟體社群藉由建立他們想要的獨特解決方案所帶給市場的內容,來打進產業圈。」

為了促進媒合,BlueStar 推出其 TEConnect 計畫將軟硬體供應商結合,以產生新的解決方案,例如數位招牌資訊站和互動式數位招牌。

「我們嘗試做的其中一件事就是在軟體社群中挖掘,並讓他們出現在通路中。」Reverman 表示。「而且,如果沒有軟體,我們經銷的很多東西都會被拒於門外。」

Intel® 在 BlueStar 的媒合過程中扮演著重要的角色。「現在當客戶找我們進行初期的解決方案開發時,我們有了合作的夥伴。」Reverman 表示。「這對物聯網而言非常重要。部分解決方案能夠建立起來,在於能夠依賴 Intel 強大的工程能力。透過我們的 TEConnect 計畫,我們與 Intel 建立了深厚的關係,因此能夠將軟體開發公司帶進通路,讓他們銷售他們的產品。」

建立數位招牌資訊站

BlueStar 與 Elo Touch Solutions, Inc. 的夥伴關係就是產業圈一個很好的例子,該公司為一家領先互動式觸控螢幕製造商。這兩家公司共同打造並推廣創新的產業專屬解決方案。其中一個產品是 Appetize,這是專門針對體育館處理客人交易與追蹤大規模庫存所設計的銷售點系統。解決方案中包括固定式和可攜式的終端機、資訊站和手持裝置。

BlueStar 會組裝包含 Elo Touch 螢幕、支架和印表機等元件。接著經銷商更進一步,提供協助 SI 部署完整解決方案的服務。

「舉例來說,有了 Appetize,您就可以將成千上萬的設備部署到位。」BlueStar 的業務開發經理 Karey Linkugel 表示。「這非常的花時間,而且需要有人組合起來。在產品離開我們的倉庫前,BlueStar 將 Elo 螢幕放到支架上、拉好線,安裝好軟體。接著我們放進盒子,出貨到位。」

而為了產生需求,BlueStar 和 Elo Touch 結合其行銷預算執行活動,提高他們的業績。

「像 Elo 這樣的製造商,會想要與瞭解企業與技術、而且具有有經驗的業務團隊、可以共同合作拓展市場的人合作。」Linkugel 表示。

「我們很重視在大環境改變時可以相互協商的機會,來決定出什麼對兩家公司最為有利。」Elo Touch Solutions 資深通路銷售總監 Kim Davis 表示。「他們對我們公司而言非常具有價值,因為他們管理的很好,而且讓我們的產品線持續成長。」

媒合後

除了結合軟硬體供應商,BlueStar 也提供客戶客製化的配置、融資、行銷以及服務上的支援。

「經銷商某種程度上都有點現金壓力。」Reverman 表示。「他們在外簽下合約,但他們不一定有能力為這些機會提供資金。我們提供獨特的融資選項,讓經銷商可以向市場提供解決方案。」

經銷商也可從合作關係中得到好處,包括能夠以動態的新方式,包裝解決方案的能力。而且他們能夠向市場推廣這些創新的新用法,成長他們的業績。

隨著工具和使用案例漸趨複雜,像 BlueStar 這類加值型經銷商是零售解決方案的專家,能夠為 SI 提供適合的技術與服務,協助他們進入新市場與取得機會。

「我們運用最新經驗證的技術協助我們的合作夥伴、為他們開啟機會,讓他們能夠從現有的業務中成長。」Reverman 表示。「也許是機器視覺、也許是在後方貼標籤與追蹤資產。無論是什麼,我們的工作就是經由我們業界將其實現。就好像瑞士刀,將解決方案開發完成並推出上市。」

 

本文由 insight.tech 編輯副總監喬治妮.貝內施(Georganne Benesch)編輯。

AI 與機器學習改造癌症治療

肺癌在全球最常見的癌症類型中排行第二,其篩檢是一個複雜的過程。醫師使用低劑量電腦斷層掃描 (LDCT) 掃描患者,產生數百張 2D 影像。醫師檢視這些影像,識別腫瘤的位置與體積,然後根據患者的病歷、檢驗報告、切片檢驗,及其他資訊進行評估,這一切都有助決定病症分期和最佳治療手法。

LDCT 是對抗這種致命疾病的必備工具,但它亦是一個緩慢而艱苦的過程,留有發生人為失誤的空間。有一種使用邊緣處理、AI 和安全資料分享的新方式,協助醫師更快達致準確診斷,並更早開始治療。隨著時間,它可增進對肺癌和其他疾病的瞭解,並推進更多有效療法的發展。

提高偵測率

LDCT AI 助理解決方案由網路硬體和邊緣伺服器製造商其陽科技股份有限公司 開發,協調使用三種進階技術更快取得結果。最重要的是快速運算能力。AEWIN SCB-1932C 邊緣伺服器搭載第 3 代 Intel® Xeon® 可擴充處理器,可在現場幾乎即時處理數百個 LDCT 影像。

「要處理那麼多影像,CPU 必須極為強大。」其陽的銷售與行銷總監 Benjamin Wang 表示,「而且部分 Intel® 晶片也包含內建安全功能,協助保護醫療資料免受黑客之害。」

此 AI 助理平台使用 Intel® OpenVINO 工具組分析患者的 LDCT 影像。系統透過大量掃描,可把醫師需要考量的影像數量從高達 600 減至少數。

「AI 應用推斷來偵測異常的肺結節並作出分類,讓醫師只需檢查優先度高的掃描,協助提高診斷效率。」其陽產品行銷經理 Tiana Shao 說,「醫療 AI 架構設計人員從可在其陽邊緣運算平台上輕鬆執行的數百個已支援 AI 架構中轉換,提供顯著的效能提升。」

隨著醫療 AI 技術提升篩檢效率,可更早識別疑似癌症,帶動治療工作流程更早開始。提升 AI 系統這種可用性能加速開發早期偵測解決方案,並可降低照護的總成本。

改善 AI 模型

最近其陽開始使用一個可提高偵測效率、更準確預測病發,並導向已提升治療的新平台。

多年來,各種迴異並不斷演變的患者隱私法律交纏,阻礙了醫療專業人員彙集和分析他們資料的能力。透過全新的 Qisda 聯邦式學習平台,全球醫院可安全地分享重要的 AI 模型參數,而不需傳送任何敏感的患者個人資訊。

如此巨量資料流入將讓需依賴分析大量資料組來提升能力的 AI 模型受惠甚豐。「透過在以其陽為基礎的 IT 基礎架構上執行的開放式、安全的聯合學習,醫院可一起建立並調整更優異的模型。」Shao 表示。

機器學習也需要多樣性才能減少偏差。當醫院資料隔離在孤島時,便限制了地理及人口範圍。即使是醫師使用的醫療儀器類型也可影響結果。在日益增加的多樣化資料組支援下的 AI 模型會持續提升準確度。AI 系統與醫療程序相連帶來大量結果,可協助醫師更充分瞭解疾病進展,並決定在各種情境中最有效的治療。

其陽計畫在台灣兩家主要的大學醫院和數家較小的地區設施部署 Qisda 平台及其智慧影像解決方案。購買新的 AI 基礎架構對許多醫療機構而言往往是具挑戰性的投資。利用現有 IT 基礎架構的閒置運算可減輕醫療 AI 開發的高昴資本支出。此外,Qisda 提供可以在醫療中心內實作的雲端解決方案。對於未能負擔高效能設備的地區醫院,此商業模式可出租解決方案,而不是購買整個系統。

「醫療 AI 為現代商業模式如訂閱或每次使用收費舖路。」Wang 說道。

隨著 AI 演算法內嵌更多資料,小型醫院及其分支將在學習模型準確度及預測的提升下同等受惠。

迄今以來,其陽在肺癌方面使用其系統,但使用案例可能擴大。「肺結節以現今技術就可實現高準確度偵測。我們以此作起點,並期望未來的潛在應用。」Shao 說,「憑藉全球各醫院相互合作,智慧醫療保健可快速演進。我們預期在未來幾年可看到許多新的應用。」

 

本文由 insight.tech 編輯副總監喬治妮.貝內施(Georganne Benesch)編輯。

加速開發人員的旅程:邊緣 AI

建構在邊緣執行的 AI 應用程式或看似一項難以應付的工程。但透過如 Intel® OpenVINO 工具組 2022.1 般適當的開發工具與平台,開始、簡化您的工作,並部署實際生活解決方案其實很容易。

為了深入研究邊緣 AI 的作業及業務價值,我和 Intel 的網路與邊緣組中 OpenVINO 開發人員工具副總裁阿當.邦恩斯(Adam Burns)開展了對話。邦恩斯談到把新功能帶入 OpenVINO 2022.1,讓開發人員更輕鬆,可專注在建構他們的應用程式的策略。我們的對話涵蓋該從何著手,到如何解決 AI 開發人員的最大挑戰。

首先我們一同討論開發人員在打造人工智慧解決方案時應該具備什麼知識。

歸根究底,邊緣是產生作業資料的地方。它位於商店或是餐廳,在您試圖為購物者或消費者最佳化體驗的地方。在醫學影像中心,它位於拍攝 X 光的地方。或處於一家想要提高產能及製造效率的工廠。

然後您得看看 AI 如何與現有的應用程式結合。舉例來說,在工廠裡,您有在組裝線上執行部分作業的機器。您可以使用來自該應用程式的資料進行目視檢查,並確保商品品質。或者可以使用音和資料型機器學習,來監測電腦健康狀況並預防故障。在這個組合下,您可以將資料用於應用程式,再用它來增強系統正在執行的事項。

邊緣五花八門。您有不同的機器尺寸、成本和可靠度期望。因此,當我們思考有關邊緣 AI 的事時,我們也在考慮如何解決有多種應用程式、外型規格和顧客需求的問題。

在 OpenVINO 2022.1 版本背後的策略和思維是什麼?

我們首次推出 OpenVINO 時,許多的邊緣人工智慧應用程式將重點放在電腦視覺上。

從那時候起,我們就與數以千計的開發人員合作並聽取他們的意見。我們加進此版本的有三大內容。

最重要的是讓開發人員易於使用。全球有數百萬名開發人員使用諸如 PyTorch、TensorFlow 或 PaddlePaddle 等標準的人工智慧框架,而我們希望工具在使用上更方便。舉例來說,某人從這些框架中抽出一個標準模型,希望將其轉換,好在各種不同的平台上使用。我們已簡化並更新我們的 API,把它變得和這些框架非常相似,開發人員也感覺格外熟悉。

其次,我們在邊緣有一組廣泛的模型和應用程式。可以是音訊、自然語言處理(NLP),或是電腦視覺。OpenVINO 2022.1 中非常重視啟用這些使用案例,並真正提高橫跨這各式系統的效能。

第三是自動化。我們希望開發人員能在他們選擇的裝置或環境上專心打造應用程式。OpenVINO 2022.1 自動偵測您正使用哪類平台、哪種模型,並決定該系統的最佳設定,而不是需要大量參數來真正調節並獲得最佳效能。如此一來,即使沒有最佳化專業知識,開發人員也能在各種系統中輕鬆部署。

您可以分享更多有關音訊和 NLP AI 現時如何應用的資訊嗎?

先以一個客戶例子說起,然後再來聊邊緣吧。今天,許多人都使用視訊會議平台。在此背後,那些平台在處理我們所說的內容,讓我們能夠在需要時提供隱藏字幕以提供清晰度和協助。那就是自然語言處理。

它們也進行噪音抑制。如果有人來我家工作,而我身後有一台高速風箱,視訊會議平台會盡量補捉我的聲音,把其他雜音降到最低。

我們在看待邊緣時,類似類型的工作負載至關重要。在餐廳自動點餐,在零售商店自動訂購,始終是一大重點。NLP 可用於處理會進入一間免下車餐廳的訂單,確保他們準確取得訂單,然後向顧客顯示。

音頻處理可在工廠用來衡量機器的健康狀況,尤其是在馬達和傳動裝置等方面。您可以在多種類型的設備上放置音訊訊號,並且可以偵測到表示故障或異常的某些音訊特徵。

因此,您會開始透過電腦視覺發現更多缺失;同時,您的音訊特徵正在偵測馬達的異常情況。那是一個標記,標示潛在修復或啟動某類修正行動。

現今的開發人員在建構 AI 應用程式時所面對最大的挑戰是什麼?

其中一個主要問題是,許多圍繞 AI 和現有模型的研究都在雲端環境上建構,您擁有幾乎無限的計算。如今在邊緣,許多開發人員是在受限的環境中工作。

您如何讓應用程式與功能不再只是紙上談兵的書面研究,而是實際投入部署?我們正在做的諸多努力之一是讓它具備高效和經濟實惠的特點,以便在邊緣執行,讓您從部署中獲得的價值大於部署成本。OpenVINO 讓開發人員能夠利用部分最先進的 AI 應用程式,但以足以在邊緣上真正部署的效率利用。

對希望學習更多、實踐更多的開發人員來說,他們可從哪裡開始?

請從 openvino.ai 開始著手。那裡詳列了入門指南,逐步說明模型最佳化、存取 Jupyter Notebook、不同類型的應用程式,以及代碼範本。還有,您當然可以免費下載 OpenVINO。

對於想要在託管環境中工作或想在不同類型的 Intel 系統中進行原型設計的人,我們有一個 IoT DevCloud。您可以在幾分鐘內登入並使用 OpenVINO 執行工作階段。無論是最佳化網路還是在資料集上執行特定類型的應用程式,那些筆記本和代碼範本的存取都相同,讓人可立即著手做事。人們可以存取大量不同的模型類型和應用程式,也能使用自己的樣本資料。

最後一項方法是我們的邊緣人工智慧認證計畫。它與教授邊緣 AI 的應用更息息相關,同時您會使用 OpenVINO 做為工具。

我認為這三處都是絕佳的起點,具體取決於您在開發過程中所處的位置。

您還有其他想要補充的嗎?

在邊緣產生資料的應用程式何其多。而那些資料可透過結合人工智慧來促進節省成本、提高客戶體驗或改善運作效率。OpenVINO 就是從營運的角度考量已在邊緣運作的東西,並透過 AI 對其增強。

今天的許多 AI,尤其是雲端的,都部署在昂貴的加速器上。在很多案例中,這些解決方案不是會造成過熱,就是所費不貲。OpenVINO 透過調整這些 AI 工作負載和這些 AI 網路,在標準現成的 Intel CPU 上有效執行來解決那個問題,而那些 CPU 現時擁有強大的 AI 效能,而且遍佈全球的部署中,亦即無需購買額外的東西。這開啟了一系列嶄新的機會,幾年前您無法部署這些應用程式,因為它們的效率不夠高,或者成本效益不足。

我們正試圖透過 OpenVINO 將更多的開發人員帶到邊緣,確保在這些技術上盡可能地投資,我們認為這些技術在客戶體驗、節省成本、改良製造和獲得更多商品方面皆價值匪淺。

從這個角度來看,我們正嘗試使用 OpenVINO 解決兩件事。其中是使其經濟實惠,以便部署。然後透過開發人員的角度使其更易於使用,進而使人工智慧真正地普及化,讓更多開發人員得以參與,並建立和部署這些應用程式。

 

本文由 insight.tech 編輯副總監克莉絲汀.卡杜薩(Christina Cardoza)編輯。

智慧建築技術可改善教育環境

疫情帶給我們一個教訓,就是親身學習的重要性。在學校裡,從幼稚園到高中學生都能獲得教育以外的東西。他們得到重要的資源與關係,協助他們茁壯成長。不論管理者、教師、父母,還是學生,每個人都希望他們的校園提供安全且健康的氣氛。

從改善室內空氣質量,到處理實際安全問題,需求廣泛多樣,學校管理者需審慎投資才能實現目標。

國際技術解決方案供應商 Honeywell International Inc. 透過在智慧建築技術方面的專業知識,與學校合作應對這些挑戰。

學校通常沒有預算作主要資本支出。管理者必須留意升級的資助來源,並部署利用現有基礎架構的解決方案。Honeywell 的智慧建築平台可與已安裝的系統合作,可節省成本及延長永續性。

AI 和電腦視覺把學校健康擴展至學校安全

該公司根據邊緣 AI 及電腦視覺的 IoT 技術,協助學校實行各式各樣的解決方案,在雲端進行集中化管理。例如它的智慧建築平台可協助校區在維持實際安全的同時,透過 AI 驅動影片、聲音偵測器,以及即時分析,進行監控空氣品質、管理能源、冷暖空調系統每一項控制。

系統跟蹤 KPI 並向一個包含平面圖及設備檢視的儀表板發出警示,讓預定工作流程作出符合緊急通訊協定的即時變更。它可調整温度、管理照明、驅逐劣質空氣、準確地標記安全事件,並在預設時間開啟及關閉 HVAC 系統。

智慧建築感應器持續收集環境與情境條件的資料。資料會傳送到一個分析引擎,以觸發自動化調整,支援各種目標:減少能源消耗、改善通風,以及實現快速回應安全威脅。

「那就是學校管理者現時怎麼安排他們解決方案的優次。」從事 Honeywell 州份與地方教育及聯邦教育市場高級策略客戶管理的布魯士.蒙哥馬利(Bruce Montgomery)說,「他們使用預防性技術,例如可從現有攝影機基礎架構取得摘要,或可在存取控制系統上加裝的軟體。這樣可讓他們維持員工、訪客和學生在建築物內安全及健康。」

多樣系統共同合作

雖然大部分學校使用舊式系統,但開放的解決方案至關重要。專屬硬體及軟體可將他們歸檔為一個可能已過時或淘汰的特定技術。那就是 Honeywell 使用由逾 20 個廠商支援的開放式通訊協定 Mercury 平台的其中一個原因。

「我們的目標是確保我們可繼續使用及改善他們的整體系統,而不需購買新的硬體。」蒙哥馬利表示,「因此,大部分學校使用或正引導至開啟 Mercury 硬體。」

該平台讓 Honeywell 整合各式各樣的建築物控制及空氣質量系統。而在安全性方面,它支援及整合了 Honeywell 及其它廠商的存取及影片,將各種系統整合至單一介面。

Intel® 是以邊緣的高效能處理及預建 AI 演算法讓這件事成真的一位主要夥伴。例如在影片系統的安全性使用案例中,Intel 處理器驅動 Honeywell 的 NVR 轉譯及解壓縮。

「我使用安全與影片及存取已許多年了。」蒙哥馬利說,「在我們的影片及處理技術中,我從沒看過比我們現在所見 Intel 的效能層次更高的。」

該公司正把焦點主要集中在其 Forge 連線平台,該平台把 AI 型分析應用於智慧建構與安全性管理系統。這類開發將令智慧建築物變得更聰明,並最佳化安全性。那讓學校在營運影響健康及安全性的建築物時操控更佳,同時推動永續性及效率。

安全建築物是健康建築物

IoT 技術讓校園安全性、結構安全,及更健康環境的整合成真,規模史無前例。安全建築物推進更健康的建築物。

「客戶在問:『連同安全性考慮的話,我該如何管理建築物控制及 HVAC 呢?』我們開始看到他們真的一起獲得一些協同效應,而且我們現在也加入那些討論。」蒙哥馬利說,「當你開始為整套校園需要結合建築控制時,我們看到一套全新的效率。」

 

本文由 insight.tech 編輯副總監喬治妮.貝內施(Georganne Benesch)編輯。

智慧視訊分析啟動智慧型攝影機

市區街道、大學校園、體育場和工廠的共通之處為何?視訊攝影機。視訊攝影機涵蓋各式各樣地點,服務所有種類的需求,從交通管制、娛樂到製造業員工安全。

然而,這些情境都有一大挑戰。視訊攝影機雖然分布廣泛,但卻不夠智慧靈活,無法滿足企業目標或提供足夠的投資報酬率。

監控影片片段多半是人為即時觀測。即使是最勤快的人也會分心和注意力不集中。然而,拜處理與分析技術進步之賜,企業和市政府可以利用既有的視訊攝影機系統,獲得前所未有的深入解析和資訊。

視訊資料分析公司 AvidBeam 執行長 Hani Elgebaly 表示:「不具分析能力的攝影機,幾乎形同失效的投資。」「由於人類保全人員有天生的侷限,因此組織需要分析能力,才能處理值得注意的事件。」

AI + 深度學習 = 智慧型攝影機

Elgebaly 負責帶領研發專案 19 年之後,於 2014 年共同成立了 AvidBeam。自此之後,該公司便開發出採用大數據工具和深度學習模組的處理引擎,可從即時視訊串流識別及分類物件和模式。Elgebaly 表示:「AvidBeam 有多款應用程式可帶動安全性、工作場所安全、作業效率和商業情資。我們的應用程式利用 AI 和深度學習,從視訊串流擷取實用的深入解析,然後儲存於資料庫,或是透過視覺化的使用者介面向客戶顯示。」

Elgebaly 憑借他的技術與商業背景,看出了利用 Intel® 這類尖端技術的價值。他表示:「Intel 為從伺服器到智慧型攝影機,再到行動裝置的視訊分析作業,提供了關鍵的強大處理器。」「科技可協助我們提供最佳效能與強化的體驗。」

AvidBeam 解決方案開發工作採用訓練資料,並且利用 TensorFlow、Tensor RT 和 Café 這類傳統 AI 工具。這項解決方案可偵測、追蹤、分類及分析視訊串流,進而擷取物件、人、事件、警報等其它資訊。

擷取的資料會透過網路瀏覽器視覺化,因此您可在任何裝置查看這項資料,例如筆記型電腦、平板電腦或手機。此外,由於該解決方案會合成大數據分析,以近乎即時的方式處理及分析大量視訊串流,因此可配合智慧城市和企業組織擴充。

智慧視訊分析可保護隱私權

在傳統攝影機加入新技術,既可實現安全目標,還能維持隱私權。Elgebaly 表示:「我們尊重個人隱私權,不會保留個人資料。」「我們正提供分析工具,以零售業為例,客戶資料會留在內部。從那個角度來看,我們遵循了 GDPR 和其他隱私權法規。」

透過 AI 技術支援之視訊處理與分析的可擴充性,應用程式可徹底改變各式各樣的使用案例,包括市政府、零售業和製造業。

智慧城市尤其適合利用視訊分析。科技可協助城市打造高效率、更安全且更宜居的環境。

舉例來說,交通管理可同時提供安全與效率,而且基於偵測違規事件以外目的執行視訊分析的城市越來越多。為行人和自行車騎士改善環境、減少道路擁塞,以及改善空氣品質,這些作法都能強化城市生活方式。

Elgebaly 表示:「我們每天都發現新的使用案例,而且我們認為業界對於視訊分析潛力的瞭解還不夠深入。」

夥伴生態系統的價值

透過在現有平台與工作流程整合視訊分析保護企業投資,是他們共同關切的一項問題。AvidBeam 技術不僅能利用企業既有的視訊系統,還能搭配各式各樣的視訊管理解決方案使用。

Elgebaly 表示:「我們整合了 Milestone 這類視訊管理系統,因此 VMS 的使用者介面可顯示警報和警示。」「我們與 Milestone 的夥伴關係至關重要,因為客戶會透過他們的市場找到我們。幸好我們所有的應用程式皆原生整合 Milestone,因此我們可因應目前和未來的使用案例。」

另外,AvidBeam 重視它與解決方案供應商和系統整合商的夥伴關係。Elgebaly 補充:「對於缺乏為客戶部署這類解決方案所需技能的合作夥伴,我們會持續為他們提供新機會。身為純軟體供應商,我們側重的是技術,並且讓合作夥伴可銷售及安裝硬體及提供服務。

視訊處理與分析的未來

雖然視訊分析技術的應用程式可能很多,但我們仍處於早期採用者的階段。「未來十分令人雀躍。除了適用於智慧城市與製造業的應用程式,技術還可望迅速將觸角延伸至各行各業,例如運輸系統、醫院和零售商。」

超音波領域的虛擬協作促進臨床護理發展

我們經常從醫療保健如何改善醫病關係的角度來看待醫療保健,無論是及時存取患者的病史或是遠端健康檢查。但我們看不到的是幕後進行的照護提供者協作、指導與訓練。

疫情的尾聲中,醫療保健系統經歷了員工生產力和人力短缺的持續性問題。過勞使員工流動率變得更高。「這可能導致醫院和診所員工數量或專業知識不足,無法進行各種不同的檢驗類型,」頂尖醫療保健技術提供者 GE Healthcare 的超音波數位解決方案全球行銷總監 Eddie Henry 表示。

一套醫療保健系統可能在一座城市或州部署多個據點,一方面擴大了病患的使用機會,同時卻也帶來挑戰。這表示協作與知識分享變得至關重要,經驗豐富與剛起步的供應者之間的交流更為關鍵。新入行的臨床醫生可能會遭遇棘手的病例或檢驗類型;在這些時候,倘若能與經驗老道的同事談談,把對方當作學習的對象,必定能獲益匪淺。然而,這些專家未必與前線的臨床醫師處於同一地點。新的技術可為技術人員和其他臨床醫師提供流暢且安全的方式,隨時隨地連線,以便解決這些協作挑戰。

串連臨床醫師,提供虛擬超音波體驗

GE Healthcare Digital Expert Connect 解決方案串連了超音波掃描師、內科醫師和遠端照護提供者,讓他們彼此學習,提供更優異的病患服務。這款虛擬、互動式、點對點的協作平台讓臨床醫師與同事即時聯繫,不但問題可以得到即時的解答,改善臨床決策,並能提供更加協調、個人化的病患照護,進而推動「精準健康」。

Digital Expert Connect 可讓 GE 超音波設備的使用者與網路中的同業進行虛擬連線。符合 HIPAA 的協作工具可讓臨床醫師共同處理患者的病例,一切全在搭載 Intel® 技術的平板電腦上完成。

可透過分享螢幕,讓同事看到他們正在看的超音波影像。遠端臨床醫師也可藉由平台的即時註解功能,針對病患的案例提供即時意見回饋。透過互動式的介面,提供者可輕鬆地與同事交流、尋求建議,並取得專家對特定檢驗或掃描的看法。

Henry 表示使用 Digital Expert Connect for Ultrasound 可透過多種方式使臨床醫師受益。為地理區域遼闊的醫療保健系統所服務的超音波掃描師,可使用工具與下班後的超音波掃描師組長甚至內科醫師聯繫,進而得到支援,鉅細靡遺地解說某個特定的檢驗並回答他們的問題(影片 1)。

https://www.youtube.com/watch?v=bnKlr1sYz90

影片 1。超音波臨床醫師的虛擬即時協作與訓練,可協助改善臨床工作流程。(資料來源:GE Healthcare
「我曾親耳聽過超音波掃描師說:『有時我明明和病患共處一室,卻還是感覺很孤獨,』因此,能快速但又不唐突地與他人聯繫有助於提升他們的信心。」

這項工具也能使超音波掃描師與要求進行病患掃描的婦產科醫師、放射科醫師、心臟科醫師和其他科的提供者連線。他們可以共同研究檢驗的掃描影像,最終節省內科醫師在檢驗後研讀或解讀影像的時間。

GE Healthcare 的超音波數位生態系統全球產品經理 Jay Hanrahan 表示 Digital Expert Connect 也可幫助醫療保健系統減少檢驗錯誤,免得重新掃描。

「假設超音波掃描師為病患掃描,然後傳到 IT 系統供放射科醫師檢視。 醫師看到結果後說:『影像中沒找到我們要的東西,所以要請患者再做一次掃描。』如果是在掃描過程中得到這段通訊,則可以即時進行修正。因此,病患無須特地多跑一趟,整個流程也更有效率,」Hanrahan 表示。

在醫療保健的整個體系中推動變革

Digital Expert Connect 可協助必須支援遼闊地理區域的臨床醫師。系統中一般會有一個中心樞紐,大部分的臨床專業知識都彙總於此。其他地點中,有的是農村,臨床醫師可能具備輔助性的專業知識與技能。

「平台可提升這些農村中心的功能,因為您有能夠透過虛擬方式前往那裡的專家,」Hanrahan 表示。「這也提升了患者的滿意度和生活,因為他們在當地就能得到完善的照護,而不用每兩週就往大城市跑一趟,這對他們的家庭生活可能會帶來不小的干擾。」

Digital Expert Connect 正在改善臨床工作流程並提高醫療保健系統的效率,以因應員工生產力的持續性挑戰。更重要的是,這項解決方案推動了協作和虛擬超音波體驗,進而改善臨床結果和更加個人化的護理。臨床醫師無須長途跋涉才能與同事合作,而病患也不必千里迢迢、歷經舟車勞頓才能取得所需的臨床專業知識。

「我們在協助客戶,無論是超音波掃描師、放射科醫師或女性護理領域的某人,為他們的特定患者做百分百正確而且是最好的決策,」Hanrahan 如是說。

 

本文由 insight.tech 編輯副總監喬治妮.貝內施(Georganne Benesch)編輯。

協助智慧工廠獲得無懈可擊的機器視覺

過去幾年,製造商為了精簡營運方式飽受壓力。徹底改變智慧工廠是其中一個方法。所謂的徹底改變可能涵蓋很多層面,其一是採用攝影機系統締造機器視覺。在機器視覺解決方案採用 AI,但這種解決方案似乎卻比問題本身更嚇人,尤其是身邊若沒有資料科學家或 AI 開發人員則更令人膽戰心驚。

Mariner 是善用物聯網、AI 和深度學習的技術解決方案供應商,該公司的行銷副總裁 David Dewhirst 為我們解析了這個情勢。David 將焦點放在 Mariner 關鍵的專業領域,也就是充分運用機器視覺和 AI,在廠房締造品質保證,因為誠如他所說,品質並非憑空而來。此外,事先在廠房為品質付出代價,遠遠勝過為產品粗製濫造而在商譽上付出代價。

這對智慧工廠來說代表什麼意義?

我習慣區別資料與資訊之間的不同。資料僅僅是輸入,而且無所不在。您必須以某種方式轉換那項資料,才能像利用資訊般充分發揮資料的用途。思考智慧工廠或連線工廠時,我會將廠房固有的所有資訊都納入考量。那麼,您如何連結所有的資料?此外,您如何處理那些資料,從中獲得實用的結果,並取得資訊?此外,利用全新的感應器與技術,能夠真正提升製造業的頂尖水準。

在這趟邁向智慧工廠之旅,製造商的表現如何?

事實上,這個領域的專案失敗率頗高。儘管如此,還是得放手一搏,因為所有的競爭對手紛紛加入這個行列。如果不這麼做,遲早會落於人後。

在我看來,這些專案失敗時,是因為製造商尚未想通他們打算怎麼做。雖然知道必須加入這個行列,但他們的初衷未必是為了解決某個特定問題。不過,我認為任何智慧工廠計畫都該用那種方式進行。如果您的工廠正全力推動數位轉型,雖然尋找使用案例的作法可能並不帥氣,不過卻能解決最大也最嚇人的問題。我們的解決方案極端側重於改善工廠的瑕疵偵測,所以這算一種使用案例。

另外,務必找到可向各層級員工銷售的使用案例,其中包括受該使用案例影響的工程師,也涵蓋負責開立支票的決策者。接著,您便能踏上方向明確的智慧工廠之路。清楚識別使用案例有助於銷售專案,並且幫助您解決它;如果是偵測瑕疵方面的問題,您可以尋找專精此道的公司,例如 Mariner。接著,您或許會識別出之後可以處理的其他使用案例。

找遇到問題的人談談,是識別這類使用案例的最佳方法。找廠房員工、工程師,也就是在現場工作的人聊聊。他們通常都對日常問題略知一二;他們甚至可能會壓抑問題,或是在有解決方案的前提之下,直接設法改善問題。另外,找職位比您高的人談談。對他們說:「我們的錢都花到哪裡去了?」

機器視覺對智慧工廠的重要性為何?

說到工廠環境中的機器視覺或攝影機系統時,通常是指類型和位置固定的固定攝影機。它們是為生產線所量身自訂。為了鎖定該生產線的特定產品,這些攝影機的設計會參考其位置、照明以及設置。攝影機的重要性在於它們改善品質控管程序的能力。

不是有個品質總成本的概念嗎?出廠時若要有優良的品質,就必須投資廠房。或者,如果不這麼做,大量退貨和保固索賠一定會找上門。不在廠房的品質成本上花錢,意味著您日後依舊得為品質成本付出代價;只是到時候的錢是花在取消合約以及不良的品牌聯想。

付出這類代價最便宜且 ROI 最高的方式,就是投資廠房的品質。這並非新穎的概念。自從第一條組裝線在密西根州迪爾伯恩問世以來,就有人在生產線末端檢查產品,負責品管。協助這項工作的機器視覺系統或攝影機系統,早已問世數十年之久。由於這類系統在檢查不同零件時能維持一致,因此極為實用。正如我剛剛說過,系統檢查方式之所以一致,是因為攝影機的位置非常固定。

AI 如何協助讓這個程序更上層樓?

過去幾十年來,機器視覺系統在解決二進位問題方面極為出色。舉例來說,這個零件有孔,或者這個零件沒有孔?這屬於二進位的問題:是或否。使用傳統的程式設計極為容易,仰賴是非題即可得到是/否的答案。

然而,如果不是二進位的問題會發生什麼事?如果問題並非是否有孔會怎麼樣,如果舉例來說,您要瞭解的問題是,這是布料上的油漬還是棉絨呢?兩者都有點模糊。或許油漬稍微比較模糊,棉絨比較不模糊,但您必須在模糊度之間劃出武斷的界線。那麼,如果之後出現比您界定的界線稍微模糊一點的棉絨,又會發生什麼事?這就可稱為瑕疵。如果油漬比您預期的模糊程度稍低,會發生什麼事?這個油漬不會被發現,因為您可能會認為那是棉絨。這正是 AI 派上用場的時候。

有了機器學習和深度學習技術,您無須針對是/否的答案界定武斷的界線。您利用足夠的油漬和棉絨範本就能訓練 AI,而且 AI 會自行學習兩者的差異。AI 可解決過去光靠傳統程式設計無法徹底解決的那種難題,因此您通常可利用視覺系統和攝影機系統為您代勞,改善一直以來差強人意的表現。

如果製造商缺乏 IT 或 AI 支援該怎麼做?

我們 Mariner 會利用工具。我們會請品管人員為有瑕疵的產品拍攝影像、將影像上傳至工具,然後在四周畫一個小盒子。這樣一來,品管人員就能發揮所長,檢視影像後指出瑕疵。我們可以善用這個方法,然後發揮我們的長才,也就是資料科學。我們的資料科學家會建立那個 AI 模型,所以廠房不需要任何資料科學人員。這件事交給我們。

其他公司出品的其他解決方案和其他空間出廠的是預先組裝模型。那些模型未必可行,取決於預先組裝模型與廠房特定情況的相符程度。

資料收集與處理都在哪裡進行,是邊緣還是雲端?

視情況而定。如果全廠有 10,000 個感應器,而且您會產生好幾 TB 的資訊,那麼就必須在雲端進行。若為機器視覺,對於雲端的依賴程度則稍低。Mariner 透過旗下的 Spyglass Visual Inspection 解決方案(SVI),其實是採取混合式解決方案。原因在於,若是即時瑕疵偵測工作,我們來不及往返於雲端。我們實際的瑕疵偵測和 AI 推論工作是在廠房進行,因為這樣一來,即時網際網路中斷連線,生產也不會停擺,廠房也不會關門。

我們也利用雲端。SVI 的設計可在無人監控的情況下執行,但工程師之後可檢討 AI 所做的決定。如果 AI 出錯,工程師可加以修正。修正的結果會上傳至雲端。另外,如果 AI 模型必須重新訓練,我們可以在雲端進行,因為過程無需即時連線。

為了讓所有環節都銜接起來,您如何與這個生態系統的其它合作夥伴合作?

首先,我們不販售攝影機,我們屬於 AI 軟體即服務 (SaaS) 解決方案。如果您需要攝影機,我們合作的視覺整合商可為您挑選合適的攝影機。總體來說,攝影機不是我們關心的環節;我們可以利用您現有的任何攝影機,也可以陪您選購攝影機。

其二是合作夥伴,由於我們需要強大的處理功能,因此我們在廠房與 Intel® 和 Nvidia 密切合作。我們出廠的是 AI 軟體即服務 (SaaS),諷刺的是,它將會透過伺服器方塊的方式交付給您。我們之所以採取這個方法,是因為這樣一來我們就能隨心所欲建置這些伺服器方塊。因此,針對重量級處理作業,我們採用 Intel® Xeon® 晶片,另外搭配 Nvidia 顯示卡提供額外的 GPU 運算效能。

我們也與 Microsoft 合作,通常是在 Azure 方面。Azure 有很多預建的服務和其他功能供我們使用,而且在安全與速度和其他重要環節方面我們也很放心。

您還有任何要補充的地方嗎?

雖然您未必需要 Mariner 的解決方案,但是您必須有工業物聯網和 AI 才能進步。事實上,雖然有鑑於您的使用案例,您未必需要 AI,但是絕對需要某個種類的工業物聯網。我主要會鼓勵大家思考適合他們的使用案例和情況。找到案例、加入我們的行列,不要成為最後一個上車的人。

相關內容

若要進一步瞭解瑕疵偵測,請閱讀 有保障的機器學習模型,以及收聽您可仰賴的產品瑕疵偵測:與 Mariner 攜手合作。如需瞭解 Mariner 的最新創新技術,請上 Twitter 關注 @MarinerLLC,以及上 LinkedIn 關注 Mariner

 

本文由Erin Noble編審

AI 輔助診斷:癌症偵測的未來

對於癌症患者來說,獲得快速準確的診斷左右了他們預後情況,也是讓他們安心的關鍵。然而,若是透過內視鏡篩檢,那麼過程會更加複雜。醫生通常會用專業攝影機尋找病灶,但各項限制卻會助長疏漏和錯誤。事實上,使用這個標準程序的專家會遺漏 25% 左右的大腸直腸癌或惡性腫瘤

目前,這類攝影機獲得了 AI 和機器學習技術強化,有助於改善患者的結果。這項解決方案利用視訊遊戲常用的擷取卡實現高解析度圖形,而且可以即時顯示在螢幕上。清晰的影像搭配機器學習資料,可協助醫生更快發現腫瘤,加速患者的治療之路。

「內視鏡是 AI 分析的基礎案例,因為醫生想瞭解您體內的情況。」工業與醫療級電腦產品供應商 Wincomm Corporation行銷經理 Evelyn Tsai 表示。「過去,醫生必須請患者回醫院接受進一步觀察和檢驗。透過 AI 輔助診斷,無論是否為腫瘤,他們都可即時診斷。」

日本一家醫院率先部署了 AI-Powered Medical Panel PC for New Endoscopic System,又稱為 EndoBRAIN。它的速度和準確度可降低與活體組織切片和重複大腸鏡檢查方面的成本、時間和風險,讓患者免於忍受多項程序的高度不適。另外,EndoBRAIN 可改善偏鄉醫療照護機構的患者診斷。這類設施往往缺乏經驗豐富的專業人士,因為經驗豐富的專業人士通常都在大型都會醫院服務。

「AI 輔助診斷並不會取代醫生的決定,而是透過預測訓練模型支援醫生的決定。」Tsai 表示。「相較於年輕醫生,經驗豐富的醫生可能更容易偵測到腫瘤。透過這類系統,醫生無須仰賴多年職業的經驗,因為電腦已經學會了這方面的經驗,能夠協助診斷。」

開發夥伴關係帶動創新

不同領域必須攜手合作,這類技術才能順利運作。舉例來說,若要開發解決方案,醫學專家必須與嵌入式技術專家密切合作。

其中一項這類案例,就是 Wincomm 工程師與 FUJISOFT 子公司 CYBERNET SYSTEMS CO., LTD. 工程師密切合作,開發出 EndoBRAIN 與 EndoBRAIN-EYE 這兩套工具,部署 AI 來偵測及分析內視鏡中的大腸直腸息肉和其他病灶。

這套系統與 Wincomm 的高速影像處理 Medical Panel PC 平台和一款 Olympus 內視鏡整合,這也是它取得上市所需監管核准的關鍵。除了運算效能和設計彈性之外,這款平板電腦採用抗菌設計,能夠防範經由空氣傳播的疾病。另外,系統內建安全措施,可避免設備受到訊號和電壓反饋迴路損害,進而保護患者資料。

AI 與機器學習改善診斷準確度

EndoBRAIN 是拍攝患者大腸內部用的內視鏡顯微鏡,同時也是利用影像分析技術判斷是否有大腸直腸癌的 AI 軟體。這套工具利用 60,000 筆病例「學習」之後,敏感度為 96.9%,準確度是 98%,表現與資深專家不相上下。診斷利用 AI 自動判斷影像放大的關鍵部分,過程簡短,可減少患者不適,並且減輕醫院員工在排程與訓練方面的重擔。

邊緣的 AI 推論採用 Intel® OpenVINO 工具組,是提供診斷所需即時資料的關鍵。

「若要讓醫學影像程序運作順暢,就必須達到低延遲,也就是近乎即時的程度。」Tsai 表示。「醫生必須一邊觀看螢幕,一邊看著分析資料。醫生有各種不同的技術,例如以更快或更慢的方式移動影像。系統還必須能符合醫生的行為。Intel 處理器提供強大的運算效能、高解度圖形,以及支援這些需求的架構。」

人工智慧在醫療業的前景

Wincomm 還協助系統整合商將 Medical Edge AI 解決方案擴大至其他使用案例。這個醫療邊緣 AI 電腦平台搭載 Intel® Core 處理器,能夠搭配各式各樣的伺服器、攝影機控制裝置,以及醫學影像解決方案。除了內視鏡之外,這項技術還支援各種使用案例,例如機器人手術、超音波、ECG 和 x 光。

雖然技術無法取代人類醫療保健專業人士提供的判斷與照護,但 AI 確實能夠以舉足輕重的方式影響及強化這個產業,Tsai 表示。首先,AI 可協助提供更準確的診斷,例如透過內視鏡解決方案。對於尚未累積經驗的新進醫師來說,資料分析的影響可能格外深遠。

第二,AI 工具可實現智慧監測解決方案,既能收集資料,還可節省時間與資源。舉例來說,診斷屬於非危急性質的患者可利用遠端照護,將醫院病床釋放給病況更嚴重的人。此外,AI 可協助護理師從中央位置監測患者,不僅省時,同時還能維持照護。此外,AI 解決方案可加速將先進醫療照護部署至更大範圍的地理地區,包括難以與頂尖照護供應者競爭的農村機構。

「邊緣 AI 未來將大幅改變醫療保健產業。」Tsai 表示。「成本、時間與醫療照護服務品質將日益改善,而且患者能獲得更快速的照護。」

 

本文由 insight.tech 編輯副總監喬治妮.貝內施(Georganne Benesch)編輯。

在邊緣部署工業人工智慧的完整範疇

在過去的幾年裡,智慧製造領域一直在迅速發展,以跟上數位時代的需求。邊緣運算是數位化轉型歷程的重要環節。但邊緣不是一個固定的目的地,只是過程的一部分。

而企業在這一歷程中可能仍需方向指引。那麼路線圖由誰掌握呢?這些企業如何得知他們何時實現了必要的目標?全球高效能運算領導品牌 Lenovo 全球 ThinkEDGE 事業總經理 Blake Kerrigan和 IoT 與邊緣運算服務供應商 ZEDEDA 生態系統副總裁 Jason Shepherd 認為沒有一體適用的方法。

他們探討邊緣運算的整合協調,將公用雲端體驗的最佳優勢帶入邊緣,以及最初雲端運算與邊緣運算之間的關係。

現今製造業領域的數位化轉型是什麼樣貌?

Blake Kerrigan:在過去 15 到 20 年中,大多數工業客戶把重點放在自動化,但現在就我們的觀察,最重大的趨勢都圍繞著電腦視覺和人工智慧使用案例。其他諸如缺陷偵測和安全應用也是我常在製造業和通路業所觀察到的使用趨勢。

問題是:您如何提高現有流程的效率?我們開始發現獨特的解決方案百家爭鳴,客戶也愈來愈容易採納。

這會如何改變邊緣運算和雲端的角色?

Jason Shepherd:只有那些想推銷網路連線的人,才會認為將原始影片直接傳送到雲端是個好主意。重點是能透過電腦視覺,在邊緣查看即時攝影機或影片串流,讓人持續監控,並在需要時以內建智慧觸發人為介入。

製造商如何在這段邊緣歷程中取得最大的成功?

Jason Shepherd:邊緣是一個從極為受限的裝置一路到內部的連續體。最終您會進入雲端,而在這個連續體中執行工作負載是在效能成本、安全性和延遲問題之間取得平衡。

對製造商而言,最重要的是要先了解它是一個連續體,接著理解各種的權衡取捨。如果您位於安全的資料中心,情況會與在廠房時不同,比方對安全性有不同的需求。首要問題是對整體環境有個概念。

若要實際部署,一定要從使用案例開始著手,然後執行 POC。在這個階段,我們看到了很多實驗。但將實驗室的實驗原封不動地搬到現實世界可能非常棘手,例如攝影機的角度改變、光照變化、內容切換等。

重點是要把問題切分成細項,將對於基礎架構和應用層面的投資分開。與能夠靈活設計的供應商合作,並由此展開後續作業。最終彙總為具有一致基礎架構的特定領域專業知識,就像我們與 Lenovo、ZEDEDA 與 Intel® 所做的一致性基礎架構。

Blake Kerrigan:您可以在實驗室中建構一些東西,但通常工程師都不太會考慮開發或部署解決方案的成本。規模化的最大障礙包含部署、生命週期管理,以及經年累月需要轉換晶片。

第一步是瞭解您想推動怎樣的業務成果,再瞭解與該成果相關的成本。客戶必須先瞭解整個解決方案生命週期中的反覆運算程序, 才能選擇正確的硬體。我們在 Lenovo 與大家一同研究解決方案架構,並思考人們現在需要什麼類型的資源,然後考慮明天、下週、明年甚至未來五年該如何拓展?

告訴我們更多如何處理邊緣運算的方法。

Jason Shepherd:有很多針對特定目的而打造的特殊垂直解決方案。我老是說所有新興市場都是先垂直發展,然後才水平發展。這與領域的專業知識有關。

不同的是,一切都變成由軟體定義,也就是從基礎結構中抽出應用程式。在製造業中,控制系統歷來都非常封閉,他們用這種方式增加黏附性來控制供應商。當然,如果在安全性和程序正常運作時間上沒有嚴格控制,則會產生一些影響。

而在邊緣中,我們能夠利用公用雲端元素,包括平台獨立性、雲端原生開發、持續交付不斷更新和創新的軟體,並將這些工具帶回邊緣。基本上,我們已經採用公用雲端體驗,並將其擴展到廠房中。

我們在 ZEDEDA 所做的是,雖然我們從管理的角度和安全性的角度協助擴展這些工具,但仍必須考慮一件事,那就是儘管套用相同的原則,但在實體安全的資料中心起不了作用。當您在資料中心時,您會有一個經過定義的網路邊界; 如果沒有,我們就會假設您部署在不受信任的網路上。此外,當您不在資料中心時,則必須假設有時會失去和雲端的連線,並且必須能夠承受這種情況。這種情況並沒有一體適用的方法。

那麼何時該使用雲端而不是邊緣呢?

Blake Kerrigan:雲端對不同的人有不同的意義。在 Lenovo,我們認為邊緣最終將成為雲端的延伸。邊緣運算就是將有意義的資料儲存起來,或是應用更密集的人工智慧;我們在做的事,就是試圖梳理平淡無奇或缺乏見解的資料。

有兩個重要考量。第一個是協調:如何遠端建立和協調一個可以在現場外管理應用程式的環境?第二個是進行初始訓練,讓這些模型經年累月更臻完美。訓練是人工智慧和電腦視覺的重要部分,而且訓練所需的資源量和時間都被嚴重低估。最有效率的方法之一是在雲端中協同合作。

讓我們以缺陷偵測為例。假設您在全美有 50 家不同的工廠,每家都在工廠內部執行缺陷偵測電腦視覺應用程式。最終,您會希望將從一家工廠獲得的訓練和知識和另一家工廠分享。唯一可行的方法就是在雲端中進行。

因此,我認為雲端在邊緣運算方面也是不可或缺的,說得更具體一點,是邊緣人工智慧,以處理邊緣運算或邊緣分析資料的巨量資料為形式。然後,訓練人工智慧工作負載以重新分配回邊緣,進而更有效率、更具影響力,並提升使用者的洞察力。

Jason Shepherd:我們在 ZEDEDA 都說邊緣是最後一個要建構的雲端,是雲端的邊緣。有三種方法。一種是以雲端為中心,採用輕量級邊緣運算,然後在雲端中進行大量繁重的運算。第二種是運用雲端的力量來訓練模型,然後將推斷模型部署到邊緣以進行內部操作。所以這是一個雲端支援或雲端輔助的模型。第三種有一個以邊緣為中心的模型,可能在雲端中訓練,但所有繁重的資料工作都在內部進行。正如 Blake 所說,這不是一體適用的。

如果製造商缺乏適當的 IT 專業知識,哪些工具或技術可能會有所幫助?

Jason Shepherd:ZEDEDA 會是正確的解答嗎?

重點是要找到合適的工具,然後在工具中應用領域的專業知識。有很多人擁有領域專業知識,廠房裡的人就是專家。然而,嘗試在現實世界中進行部署時,通常沒有熟稔編寫指令碼且在資料中心空間工作的員工。此外,現實世界也比廠房大得多。這就是 ZEDEDA 存在的原因:簡化這個程序,並提供直通現場的公用雲端體驗。

Lenovo 及其合作夥伴為何在這領域選擇與 Intel® 合作?

Blake Kerrigan:與 Intel 合作的價值不僅侷限於邊緣運算,就邊緣運算而言,從矽晶片的角度來看,Intel 是我們最大且實力最雄厚的合作夥伴。它在嵌入式領域、工業電腦領域擁有大量堅實的傳統基礎。另一方面,Intel 持續處於業界領先地位。它不斷投資對邊緣而言重要的特性功能,不光只針對資料中心和電腦。

OpenVINO 位於 Intel 較大的工具生態系統中,但 Intel DevCloud 也深受我的青睞,因為它可以幫助我們的客戶快速入門,無須寄送四五台不同的機器給他們。它可讓這些客戶在雲端式開發環境中立即作業。他們可以控制各種不同的參數,然後在環境中執行應用程式和工作負載。這提高了上市或部署方面的效率。

在 Lenovo,我們希望能為嘗試在邊緣部署基礎結構的客戶打造最順暢的體驗,這就是 Lenovo 和 ZEDEDA 與 Intel 結盟時能彼此截長補短的原因。

Jason Shepherd:ZEDEDA 基本上是一家 SaaS 公司:以軟體為主,但來自硬體領域。硬體很複雜,所以與 Lenovo 合作雙方便能相得益彰。與建構可靠基礎結構的人合作非常重要。

最後是否能總結一下邊緣運算歷程的重點?

Blake Kerrigan:正如 Jason 所說,硬體可能會很棘手。依我看,很多人都是從硬體開始著手的,雖然我來自硬體公司,但這麼做未必是最好的第一步。但在 Lenovo,我們仍希望能參與這趟歷程的第一步。聯絡我們的專家,看看我們能如何幫助您瞭解潛在的障礙。然後,我們也會向您開放合作夥伴生態系統,無論是 Intel、ZEDEDA,還是其他公司。

把您的問題,最大和最艱鉅的難題丟給我們,讓我們幫您設計、執行、部署及實現這些深入見解和成果。

Jason Shepherd:重點是生態系統。投資社群,這樣您就可以專注於創造更多價值。

重點不在於免費,重點在於賺錢。夥伴關係也是重要的一環。

相關內容

若想進一步瞭解製造業的邊緣運算,請收聽製造商解鎖邊緣人工智慧:Lenovo 和 ZEDEDA,並閱讀雲端原生將電腦視覺導向關鍵邊緣。有關 Lenovo 和 ZEDEDA 的最新創新,請在 Twitter 追蹤 @Lenovo@ZededaEdge,以及在 LinkedIn 關注 LenovoZededaedge

 

本文由Erin Noble編審

鐵路預測性維護必須方法得當

如果非得選擇一個系統使用預測性維護技術,那我會選列車。以交流電驅動的現代化引擎是複雜的系統,成本可能上看 230 萬美元。透過預測性維護演算法,來監測感應器、傳動器和控制子系統的異常行為,鐵路營運商可以降低成本、帶動收益成長,並將投資報酬率最大化。

然而,若要有效地進行預測性維護,則必須跨智慧鐵路通訊網路來傳輸資料。比方來說,作業資料必須易於存取,並可用來偵測異常的列車行為、訓練機器學習模型,以及告知邊緣演算法要執行推斷的內容。

這也是為什麼要推出歐盟資助的 SCOTT (Secure Connected Trustable Things) 專案,重點是建立對無線解決方案的信心,例如自主式無線網路(AWN)。僅管該專案是因應橫跨域 15 個工業使用案例的 5G 和雲端運算的使用案例,包括跨域應用程式與異質環境,但其採用的標準化、符合 ISO 29182 的多域參考架構,可為智慧鐵路運輸使用案例的需求量身打造。

SCOTT 參考架構中定義的組成要素有助於在這些應用中繪製無線技術與服務架構。

SD-WAN 的魅力

無法從參考架構中瞭解的是現今的鐵路環境中已存在著多少 AWS 可以利用的連線能力,尤其是客運列車。

有鑑於這些車輛已透過各種有線和無線通訊媒介來支援資訊系統、列車控制和乘客生產力以及娛樂網路。事實上,有人可能會說 SCOTT 計畫所面臨的主要挑戰是太多連線能力。舉例來說,執行預測性維護演算法所需的敏感作業資料,必須與其他較不重要的流量隔開。

可以透過安裝額外的單獨網路來保全及隔離此類流量。想當然爾,這麼做會增加列車工程師維護的成本、複雜度和額外的設備。而這對於致力預測性維護的專案來說,方向似乎錯了。

在這類環境中分割作業資料通訊的另一種選項是:實施安全的虛擬私人網路(VPN)。然而,這麼做可能很快就變得複雜且難以管理。

第三種解決方案位於鐵路環境的成本和複雜性之間的適居帶,同時增加了您期望的核心網路功能。軟體定義的廣域網路(SD-WAN)是智慧網路架構、部署和管理拓撲,專為邊緣環境帶來靈活性。它可以在現成的硬體上執行,讓使用者得以擷取軟體智慧的價值,同時儘量減少專用網路硬體的成本和複雜度。

SD-WAN 與 SCOTT 計畫一拍即合

有鑑於橫跨多個網路的通訊和資料類型,SCOTT 計畫需要 SD-WAN 的靈活度和開放性。當然,它還需要一個執行 SD-WAN 的平台,該平台可以承受嚴酷的鐵路運輸車輛環境,並提供足夠強大的安全性,以免重達數噸、有如拋射彈的列車落入駭客之手。

這將計畫利害關係人領向名為 Klas 的這家國際設計工程公司,該公司專攻網路邊緣的通訊解決方案。他們最終選擇了該公司的車載運算閘道TRX R6,以滿足路邊通訊和控制需求圖 1)。

TRX R6 原生支援類似 SD-WAN 的功能,將多條通道接入一條安全的隧道,進而透過公用網際網路與網路作業中心進行安全的車載連線能力。
圖 1. TRX R6 原生支援類似 SD-WAN 的功能,將多條通道接入一條安全的隧道,進而透過公用網際網路與網路作業中心進行安全的車載連線能力。(資料來源:Klas

TRX R6 是一個開放式的模組運算網路行動閘道平台,專為列車、輕軌和公車的特定用途設計。它的獨特設計結合了在各種多核心 x86 Intel® Core 處理器上執行的硬體和軟體解決方案。此外,它也託管先進的作業系統 Klas OS Keel,該作業系統專為最佳化 Intel x86 處理器和 Klas 硬體的功能。

作業系統具有一個虛擬機器監視器,可讓應用程式在虛擬容器內的單一平台上得到支援,進而允許營運商隨著時間新增功能。KlasOS Keel 也符合聯邦政府的合規性,並具備 SD-WAN 等各種先進功能。

由於 Intel 處理器裝置具有內建硬體虛擬化,因此 Klas 工程師得以在不同核心上執行的安全分割虛擬機器中,依照使用案例隔離 SCOTT 計畫網路堆疊和應用程式。

KlasOS Keel 對管理每個 VM 也至關重要,進而確保在對的時間為關鍵且對延遲敏感的通訊提供對的資源。一如 Klas 的資深產品行銷經理 Mark Lambe 所說,TRX R6 整合式虛擬機器監視器基本上可讓多個系統作為虛擬化機器執行,為列車營運商節省車載成本和空間。

一切都準備就緒後,Klas 工程師便繼續實施 SD-WAN,它不僅支援現有網路的全新 AWN 需求,也提供了一條途徑,可減少一般列車上的網路硬體數量。

換句話說,在將合適的連線模組插入主要的 TRX R6 託管運算平台後,SD-WAN 可以傳送來自多個異質網路的流量並確定其優先順序,一如在獨立硬體之間穿行。因此,由於軟體的智慧和硬體的開放性,對於安全性和可靠度需求各不相同的作業資料 AWN、乘客網路和資訊系統,以及控制網路皆可根據各自的需求進行管理。

鐵道上真實的投資報酬率

除了在減少硬體基礎架構和成本的同時啟用新的網路類型,SCOTT 專案也透過與 Klas 合作,取得託管第三方應用程式的功能,(無論所需的連線能力為何,為連線能力已獲得支援)。這些應用程式可存在於 SCOTT 專案所定義的架構內,允許列車工程師和其它工業設備的操作員網路邊緣部署預測性維護的直接途徑。

「在像 TRX R6 這樣的平台上進行標準化而又發生技術變化時,無須堆高硬體;您不必對人員進行新硬體、作業系統或管理軟體的再培訓,」 Klas 物聯網產業解決方案和合作夥伴開發負責人 Arnold Allen III 表示。「從物流角度來看,您執行的備援和元件已在您所有的車輛平台上簡化,有助於降低維護及擁有成本。」

稱它為鐵道上的投資報酬率,真的當之無愧。

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。