促進強固型物聯網運算之成本效益

Posted on by Pete Berta

物聯網應用的設計師總是不斷面臨壓力，一方面要超越一般消費性系統對強韌度、空間、效能和可靠性的要求，一方面要顧及成本效益。從頭開始設計並滿足所有這些需求須付出昂貴成本，所以選擇電腦用的高效能主機板，並把它安裝在精心設計的機殼中，搭配有效的散熱管理、靜電干擾/靜電放電防護和 I/O 連接埠設計，是實現物聯網不錯的替代選擇。除了節省成本和縮短開發時間以外，隨著新款處理器面市及應用的要求越來越高，這種方法還可以提升擴充能力。適合這種替代方法的運算平台之一，是 Next Unit of Computing (NUC) 外型規格。這款主機板採用最新 Intel 處理器而具有擴充能力，能滿足空間和效能要求。只要在機殼設計和散熱方面稍加留意，它可以隨時轉換成相對低成本的強固型物聯網運算平台。以下例子中可以看到 Logic Supply 如何搭配它開發出適用於物聯網的強固型機殼，並讓它過程中保持美觀。

NUC 兼顧空間與可擴充效能

Intel® NUC 主機板，例如 NUC7i3DNBE 是在 4×4 寸的小巧體積中結合高效能運算的設計（圖 1）。它使用最近發佈的 Intel® CoreTM i3-7100U (Kaby Lake) 處理器搭配 Intel® HD Graphics 620，其熱設計功耗 (TDP) 是 15 W 並使用入焊入式 BGA 封裝，讓產品更堅固耐用。

圖 1. Intel® NUC 主機板例如 NUC7i3DNBE 能滿足工業應用對空間、效能和擴充能力的要求，但是必須經過修改，才能克服工業、招牌、物聯網和環境與可靠性方面的挑戰。(資料來源：Intel)

再加上一些功能特性，例如使用直接用螺絲固定在主機板的 SSD 記憶體、介於攝氏 0˚ 至 55˚ 之間的操作溫度、預設風扇和塑膠機殼，NUC 一般而言已足夠應付消費級和工作站應用。但是，消費級和工業界的使用模式與設計要求之間卻有極大差距。儘管消費者可以忍受，甚至有者享受打開電腦系統來切換元件、排解難題，以及在系統過熱時願意等待系統散熱，工業和物聯網應用卻是另一回事。「對我們的客戶而言，停機時間會抹煞一切。」強固型電腦系統供應商 Logic Supply Inc. 的產品經理 JP Ishaq 表示。許多客戶把電腦放在天花板上面、櫥櫃內或工作檯下方。「他們不想看到電腦，而且尤其不想因為過熱而打開電腦。」他說。

工業和物聯網適用的強固型 NUC

儘管 NUC 在大小、連線能力、功能和效能方面，包括 HD 媒體功能，均已到達適當平衡，但是下一個目標是讓它滿足工業領域客戶的需求。換言之，就是盡可能移除最多故障點。這從移除風扇開始，風扇通常是最便宜的元件，它會累積灰塵並阻塞系統，吸入金屬碎屑以及故障或短路。Ishaq 說：「我們要把它完全移除，我們想要完全固態的解決方案。」他表示，最重要的是，必須移除所有通風口，而且務必減少 I/O 連接埠或是封閉起來避免濕氣、灰塵和靜電干擾。移除風扇後，Logic Supply 便著重採用先進的散熱器和機殼設計進行被動式冷卻，確保內部溫度盡可能降低。「有些人可能把主機板拿來，直接裝上散熱器，然後放到機殼中。」Ishaq 說道。他們並不這樣，他補充道：「我們嘗試並確保我們使用定制的散熱解決方案，以便盡量排出處理器的熱度，讓它有更多透氣的空間。」

以這種概念設計出來的產品例如 ML100-G-31，外觀相當有特色（圖 2）。「但是它的功能也非常非常出色。」Ishaq 說道。「我們的確相信形隨機能的原則，但是其他條件都相等的情況下，我們也可以讓它看起來更美觀。」Logic Supply 亦提供遮蓋或封閉通風口以及在機殼上增加品牌的選項。

圖 2. ML100-G-31 包含定制的散熱器設計，也提供遮蓋或封閉通風口的選項。（資料來源：Logic Supply Inc.）

散熱器的設計取決於客戶的應用要求，例如可用空間和操作環境。但是所有設計均須採用高品質且導熱佳的鋁材，結合良好均勻的接觸，還要利用良好的壓接使它固定就位。「有些散熱器解決方案搭配熱昇華和熱管後變得十分複雜，但是我們努力把它簡化，消除所有間隙，讓它變得簡單且緊密結合在一起。」Ishaq 說道。雖然 NUC 平台採用最新的 Intel 處理器，可依照使用者的應用需求擴充，但是相對於之前的 Sky Lake 和 Broadwell 實作，Kaby Lake 系列產品必須額外修改散熱器的設計。例如，團隊把更多散熱器的元件放到主機板上。「一般上，我們會盡量減少主機板的接觸點，讓它只接觸 CPU，但是我們也把某些接觸點放到調節器。」Ishaq 表示。團隊使用散熱片直接與調節器接觸，然後把散熱器延伸到散熱片之上。「實施新的解決方案後，額定溫度有了攝氏 10 至 15 度的改善。」Ishaq 說道。成功的秘訣在於過量測試，但是指定規格時較保守。這表示要讓所有元件，從 CPU 到記憶體和 Wi-Fi 或其他網路連線，均達到最大值。Logic Supply 也採用 EN 50155 一類標準進行測試，這是鐵路適用之電子設備標準，會測試溫度、濕度、衝擊和振動。該公司甚至會實施減震，以便在必要時避免主機板受到過大的重力。Ishaq 指出，Logic Supply 也會採用標準的 ML100-G-31 強化機殼，並遮蓋連接埠，或是使用消費者一般不會使用的連接埠，包括 COM 連接埠和數位 I/O。為了解決靜電干擾的問題，團隊確保連接埠周邊的墊圈緊實，並避免使用基本背板。

工業和物聯網適用的強固型 NUC

雖然工業和物聯網應用對效能、擴充能力、佔用空間和可靠性的要求通常會增加成本，但是這並不是必然的。選擇外型規格合適的主機板，加上可擴充的處理器和合適的定制散熱器與機殼設計專家的支援，最終的解決方案可滿足設計和環境的要求，不但準時完成，而且不超出預算。

利用 Intel® SSF 消除人工智慧的瓶頸

Posted on by Pete Berta

機器學習與人工智慧凸顯了高效能運算的限制。理論上，高效能運算的平行架構可以隨著資源增加而以線性方式擴充，但是實務上卻完全不是這麼一回事。高效能運算系統經常因為運算處理、資料傳輸與儲存之間的不平衡狀態而遇到瓶頸。硬體與軟體未標準化，致使不同實作之間脫節且無法達至最佳效能。結果，當系統擴充時，效率不彰的狀況和成本也隨著增加。

新進的可擴充系統架構

為了消除瓶頸，Intel 推出了 Intel® Scalable Systems Framework (Intel® SSF)。SSF 旨在用更全面、均衡且可擴充的方式執行高效能運算。要完成這個任務，SSF 把記憶體、運算處理和網路傳輸中與管理軟體和輔助參考架構搭配運作的特定元素找出來（圖 1）。

圖 1. SSF 把記憶體、運算處理和網路傳輸中與管理軟體和輔助參考架構搭配運作的特定元素找出來，以便消除高效能運算的瓶頸。（資料來源：Intel 公司。）

在 SSF 中可使用的硬體元素包括：

  • Intel® Xeon® 處理器 E5-2600 v4 及 Intel® Xeon Phi™ 處理器
  • 使用 NVMe（非揮發性記憶體）建置的 Intel® Optane™ SSD
  • Intel® Omni-Path Architecture (Intel® OPA) 網狀架構及 10/40-Gbit/s 乙太網路

這些全由 Intel® Enterprise Edition for Lustre* (Intel® EE for Lustre) 軟體提供支援。Lustre 是專門解決平行儲存架構之需求的開放原始碼檔案系統。Intel 以常見的檔案系統為基礎並予以增強，包括：

  • Intel® Manager for Lustre，可簡化安裝與設定
  • Hadoop* MapReduce* 整合式支援
  • 全球全年無休的技術支援

Intel SSF 立下了作業系統的標準，其中包括 Linux 核心、存取控制、程式設計介面、執行時間環境、儲存和檔案系統。舉兩個例子，它指定 Linux Standard Base (LSB) 命令系統以及每個節點上 RAM 的最小數量。請務必注意，SSF 的 API 使用 LP64 程式設計模型。這代表它與常見的高效能運算程式設計模型相容，並可利用既有的程式碼。如此便能支援各種高效能運算功能之整合，否則它們之間可能脫節。SSF 的優點令人印象深刻。Premio Inc 是提供基於 SSF 的儲存解決方案的供應商，其伺服器與儲存產品經理 Andy Lee 表示：「使用 SSF，速度會比前一代[non-SSF-enabled]增加 25% 至 30%。」

其中一個實例是自動駕駛汽車，演變至今已經產生了數 TB 的資料。Lee 指出：「前一代的 Xeon 要花一個月時間才能分析所有資料和執行物件訓練；現在您訓練自動駕駛汽車上的所有物件只需要一半時間。」

Premio 已經導入SSF，把它用作 FlacheSAN2N24U-D5 儲存伺服器的基礎（圖 2）。該伺服器使用兩個 Intel® Xeon® 可擴充處理器並支援 24 個前置型熱抽換 NVMe PCIe 3×4 2.5 吋磁碟。運用 SSF 的原理加上其他元素，例如 Omni-Path 和 100G 介面，FlacheSAN2N24U-D5 的傳輸量可達 60 GB/s 以及 1200 萬 IOPS。

圖 2. Premio Inc. 的 FlacheSAN2N24U-D5 儲存伺服器使用 SSF 來消除瓶頸，所以能達到 60 GB/s 的傳輸量，以及 1200 萬 IOPS。（資料來源：Premio Inc.）

FlacheSAN2N24U-D5 是一種超級運算應用，Lee 指出：「它可以用來迅速分析資料，例如用於鑽探、天氣預測、石油與天然氣、農業和保全。」

不是所有 SSF 實作皆一樣

雖然 SSF 似乎讓人們覺得部署或選擇一個基於 SSF 的高效能運算相對簡單，設計師或潛在客戶在導入或是選擇供應商時卻要萬分謹慎。據 Lee 指出，Premio 所實作的 SSF 是附加價值之所在，因為它製造自己的主機板，執行所有路由，並且直接連結磁碟機來提供儲存（圖 3）。它也針對低延遲和傳輸量的需求自行採購合適的元件，Lee 說道。但成本仍然是關鍵因素，所以 Lee 說他們堅持使用現成元件。

圖 3.  Premio 所實作的 SSF 透過自行設計主機板和執行路由，以及針對低延遲和傳輸量的需求自行採購元件，達成了差異化的目標。（資料來源：Premio Inc.）

設計高效能運算系統雖是很好，但變更與升級的需求總是不斷出現。Premio 直接解決了這些問題。「我們的伺服器設計，能與未來的處理器相容。」Lee 說道。「只需要切換[older]運算節點並取得 Skylake[now called Xeon Scalable processors]。」Lee 指出，重新設計主機板可能花費 6 個月至 1 年時間，相較之下，利用這樣模組化、同類交換的方式能省下時間。另一項需要釐清的重點是，設計團隊並不保證會花時間把新的基於 SSF 之系統設計正確，所以最後會造成更多瓶頸，Lee 說道。「我們建立一個均衡的架構，要消除整個網路上所有瓶頸。」他說。例如，Premio 能夠執行所有五個 PCIe 線道，所以能善用 Xeon 可擴充處理器，而其他的僅能執行兩個線道。Premio 也使用 RoCE（透過聚合型乙太網路的 RDMA）網路通訊協定來管理線道。這是連結層通訊協定，所以它允許在同一個乙太網路廣播網域內的任何兩台主機進行通訊。Premio 有其他 SSF 實作，有些可用，而有些仍在開發中。隨著人工智慧出現且發展迅速，這個時機是最好不過了。

準備以 H.265 轉碼器執行可縮放視訊串流處理

Posted on by Pete Berta

14 年來，全球內容遞送網路 (CDN) 廣泛採用 H.264 視訊壓縮標準提供快速、普遍而且廉價的視訊編碼作業。但是按照當今標準而言，H.264 的視訊壓縮功能效率不佳。它難以提供高品質影像，而且並不支援 4K 以上的解析度。這些限制在超高解析度 (UHD) 視訊串流時代中問題叢生。CDN 業者為因應這種狀況，正轉換為 H.265，或稱為高效率視訊轉碼器 (HEVC)。HEVC 的檔案壓縮功能比上一代提升 50%，同時提供相同優異的影像品質。而且支援 8K 解析度。但這也有相應的代價。HEVC 的效能和效率必須搭配更先進的 CDN 硬體。這些裝置必須針對高用量視訊串流而最佳化，但是也不能在封包轉寄等其他作業上打折扣。此外必須要能在不改造整個 CDN 基礎架構的條件下新增這些功能。所幸搭載 Intel® Xeon® 處理器的現成網路介面卡 (NIC) 能藉助於硬體加速器，以及 Intel® Iris Pro Graphics GT4e 等功能，順暢處理 HEVC 作業。因此 CDN 業者現在擁有足夠頻寬，能順利擴充進入串流視訊的時代。

為什麼要採用 HEVC？

最近的 Ericsson Mobility Report 顯示，視訊資料在 2023 年的總行動資料流量中將佔四分之三。這個趨勢主要是由 OTT 服務的成長所推動，因為現在消費者透過智慧型手機、筆記型電腦，與連線的媒體播放器等裝置上的網際網路來串流 UHD 視訊內容。結果使得向最終使用者配送豐富多媒體內容的 CDN 蒙受重大壓力。H.264 標準應付這些工作負載力不從心的主要原因，是它所採用名為巨集區塊處理 (macro-blocking) 的技術。巨集區塊能快速處理 4×4- 或 16×16-像素矩陣，但是也會產生塊狀的影像殘影。這一缺點在低位元率時特別明顯。相反的，HEVC 以編碼樹單元 (CTU) 取代 H.264 採用的巨集區塊方法。CTU 能處理 16×16-、32×32-，或 64×64-像素影像或視訊資料，一律擷取可用的最大編碼單元 (LCU)。如此就能提高編碼程序的效率，並允許 CTU 將影像分割為可變的大小，能以較低位元率提供更好的影像品質。如上所述，採用 CTU 使得 HEVC 的壓縮功能提升 50% 之譜（圖 1）。但是對於 CDN 而言真正的優點是較小的檔案能大幅降低頻寬和儲存空間的需求。因此網路在任何特定時刻就能支援更多的 UHD 視訊串流。

圖 1. H.265/HEVC 和其前一代相較之下，視訊壓縮效率大幅躍升。(資料來源：Intel)

硬體加速能將 HEVC 編碼、解碼和轉碼工作負載予以最佳化。

雖然 HEVC 的確提供品質更好、效率更高的視訊壓縮功能，但是也要求 CDN 設備必須能順利處理各式各樣的編碼、解碼和轉碼工作負載。這是網路工程師面臨的共通挑戰：CDN 硬體必須能處理這些進階的轉碼器操作，同時也要能執行封包處理等作業。Intel® Xeon® 處理器 E3-1515 v5 為網路工程師提供途徑，以擴充 CDN 裝置的效能。Xeon® 處理器 E3-1515 v5 整合了專用於處理 HEVC 工作負載的功能組，其中涵蓋：

  • 支援 30 每秒畫面數 (FPS) 的最多 8 個同時 1080p HEVC 串流；或 30 FPS 的兩個 4K HEVC 串流；或最多 18 個 H.264 串流
  • 適用於 8 位元編碼與解碼操作的完整固定功能加速器
  • 一個 10 位元加速器將混合與部分的 HEVC 操作予以解碼

此外，E3-1515 v5 處理器內的整合式 Iris® Pro 顯示晶片引擎包含 72 個執行單元，以及 128 MB eDRAM 快取記憶體。結果和前一代的 Intel Xeon 處理器相較之下，繪圖效能增強 26%，而且也能執行 HEVC 視訊串流的即時編碼。在編碼作業方面，P580 繪圖處理器 (GPU) 具備 Intel® Clear Video 和 Intel® HD 清晰影像技術，可將解壓縮演算法卸載至專屬的硬體 IP 核心上。轉碼是 CDN 裝置的另一項關鍵功能，因為平台會遭遇從 HEVC 和 H.264，一直到 JPEG 和 VP9 的各種視訊格式。E3-1515 v5 上的高速視訊轉碼操作，是由整合到處理器內的 Intel® 高速影像同步轉檔技術媒體加速器所擔綱。高速影像同步轉檔技術不僅處理這些檔案的壓縮作業，也能協助視訊串流。透過將 HEVC 相關的各種工作負載卸載到專屬的硬體區塊，Intel Xeon E3-1515 v5 等處理器就能將轉碼器本身提供的效率最大化。此外，在 Intel Clear Video 和 Intel 高速影像同步轉檔技術等專屬硬體區塊中執行這些作業，各項處理的省電效能遠遠高於傳統的 CPU。

適用於 HEVC 的現成設計

在 HEVC 頻寬、儲存與品質方面的大幅提昇之下，許多 CDN 業者希望能發揮當今轉碼器的威力。幸好，Lanner Electronics 等 OEM 已推出搭載 Intel Xeon 處理器 E3-1515 v5 的現成網路介面卡 (NIC)，最近上市的是 NCS2-VT02A  4K 視訊傳輸模組（圖 2）。

圖 2. Lanner Electronics 出品的 NCS2-VT02A 是 4K 視訊傳輸網路介面卡 (NIC)。（資料來源：Lanner Electronics）

NCS2-VT02A 支援 HEVC 壓縮功能，並具備 16 GB 的板上 DDR4 記憶體，能將高用量編碼/解碼/轉碼操作的相關延遲予以最小化。由於這些功能可在 Xeon 處理器 E3-1515 v5 整合的 Iris Pro 顯示晶片單元和其他相關的硬體區塊上執行，所以主處理器就能執行封包轉寄等作業，不會遭轉碼器拖累。NCS2-VT02A 具備類型廣泛的 I/O 連接埠，包括 10 GbE 同軸線、光纖和 RJ-45，因此可輕易新增到機架式網路裝置上。例如，部署於 Lanner 的 NCA-5510 1U 系統內時，NCS2-VT02A 能同時壓縮來自於最多 80 個 IP 攝影機的視訊頻道（圖 3）。

圖 3.  NCA-5510 1U 機架式系統能支援 4K 視訊傳輸模組，例如 NCS2-VT02A。（資料來源：Lanner Electronics）

朝向 8K 邁進

新一代的轉碼器對於廣播和 CDN 供應商攸關緊要，特別是如果他們希望能在未來提供 3D 視訊和 8K 解析度。隨著對於高品質視訊的需求與日俱增，HEVC 將在頻寬和儲存需求最小化，以及提供最佳使用者體驗方面擔任關鍵角色。好消息是搭載 Intel Xeon 處理器的彈性網路裝置陸續登場，業者現在就能開始針對未來的需求而升級基礎架構。

預測性維護讓自動販賣系統恢復力更佳

Posted on by Pete Berta

現今的消費者較習慣與自動化系統互動，甚至勝過面對真人，導致自助式資訊站與販賣機的熱門程度持續攀升。事實上，《哈佛商業評論》(Harvard Business Review) 指出餐飲服務公司的自助式平台業績成長較傳統通路更佳。此變化主要是因為它們可為使用者提供更高的便利性，以及更多的選擇。除營收提升外，自助式資訊站還為零售商提供多種助益。其中最顯著的就是此種系統的成本，無論是 CAPEX（持續營運零售空間的逞翉）或 OPEX（人事費用）均遠低於傳統實體門市。不過自動化資訊站與販賣機則需要面對停機的難題。系統若因元件、系統故障或庫存短缺等原因而停止服務，業者可能經過數日仍毫不知情。而在這期間，損失不僅限於原應獲得的營業額，更嚴重的後果是消費者信心降低。若遇到同一台機器屢次不提供服務，使用者之後就可能完全忽略該機器，改往其他選擇購買。透過物聯網平台，自助式零售業者即可從遠端監控連線的資訊站與販賣機，及時處理停機問題。在部分情況下，物聯網平台亦提供管理功能，例如以無線 (OTA) 軟體和韌體更新改善應用程式與裝置效能之功能。不過當規模放大，需處理的是機台數量龐大的無人零售系統時，這些工具仍有其不足之處。例如等到發現問題時，維修技師可能還有其他工作，無法立即處理。而以遠端管理部署修正程式時，卻又常僅限於處理已全面影響所有現役系統的問題。在這兩種狀況下，均已來不及防止停機發生。機器學習和預測性維護能提供更好的做法。這些技術能夠辨識故障徵兆，讓販賣機業者在問題發生之前即完成修正。不過採用這些技術前提是，販賣機本身也需要擁有相當的智慧功能。

利用機器學習和預測性維護提升資訊站運作時間

Banyan Hills Technologies 是一家為自助式資訊站與販賣機產業提供這些功能的公司，也是 Canopy IoT Platform 的開發廠商。Canopy 與其他許多物聯網平台相同，屬於大型連線裝置網路適用的中央監控管理解決方案。而其獨特之處，則是採用 Leaf 嵌入式現場代理程式軟體這一點。Leaf 是不限硬體、不限作業系統的小程式。這個小程式存在於連線資訊站和販賣機等物聯網邊緣節點上。安裝之後，Leaf 代理程式即可將 CPU 溫度、記憶體、可用磁碟空間及其他各種運作資料傳送至一個 Event Pipeline（事件處理管道）。Event Pipeline（事件處理管道）與一個 Complex Event Processing（複雜事件處理）引擎密切整合，可在解讀 Leaf 代理程式提供的資料後，將資料傳送至 Canopy 雲端的巨量資料儲存庫（圖 1）。

圖 1. Leaf 現場代理程式擷取的系統運作資料均先送往 Complex Event Processing（複雜事件處理）引擎，之後才抵達 Canopy 雲端。（資料來源：Banyan Hills Technologies）

此架構特別之處在於它能夠讓資料雙向流動。Leaf 代理程式的即時系統狀態資訊會向上流動，而 Canopy 巨量資料層的歷史趨勢資料則是向下流動。這兩組資料集會在 Complex Event Processing（複雜事件處理）引擎會合，引擎則會利用機器學習提供自我診斷和自動化派遣等功能，奠定預測性維護的基礎（圖 2）。而且全部這些作業，都能以系統為單位執行。

圖 2. 將 Canopy IoT Platform 巨量資料層和 Leaf 軟體代理程式的資料結合之後，業者就能夠洞悉個別系統及其中元件的健全狀況。（資料來源：Banyan Hills Technologies）

以自助式資訊站的讀卡機為例。假設 Canopy 巨量資料層的歷史記錄顯示特定資訊站機型上的讀卡機故障前的平均壽命為刷卡 500,000 次。而在同一時間，第 005 號資訊站上的 Leaf 軟體代理程式回報讀卡機的序列埠連線不穩定，並表示系統已完成第 494,015 筆交易。利用機器學習技術，Complex Event Processing（複雜事件處理）引擎不僅能夠診斷該讀卡機模組可能需要更換，亦能觸發自動警報，派遣維修技師至資訊站所在位置。Canopy IoT Platform 能夠以電子郵件、簡訊或推送通知傳送即時警報，也能設定為在發生極為常見或定義非常具體的系統故障狀況時自動派遣人員。

測量模組瞄準商業智慧

除了預測性維護，Canopy IoT Platform 亦提供商業智慧相關功能。這些功能以一組彈性雲端式報告模組的形式提供，能讓決策者根據即時狀態、財務目標、實際業績以及近期趨勢來評估業務（圖 3）。

圖 3.  Canopy 可自訂網路入口網站中的分析模組能為決策者提供關鍵績效指標 (KPI) 的測量數據。（資料來源：Banyan Hills Technologies）

測量數據會記錄位置、行銷、交易等各方面的關鍵績效指標 (KPI)。庫存模組是另一個可分析至個別系統層級的 KPI 模組，能讓企業提升運作時間與消費者滿意度。上述這些 KPI 模組均能在 Canopy 網路入口網站中個別啟用或停用，以配合特定企業或產業的需求。

預測客戶忠誠度提升

自助式資訊站與販賣機產業是自動化技術如何改善生活品質與獲利率的絕佳範例。但在同時，若未適當部署、管理和維護，科技也可能破壞企業最寶貴的資產：顧客關係。要在自動化與使用者滿意度之間取得完美平衡，是分開運用物聯網雲端平台和嵌入式技術元件無法達成的。但若將兩者相結合，則能夠助我們預測未來，看未來會帶來更好的維護成效、業績，甚或是更良好的消費者忠誠度。無論是哪一項，都需要讓機台不間斷地持續運作。

將機器學習縮小到物聯網的大小

Posted on by Pete Berta

儘管機器學習在嵌入式應用領域擁有極大發展潛力，此技術因為過於複雜仍無法擴大採用率。截至目前，機器學習的發展一直由少數具有數學與電腦科學深厚背景的領域專家推動。於是，一般最終使用者試著在本身的應用中運用機器學習時必須自力更生。一般開發人員所面臨的主要挑戰之一就是缺少資料。在典型的工作流程中，訓練資料會饋入「學習演算法」中，轉而產生「假設函式」，會嘗試複製所期望的行為（圖 1）。接著讓測試資料饋入假設函式中執行，然後再用其結果來優化函式的效能。

圖 1. 機器學習的發展需要資料來訓練初始模型然後慢慢長時間調整所產生的演算法。（資料來源：Skymind.ai）

通常由領域專家建構訓練資料，他們經常要湊合使用可以取得的任何資料。實地獲取資料十分困難，要在開發過程中從目標系統取得即時資料去測試假設函式更加困難。機器學習演算法因此無法達成可能的最高效率。相關障礙之一是機器學習發展的建模部份過去都需要資料中心等級的運算能力，而且輸出演算法並未針對嵌入式處理器進行調校。所幸能針對嵌入式系統量身打造機器學習的開發工具和硬體平台已開始面市。

機器學習原型與原則

例如，SECO 已經把機器學習模型建構與演算法訓練的元件整合到 UDOO App Inventor (UAPPI) 工具套件。UAPPI 是以 MIT 開放原始碼 App Inventor 2 平台為基礎的 web 型整合式開發環境 (IDE)

使用 UAPPI 的使用者不需要撰寫任何傳統原始碼即可設計系統和應用程式（圖 2）。相反的，UAPPI 環境的功能是使用每一項邏輯功能的圖形建構組塊來開發和實作。於是可以快速開發核心功能，包括圖形化使用介面 (GUI)、網路連線和資料庫儲存以及機器學習建模和演算法訓練，並建立其原型。

圖 2. UDOO App Inventor (UAPPI) 是 web 型 IDE。（資料來源：SECO）

UAPPI 內部的機器學習核心元件是 UdooSvm，這是一種監督式學習模型，以及以支持向量機 (SVM) 為基礎的一套相關資料分類演算法。若提供包含特徵向量和標籤的訓練資料集時，UdooSvm 遇到無標籤的特徵時會使用一個映射函式將它們分類。要深入瞭解 UdooSvm 如何產生適合嵌入式系統使用的機器學習演算法，讓我們用例子來說明。

用機器學習種出更好的香蕉

設想有個系統可以藉由測試細菌所釋出的氣體來判斷香蕉是否成熟。該假設系統包含一個戳有通氣孔的容器內的一根香蕉，並附有一個每隔五分鐘測量空氣成份的氣體感測器陣列。系統最初接受訓練時並不瞭解與「熟度」相關的氣體類型與濃度。因此，由氣體感測器陣列收集的資料一開始被標記為「良好果實」。隨著日子過去，當香蕉完全成熟時空氣成份會改變，然後資料樣本會被標記為「即將腐爛」。香蕉最終會變成黑色，釋出不同的氣體混合物，然後資料被標記為「腐爛水果」。有了這些資料集，便可以使用各種 SVM 核心，包括 Linear、Polynomial 或徑向基函數 (RBF) 核心來建立學習模型。為了判斷他們的準確度，可以從原始訓練資料集擷取測試資料然後與每個模型所產生的演算法做比對（圖 3）。

圖 3.  不同核心所產生的模型會有不同等級的準確度。（資料來源：SECO）*nSV = 支持向量的數量

只要選取最準確的學習模型，便可以用來產生用於「熟度」系統的 UdooSvm 演算法。UdooSvm 演算法經過最佳化可在嵌入式處理器目標上執行，但是亦不清楚特定的特徵向量代表什麼，或甚至它們是如何產生出來的。這意味著特徵向量和標籤若是以從嵌入式感測器一類元件所提供的資料為基礎，可以再次送回演算法中，以便隨時間逐漸自主演進。

簡單提高智慧

UAPPI 與 UdooSvm 演算法經過最佳化可與 SECO UDOO 開發板，包括 UDOO x86 Arduino 101 板搭配運作（圖 4）。因為 UDOO x86 與 Arduino 函式庫和擴散板完全相容，開發人員可以從 Arduino 價值鏈體系迅速獲得一系列的感測器，為 UdooSvm 演算法提供即時輸入資料。

圖 4. UDOO x86 是 Arduino 101 開發板。（資料來源：SECO）

可使用 UDOO x86 的處理器包括 Intel Atom® 處理器 X5-E8000、Intel® Celeron® 處理器 N3160，或 Intel® Pentium® 處理器 N3710。這組可擴充的處理器提供全面支援，從僅有數個向量的演算法直至有多個資料來源的複雜應用程式。

機器學習發展自成一格

UAPPI、UdooSvm 和 UDOO x86 並不是唯一可用的機器學習原型工具，但是他們確實透過某種程度的抽象化，讓所有背景的開發人員都得以使用機器學習。再加上 Arduino 價值鏈體系的幫助，可以更快速、更輕鬆地開發精密的機器學習系統。我們已經可以想像不久的將來，用原廠的演算法部署機器學習系統，然後系統利用他們實地擷取的環境資料來自行改善。跟上技術迅速發展的腳步之唯一方式是自動化時，人們無法抗拒可以獨立學習的系統。

智慧多媒體資訊站凝聚不同社區

Posted on by Pete Berta

城市生活總是忙碌，城市政府的工作亦然。人口不斷增長，所以需要更好的交通選擇。居民需要更加便利的商業與政府服務。發生緊急狀況時，社區街坊必須知道應變的指示。所有人都要求行動電話保持收訊良好以及提供便利的 Wi-Fi 網路存取。

用服務與人連結

為了滿足這些期許，市政領導者必須用現代化的方式提供服務、資訊和基礎架構。再者，各項解決方案必須針對市內許多不同社區加以本土化。根據 BCC Research 的研究顯示，正是這些需求促使智慧城市開支的年均複合增長率至 2021 止會達到 17.7%。「有效提供服務及向人們通報消息一直是各個社區所面臨的挑戰。」Verizon Smart Communities 行銷總監 Victoria Dower 指出： 「我們要透過新的方法來物色解決方案。」

Verizon Digital Kiosk 就是很好的例子，它是與 Intel 合作建構的可客製資訊中樞（圖 1）。社區可利用多媒體資訊站探索本地商業和各種活動、連接高速 Wi-Fi、取得緊急救助服務以及參與市民活動。

圖 1. Verizon Digital Kiosk 協助城市支援其市民從事重要的活動。

每一台多媒體資訊站都是本地社區的資訊中樞。例如在轉運站，多媒體資訊站可為旅客即時提供最新時刻表並協助他們估算旅遊時間。待他們抵達目的地，旅客可以使用另一個多媒體資訊站來查閱汽車共乘和自行車租用方案，以及查詢前往本地景點的路線（並按旅客要求把資訊傳送至手機）。或是考慮在城鎮廣場設置多媒體資訊站的各種可能性。遊客可以查詢本地商店提供的特別優惠、瞭解那些讓人想要舊地重遊的各種活動，或甚至直接在多媒體資訊站進行購物（例如購買活動門票）。

通訊功能升級

資訊中樞的通訊能力亦十分亮眼。人們利用 Gigabit Wi-Fi 取得市政服務或是在享受當地設施時完成部份工作，每個本地政府辦公室或商家不必再提供本身的 Wi-Fi 網路。此外，內建網路基地台能提供優質的行動服務品質。在擁擠的城市環境中這是非常實用的，因為高樓大廈可能嚴重影響訊號接收。每一台多媒體資訊站均有電話充電插座，供電池電力所剩無幾的人們使用。

安全第一

多媒體資訊站亦內建安全功能。公共保全人員可利用高解析度攝影機和環境感測器監控任何多媒體資訊站周遭的狀況。多媒體資訊站採用色彩鮮明的照明，周遭自成一片安全地帶，它還有備用電源，在停電時仍可繼續運作。多媒體資訊站也可以當作緊急狀況通訊站。市民可以利用多媒體資訊站來聯絡緊急救助服務，而城市則可以使用多媒體資訊站來廣播緊急狀況的資訊。多媒體資訊站的廣播功能比舊技術具備更多功用。使用廣播電台、電視甚至行動電話發佈的緊急狀況警示無法預知一個人在城市中的具體位置，因而降低了這類警示的實用性。例如特定社區可能面臨豪雨成災的危險，而其他社區則不會。相反的，多媒體資訊站則可以接收和分程轉遞最適合所在位置的警告和警示。某台多媒體資訊站附近的居民可能被告知要撤離該地區，而地勢較高地區的人們可能被要求留守家中。

客製化服務

除了標準服務以外，多媒體資訊站亦支援使用開放的應用程式介面 (API) 來擴展功能。這些 API 可以整合社區周遭的資料和服務。例如，一座城市可能利用本身資源即時傳遞公車和火車時刻表。這類資料可以結合計程車和汽車共乘服務的資訊，以及從城市周邊的物聯網感測器分程傳遞過來的交通狀況。現在旅客終於可以掌握交通運輸的充分資訊及估算費用以利選擇。公立大學的學生可以向承接學校供膳計劃的食品供應商訂餐並在返回寢室念書之前先去取晚餐。本地商家的員工在返家路上可以先通知停車庫，表示要取回汽車。除了用從前不可能實現的方式擴展服務以外，多媒體資訊站也成為中央資料收集點。裝置可以協助規劃者更加瞭解人們最重視哪些服務。Dower 指出：「我們與各大城市緊密合作，不斷策劃和改良系統，並利用分析和回饋來改善每一次的改良過程。」

採用 Intel 技術執行

Verizon 與 Intel 緊密合作實現多媒體資訊站的計劃。如圖 2 所示，Intel® NUC 作為系統核心具備強健的效能，可安全又可靠地維持多媒體資訊站運作。在攝影機裝置內部，Intel FPGA 可利用最尖端的人工智慧，例如計算路過多媒體資訊站的人數或是監控危險狀況。

圖 2. Verizon Digital Kiosk 協助城市支援其市民從事重要的活動。

除了提供硬體以外，Intel 亦協助 Verizon 深化其在多媒體資訊站和其他物聯網應用方面的戰略遠見。「許多城市時常向 Intel 諮詢物聯網相關發展。」Dower 表示，因此該公司對於智慧城市的需求有非常透徹的瞭解。

通往現在與未來的入口

硬體型服務所面臨的挑戰之一是不必升級實體裝置而能整合後來新進的功能。但是良好的基本設計結合 API 支援，鋪平了未來的道路。由於以資訊為基礎的現代化服務經由軟體和雲端實作進行部署，各大城市可以主導多媒體資訊站在開發時利用新服務。初始安裝所使用的同一套客製化設定和 API 支援亦能協助城市邁向未來。此外，多媒體資訊站型解決方案可輕鬆擴充，表示一個城市可以先從試驗計劃起步，迅速又輕鬆地擴展到整個地區，並且跟上未來城市發展與擴張的步伐。再者，各大城市可以監控和分析多媒體資訊站所提供的資料，再取得公眾回饋，瞭解有哪些服務符合或不符合預期。Dower 指出：「我們與各大城市緊密合作，不斷策劃和改進系統。」

各大城市初期回饋顯示 Verizon Digital Kiosk 概念是有效的解決方案。「真正令他們期待的是多媒體資訊站擁有這麼多內建功能，而且在實作方面十分彈性。」Dower 表示，「我們並未強迫他們用特定方式推送資訊。而且附帶的免費 Wi-Fi 能幫助提供重要服務，而不必擔心連線能力。」

用廣告收入補貼成本

因為 Verizon Digital Kiosk 所提供的靈活彈性與技術優點，社區亦發現它可以協助擴展服務同時降低成本。顯示器能夠傳遞鎖定目標的廣告，無論是平面或影片形式，內建絕對位置識別，能創造另一收益流。廣告收入可以補貼極大部份的安裝費用和例常營運開支。在預算壓力之下，務必要設法增加營收。一座城市或企業或機關可以先試驗並推行這類解決方案，同時減少任何財務上的擔憂。而且由承包商與協力供應商組成網路可隨時進行立即又有效的部署。

舊問題有新的解決方案

通報消息與市民服務對於城市而言一直是挑戰。現代化的多媒體資訊站一定能成功克服這些挑戰。他們不但讓政府與市民可以直接聯繫，也可以整合周邊社區的活力，創造真正有吸引力的體驗。多媒體資訊站之所以能成為智慧城市的關鍵技術以及本地社區的資訊中樞，其道理顯而易見。

增加工業邊緣分析無需犧牲

Posted on by Pete Berta

資料分析正成為工業物聯網 (IIoT) 功能的固定班底。根據最近一項研究指出，69% 的決策者認為最晚到 2020 年，工業分析便會成為企業成功的關鍵，主要應用於預測性與指導性機器維護。但是工業分析在延遲、頻寬和安全性方面必須克服不少獨特的挑戰。結果，工業分析通常必須在邊緣執行，而不是在雲端。自我調整型系統尤其需要邊緣處理的功能，因為這類系統必須將即時資料再回收並傳入回饋循環，以利持續改善效能。儘管處理器速度更快，在邊緣執行工業物聯網資料分析便更具可行性，但是工業機械仍然需要低功耗的運算技術，才能長時間在條件惡劣的環境中穩定運作。而且任何新的分析解決方案必須與既有的舊系統互通操作。想要在現有控制系統上增加邊緣分析功能的工業工程師也可以選擇改造他們的設計，以增加新的處理器模組來達成目的。我們的 Intel Atom® 處理器 C3000 在運算、儲存和功能的改善能夠與能源效率達成平衡，因此要在邊緣安裝智慧便不必從頭開始。

利用 Intel Atom® 處理器獲取工業邊緣智慧

Intel Atom® 處理器擁有諸多架構性更新，與前代處理器比較，運算效能提高 2.3 倍及儲存效能提高 4 倍（圖 1）。每一時脈週期可執行的指令 (IPC) 增加 30%、加強指令抓取/解碼功能、改善亂序 (out-of-order, OOO) 排程以及採用新的內部架構，才能讓處理效能升級，這全部都是執行即時邊緣分析工作負載所不可或缺的。

圖 1. Intel Atom® 處理器 C3000 有多項功能升級。(資料來源：Intel)

若論記憶體，C3000 內建雙倍的 Layer 2 快取記憶體，讓邊緣分析系統可迅速存取資料。此處理器亦支援 Intelligent Storage Acceleration Library (ISA-L)，這是一個軟體程式庫，針對需要高資料傳輸量及最少延遲的應用程式進行最佳化。開發人員可以利用 Storage Performance Development Kit (SPDK) 根據其使用案例調校儲存效能。Intel® SPDK 是一項開放原始碼工具組，可縮短上市時程並確保儲存伺服器和閘道的設計未來不會過時，例如工業物聯網中常見的設計（圖 2）。

圖 2. Storage Performance Development Kit (SPDK) 可確保儲存設計未來不會過時，同時縮短上市時程。(資料來源：Intel)

軟體端亦新增了對 64 位元應用程式的支援。在工業物聯網技術堆疊之較高層級使用 Intel® Xeon® 處理器或 Intel® Core™ 處理器的組織，可藉由 64 位元指令集的支援，將邊緣至雲端的軟體投資統合起來。而且這才不過是營運技術 (OT) 網域享受到的其中一項企業優勢而已。

邊緣的企業功能

除了運算與儲存的優勢以外，C3000 處理器包括一套硬體輔助式功能，可促進邊緣分析處理之效益。其中一例是 Intel® QuickAssist Technology (Intel® QAT)，提供高達 20 Gbps 的效能，可加速和壓縮加密工作負載，確保資料安全傳輸，同時為其他任務保留珍貴的處理器時脈週期。C3000 處理器上的 Intel® 虛擬化技術也逐漸演變成 Intel® Virtualization Technology for Directed I/O (Intel® VT-d) 以及 Intel® Virtualization Technology for Connectivity (Intel® VT-c)。如圖 3 所示，Intel® VT-d 把 I/O 存取區隔並限制在特定已定義的記憶體區域。如此可避免發生與虛擬機器 (VM) 相關的 I/O 故障，並藉此改善可靠性和工廠運作時間。

圖 3.  Intel® Virtualization Technology for Directed I/O (Intel® VT-d) 把記憶體存取限制在已定義的記憶體區域。(資料來源：Intel)

Intel® VT-c 負責與全新 Intel Atom 處理器內建的 Intel® Ethernet Controller 搭配運作，實現 I/O 虛擬化與服務品質 (QoS) 的功能。藉由連接埠分隔以及執行多個發送和接收佇列的能力，讓不同 I/O 作業之間的頻寬配置達成平衡，便能實現上述功能（圖 4a 與 4b）。將主機處理器上的這類任務卸載至乙太網路控制器可減少 I/O 瓶頸並提升會產生大量感測器資料的應用程式（例如機器人）的效能。

圖 4a Intel® Virtualization Technology for Connectivity (Intel® VT-c) 可進行連接埠區隔來減少 I/O 瓶頸。(資料來源：Intel)

圖 4b Intel® Virtualization Technology for Connectivity (Intel® VT-c) 可執行多個發送與接收佇列，藉此平衡 I/O 作業。(資料來源：Intel)

這些企業級技術對工業物聯網而言是至關緊要的，因為他們允許在工業級處理器上執行多個工作負載，並有 15 年可用性保證為後盾。

可靠的改造

為了確保工業物聯網邊緣分析系統維持可靠運作，Intel Atom 處理器 C3000 擁有 Extended Ambient Operation Temperature (eTEMP) 的功能支援。這項功能可保證裝置在 -40 ºC 至 +85 ºC 的溫度範圍內保持可靠運作。處理器的耐用性亦有賴該系列的低熱設計功耗 (TDP)，某些 SKU 僅有 8.5 W。因此，廠房的被動式冷卻系統也可以部署 C3000 裝置，而錯誤修正碼 (ECC) 記憶體則確保邊緣分析應用程式的資料完整性。考慮到它們具備的能力，OEM 現在提供搭載 C3000 處理器的嵌入式主機板解決方案，藉由設計即可使用工業物聯網邊緣分析。例如 Quanmax Inc. 推出的 UATX-DNV0 是一款工業級單板電腦 (SBC)，它採用具有 2 至 16 核心的 Intel Atom 處理器 C3000（圖 5）。它包含四個銅線 GbE LAN 連接埠、四個光學 10 GbE LAN 連接埠以及六個 SATA 插槽。

圖 5. Quanmax Inc. 的 UATX-DNV0 是一款工業級單板電腦 (SBC)。（資料來源：Quanmax Inc.）

重要的是，UATX-DNV0 SBC 遵循工業標準的 Micro-ATX 外型規格。因此，原本支援 Micro-ATX 外型規格的機器可以整合該機板，而開發人員不必從頭設計整個系統。

工業物聯網邊緣分析讓過去和未來和諧共存

邊緣分析是工業物聯網當前的目標，但是要達成這個目標必須讓未來的技術與舊有的基礎架構和諧共存。Intel Atom 處理器 C3000 往該目標邁進了重要的一步，不但改善了效能與儲存，而且具備企業級功能和工業級的可靠性。如今，工業標準的處理器模組均提供這些進步功能，工業工程師可以善用這些功能來增加邊緣分析處理，而不需要捨棄之前的投資。他們的系統也做好了迎接工業物聯網下一階段的準備，即透過機器學習在邊緣實現自主操作。

利用彈性防火牆保護工業物聯網

Posted on by Pete Berta

在 IT 的世界裡，防火牆是保護敏感網路最有效的工具之一。企業防火牆作為敏感內部網路與網際網路之間的守門人，套用預先定義的安全規則來防止未經授權的外部流量接觸公司裝置，同時保護那些裝置上的資料避免外洩。大家已十分瞭解傳統防火牆。IT 部門一般購買現成的防火牆設備，然後對企業網路的所有裝置套用全域適用的規則。另一方面，工業物聯網需要的防火牆則是複雜許多。主要原因是他們所要保護的裝置類型。在 IT 中，網路上大多數系統皆具備某種程度的裝置上防護，例如防毒軟體，即使惡意程式碼成功破解防火牆的防護，仍能阻止程式碼執行。企業系統所執行的作業系統 (OS) 只要發現漏洞，亦可用最新的軟體修補程式更新。於是，防火牆管理員可以實行基準層級的安全措施，允許各種各樣的企業裝置存取網際網路。但是許多工業裝置執行已無安全修補程式支援的舊作業系統 (OS)。即使部分系統使用新版作業系統，也經常凍結他們的軟體以確保平台穩定性。此外，大多數工業系統的資源均十分有限，且無法執行本機防毒技術。工業網路防火牆因此能為許多這類系統提供完整的安全堆疊。因為系統之間各有不同的安全要求，工業防火牆通常由單一生產設施或設備專用而不是由整個組織使用，而且針對其特定需求調整。工業防火牆由熟悉防火牆所保護的系統之操作工程師或服務技術人員部署及維護，而且所支援的連接埠和 IP 位址數量比其企業防火牆更少。這些因素導致設計工業防火牆設備時必須滿足若干獨特要求，包括：

  • 靈活彈性，可滿足各種系統的安全要求
  • 簡單明瞭，好讓熟悉工業系統的操作技術人員可以部署和維護防火牆
  • 持久耐用，經受得住嚴酷的環境考驗，例如廠房或是大型機械內部
  • 可靠度，可在延長的工業週期下有效地運作
  • 成本，以便使用多個防火牆來保護工業網路上的所有裝置

由於每個工業防火牆皆是少數裝置所專用，所以也不需要可以提供最高資料傳輸量和運算效能的網路處理器。相反的，支援工業防火牆設備的處理器應強調其經實證的技術和廣泛的市場採用率，能夠滿足上述各項要求。

搭載 Intel Atom® 處理器的彈性工業防火牆

Intel Atom® 處理器 E3800 是單核心至四核心的系統單晶片系列產品，在工業環境中已有部署，而且其效能足以滿足大多數工業防火牆設備的要求。處理器也內建一組硬體加速器，支援進階的安全功能，若正確使用可以大幅減少工業防火牆設備設計的複雜度。其一，Intel® Advanced Encryption Standard – New Instructions (Intel® AES-NI) 提升了硬體區塊的大批加密、解密和認證作業的效能，而該硬體區塊在主要 CPU 核心之外獨立運作。這是工業防火牆的重要功能，它能補足網路處理器的主要功能，同時讓處理器釋出資源處理其他任務。工業防火牆設計師若要利用 Intel AES-NI 所提供額外的處理器資源，方法之一是透過 Intel® 虛擬化技術，這項能力允許多個虛擬機器 (VM) 在同一個多核心處理器上同時執行並維持接近原生的效能。同樣重要的是，這些虛擬機器始終安全地區隔開來，所以工業防火牆設計可以有各種不同可能性。例如，在獨立安全裝置上的虛擬機器執行的防火牆功能可以與其他服務分開，例如安全檔案傳輸通訊協定 (SFTP) 伺服器，此伺服器讓舊的工業系統不需要增加硬體即可連接網際網路。作為替代方案，與現有機械整合的工業防火牆還可以把安全應用程式與控制功能分隔開，確保技術人員在維修子系統時不會影響其他系統。在這兩種技術滿足了工業防火牆設備對靈活彈性與簡單明瞭的要求之同時，Intel Atom 處理器 E3800 的設計也能經受得住嚴酷的工業環境。系統單晶片也提供極多種不同溫度的版本，能夠應付 -40 ºC 至 110 ºC 之間的運作，而且 3 至 10 W 的低熱設計功耗 (TDP) 降低了風扇散熱的需求，而風扇散熱可能造成工業環境的可靠性問題。

彈性工業防火牆的解決方案架構

為了協助發展可自訂的工業防火牆，OEM 將搭載 E3800 且利用前述多項功能的解決方案引進市場。比如，TQ-Group 的 MBox-V 就是一款彈性、被動式冷卻的盒型電腦，可部署為桌上型裝置或是使用 DIN 滑軌安裝直接與機櫃整合（圖 1）。所有裝置的內部電子零件均採用符合標準的包覆方式，協助其經受住工廠廠房常見的濕度、氣體、髒污和其他刺激源。

圖 1. TQ-Group 的 MBox-V 支援彈性的工業防火牆。（資料來源：TQ-Group）

按照預設，MBox-V 在 100 mm x 100 mm x 23 mm 硬體套件中包含了 2 個 Gigabit 乙太網路連接埠、2 個 USB 連接埠以及 2 個 Mini DisplayPorts。但是整個系統都可以設定，而且透過內部的 Mini PCIe 附加介面卡可以整合更多介面卡和功能。系統亦支援選用的可信任平台模組來加強安全防護。從軟體角度而言，使用基於 IP 表格以及 Linux 強化版本的標準工業防火牆堆疊即可預先載入 MBox-V。TQ-Group 定期執行的滲透測試會迅速揭露堆疊中任何漏洞，以便及時傳送修補程式。TQ 的堆疊產品也支援通訊協定轉換（FTP 轉 SFTP）、網路介面、憑證和金鑰管理；以及「隱形模式」操作，它僅允許白名單上的連接埠和 IP 位址之間建立通訊路徑。稽核與錯誤記錄讓功能更加完整。MBox-V 不但支援其他功能例如進階封包過濾、入侵偵測/預防以及閘道服務，它也允許使用者上傳自己自訂的防火牆軟體。據 TQ-Group 指出，數家安全公司已經在使用 MBox-V 作為其工業防火牆設計的起點，並在軟體中以它為基礎建置更多功能。

靈活彈性且學習容易

所有類型的網路防火牆都有一個目標：防範敏感網路和裝置上的惡意活動。但是其連接的工業網路和裝置具有獨特的安全要求，必須使用彈性、可靠且耐用的防火牆設備。MBox-V 這一類解決方案藉由工業工程師和 IT 人員所熟悉的架構來滿足這些需求。這些小小的盒型電腦是實行安全工業物聯網的極佳方法，學習相當容易。

用人工智慧升級病患監視

Posted on by Pete Berta

五分之一的醫療照護病患在出院後 30 天內又回到醫院報到。此外，急診室的所有就診人數中有百分之 14 到 27 被歸類為非緊急性照護對象，表示這類病患本來只需到一般門診就醫。結果，光是美國的年度醫療支出就額外增加了 200 億美元。如果醫療提供者和病患可以獲得更準確的資訊，許多這類醫院就診情況便能減少。遠距照護平台似乎是顯而易見的解決方案。藉由追蹤病患的生命徵象和其他生物指標，便能輕鬆避免不必要的再住院以及急診室報到。不過，生命從來不是這麼簡單的事。要部署病患監視解決方案，必須先解決舊有系統不相容、安全挑戰、隱私權要求和其他因素所造成的阻礙。再者，忙碌的醫療提供者沒有時間一再檢查生物識別裝置收集到的所有資料。要讓這些解決方案發揮作用，就必須搭配人工智慧來協助評估資料並建立資料運用的情境。這些平台不能只用來建立病患與醫生之間的連結，還要提供更多效用才行。為了促進整體性的多提供者醫療照護，系統也必須提供一個資料儲存庫讓所有臨床醫師存取，同時保護機密和高度管制的資訊。

完整的監視平台

HealthSaaS 是在這個領域獲得很大進展的一家供應商。如圖 1 所示，該公司的 Cognitive Patient Monitoring Platform 是一個監視解決方案，適合各種不同病況的患者使用，例如糖尿病、高血壓、心房顫動、心臟衰竭、慢性肺部阻塞 (COPD) 和哮喘。

圖 1. HealthSaaS Cognitive Patient Monitoring Platform 把病患的資料饋送給醫療提供者並再反向饋送。（資料來源：HealthSaaS）

該平台與藍牙連線的醫療裝置（例如血壓監測器、活動追蹤裝置、藥盒、血氧飽和儀、血糖儀和體重計）整合。在從這些系統收集臨床資料之後，當某位病患需要提早介入以利降低到醫院就診的可能性時，HealthSaaS 的認知規則引擎便會對醫師發出 HIPAA 安全通知。病患也可以在有條件的情況下存取存放在平台中的資料。Cognitive Patient Monitoring Platform 憑藉著降低再住院率、減少不必要的就診次數、加強遵守藥物治療的規定，以及改善病患與臨床醫師之間的溝通，已經展現出大幅降低成本的能力。

彙總、人工智慧與應用

HealthSaaS Cognitive Patient Monitoring Platform 的長處在於它能夠把之前互不流通的資料來源所收集到的資料彙總成一個統一的中央儲存庫。收集到這類資料之後，醫療照護的主要利益相關者，例如病患、醫師、藥劑師、保險公司和其他單位或人員便能更加全面地瞭解治療方式。在裝置這一端，Cognitive Patient Monitoring Platform 利用 Intel® Healthcare Application Platform (Intel® HAP) 以及搭載 Intel ® 處理器的企業級 Android 軟體堆疊 Flex* IoT Compute Engine 來達成上述目標（圖 2）。Intel® HAP 利用一個資料整合協調器和安全連接器，以統一、連續合規的方式把連線醫療裝置的資料推送到 HealthSaaS 平台。

圖 2. Intel® Health Applications Platform 包含資料整合協調與安全通訊的元件。(資料來源：Intel)

Cognitive Patient Monitoring Platform 的後端是由 Microsoft 的 Azure 雲端服務代管。Azure 雲端服務不但允許 HealthSaaS 平台可以隨著部署規模之增長輕鬆擴充，還能夠利用從連線裝置、其他雲端型系統和電子健康記錄 (EHR) 所收集到的資料來建立多層式應用程式。這些應用程式可以含有一個或更多的使用者角色，每個角色均有自己的檔案、設定和權限。這類應用程式中擅長利用 Cognitive Patient Monitoring Platform 的彙總資料者就是 AkēLex，那是預先整合在 HealthSaaS 解決方案中的一套認知運算工具。AkēLex 是一個動態決策引擎，結合病患歷史資料、用藥記錄、實驗室和其他測試結果，協助臨床醫師提供更好的照護。該技術以 Adaptive Knowledge Engine (Akē) 為基礎，使用人工智慧來提問，協助醫師減少誤判、克服偏見並收集更加詳細的資訊（圖 3）。這些發現幾乎即時透過 HealthSaaS 平台以訊息或警示的形式傳送給醫生。

圖 3.  在治療過程中 AkēLex 協助通知臨床醫師。（資料來源：AkēLex Inc.）

保護敏感的病患資料

當然，結合所有這些敏感的病患資料並允許多方存取會引起對於安全與隱私權的重大關切。HealthSaaS Cognitive Patient Monitoring Platform 用數種方法解決這些問題。首先，從 Cognitive Patient Monitoring Platform 傳出及傳入的所有資料皆使用 SSL (HTTPS) 加密。只要進入資料中心，Microsoft Azure 會提供實體、管理和技術方面的保護，協助使用者遵循 HIPAA 的規定。Azure 服務也遵循多項產業標準，像是 SAS 70 Type II、FISMA 和 ISO 27001，藉此治理在資料中心環境內安全管理資訊的方式。例如，所有 HealthSaaS 資訊和安全系統被分割並存放在不同的伺服器，可防範資料外洩和安全漏洞。HealthSaaS Cognitive Patient Monitoring Platform 的另一項功能是編修機制，可以把病患與多個提供者之間所共享之檔案上的個人資訊「遮蔽」（圖 4）。這樣可以進一步把不慎揭露病患敏感資訊的機會降到最低。

圖 4. 編修功能可抑制不慎揭露個人識別資訊。（資料來源：HealthSaaS）

這些功能結合起來能符合或超越 Health Information Technology for Economic and Clinical Health (HITECH) 法案及 HIPAA 的所有指導原則和要求。

從不同角度探討醫療照護

美國 National Institutes of Health (NIH) 的資料顯示遠距照護平台能減少可避免的再住院率高達百分之 70，而且成本比實體的替代方案更低。但是遠距照護系統的部署一直因為多項技術不相容以及人們越來越擔心安全性和資料隱私權而遲遲無法實現。幸虧有 HealthSaaS Cognitive Patient Monitoring Platform 這類平台的創新軟體元件，才能克服這些挑戰。病患與醫療提供者現在可以更加快速交換臨床資料、做出更好的決策，並享受比從前品質更高的醫療照護。

從聰明建築往智慧建築邁進

Posted on by Pete Berta

建築業主既要控管成本，又要顧及租戶滿意度，其中壓力甚大。一方面，能源用量僅減少 10 個百分比便能為美國的 商業大樓每年節省 400 億美元。另一方面，您僅有一丁點兒調節溫度的空間，否則馬上會收到大樓租戶投訴。智慧建築技術可以幫忙，但是部署一直是個難題。大多數建築內含來自各家廠商多年來陸續安裝的各式各樣設備。光是從這些系統擷取資料就是一大挑戰；要讓它們搭配運作更是幾乎不可能。

結合多個建築服務系統

Rudin Management Company 在曼哈頓負責營運最大群落的商業大樓，具有因應這個問題的第一手經驗。該公司想要改善手上所有物業的營運狀況，但是找不到能夠與所有建築服務系統溝通的解決方案。因此，該公司自行研發了一套解決方案：NANTUM。NANTUM 是不限製造商的平台，可以連接至任何建築服務系統，無論其製造商、型號或年份。設施是否具有建築管理系統 (BMS) 皆不重要。NANTUM 把所有建築服務系統的資料公開以後，該公司便能把所有建築的營運緊密地最佳化。這樣一來，不但能省下巨額費用，大樓租戶也更加滿意。

經證明的結果

Rudin 首先在 345 Park Avenue 部署 NANTUM，那是位在紐約市一棟 180 萬平方呎的建築。效果立竿見影：能源用量降低了 9 個百分比，每年省下 60 萬美元。與此同時，隨機推銷和客戶推銷的電話減少了百分之 70（圖 1）。

圖 1. 初始部署產生了顯著的成果。

看過這些顯著成果之後，Rudin 決定把它的技術擴大發展並成立一個新公司：Prescriptive Data。這家新公司將 NANTUM 與全世界分享，希望協助其他建築業主和營運商都能打破不同建築服務系統之間的壁壘。為了把它的平台從單一建築擴展成一個全業界適用的解決方案，Prescriptive Data 與 Intel 成為合作夥伴以實現三項重大升級：

  • 把 NANTUM 從本機安裝的軟體轉變成雲端型解決方案。
  • 擴大建置 Prescriptive Data 號稱是業界最大的建築 API 程式庫。
  • 加入人工智慧 (AI)，根據租用率、氣候和建築物的熱特性讓營運最佳化。

不再憑猜測辦事

平台升級後馬上享受到不再憑猜測辦事的好處。Prescriptive Data 行銷主管 Matthew Stetson 解釋：「之前若是您接到 40 樓租戶的電話表示溫度太低，您必須上去該樓層才能決定要怎麼辦。現在您只需要讀取引擎室的讀數並進行必要調整。」

當然，NANTUM 不是唯一公開建築資料的平台。但是其他建築自動化平台通常限用一家廠商的設備，意味著營運商仍必須應付許多系統。「人們已經疲於應付各種應用程式。」Stetson 說。「我們的平台免除了使用 18 種不同的應用程式處理 18 項不同工作的壓力。」

因為 NANTUM 不受製造商限制，可以整合不同系統之間的資料。營運人員和管理人員能夠獲得有效的儀表板和圖像化資料，無論是個別建築或是整個建築群落。此外，透過移轉到雲端平台，身處世界各地皆可存取這些儀表板，不管是位在建築物的地下室或是管理公司的會議室都行。

加入人工智慧

但是僅是收集資料並無法控制成本。您也必須分析資料，那才是主要的難題。Stetson 說：「在 40 層樓的建築中，您可以讓 30,000 個感測器在 1 至 5 分鐘的間隔內輕鬆收集資料。」 那可能包括每天多達 4300 萬個資料點，分散在多個系統之間。為理解所有這些資料的內涵，NANTUM 與 Intel 的人工智慧專家緊密合作，打造一個先進的機器學習系統。這個系統會學習一棟建築的活動節奏，觀察租用模式和其他建築變動情況來建議建築每日過程中的設定點（圖 2）。

圖 2. NANTUM 自動建議設定點。

例如，NANTUM 可以偵測員工離開建築去吃午餐，並利用這個模式來降低中午的能耗。另一個例子是平台可以檢查建築的散熱動態並決定當日可以稍晚啟動 HVAC 系統，但是在租戶抵達前仍保持舒適溫度。人工智慧系統從特定建築以及可比較的設施學習。Stetson 表示，「與其花費一年學習建築的活動節奏，我們可以套用類似建築的資料以便立即改善。」

NANTUM 甚至使用氣候資料和即時租用情況來快速調整其建議。所有這些情報都會輸入到直覺式圖形顯示器，方便建築營運商可以用來進一步優化效能。

迎向未來創新

NANTUM 最重要的面向之一是它可用作建築的作業系統。開放架構和輕鬆整合不同系統表示無論是技術或商業策略，設施營運並不會與未來無緣。支援新技術變簡單了。Stetson 說：「我們現在發現很多新建設的建築採用智慧架構，例如建築具有可隨陽光調整的百葉窗。」

NANTUM 的平台性質也保留了商業策略的彈性。您的管理群落又增加新建築了嗎？沒問題。NANTUM 程式庫很可能已存有建築管理 API，如果沒有，Prescriptive Data 會建立該 API（圖 3）。

圖 3.  NANTUM 具備極高的互通操作能力。

由 Intel 掌管的神經元

與 Intel 的合作關係是實現所有這些優點的關鍵。例如，科技巨擎的物聯網閘道器允許 Prescriptive Data 進行雲端移轉。第一版的 NANTUM 必須在每一棟建築安裝伺服器。將伺服器替代為輕型的 Intel® IoT Gateways 後，Prescriptive Data 能把它的平台核心移動到雲端，加速部署並促成更高層級的情報。Stetson 指出：「與 Intel 合作讓我們能夠快速且有效地擴展。我們使用 Intel IoT Gateways 作為建築的服務系統與雲端之間的安全介面。它幾乎達成了類似隨插即用的延展性。只要有網際網路連線並存取建築的感測器網路，我們可以直接開始顯示和分析資料。」

安裝一般需要三至六週時間，Stetson 說因為安裝快速，所以一開始便省下成本。傳統建築自動化軟體可能要花兩年時間才能達成投資報酬率。使用 NANTUM 的建築一般在三至六個月內就能達到投資報酬率。

快速達成投資報酬率

自從推行新平台以來，該公司確實持續達成投資報酬率。透過重新設計，Prescriptive Data 的母公司 Rudin 能夠在一年內於 17 棟大型物業中部署該技術。結果呢？能源用量減少達百分之 31，而且一年省下 540 萬美元。這些是相當典型的數目，Stetson 表示。一般而言，客戶每年每平方呎可省下大約 0.55 美元。而且不只是節省成本而已。這些提高租戶舒適度的改進以及更加環保的營運方式皆是有力的行銷工具。