通过 AI / 持续学习实现物联网的持续改进

实际上，尤其是对于物联网而言，并非一旦构建了分析模型，它就会永远以相同的准确率给出结果。数据模式会随时间变化，因此从新数据中学习并改进/重新校准模型以获得正确结果至关重要。下面的文章解释了物联网分析中这种持续改进的现象。

在这篇文章中，我们讨论如何在物联网系统中实现持续改进和持续学习。持续改进是一个众所周知的概念（例如来自 Kaizen 或 Six Sigma）。对于物联网，我们提出要实现持续改进，就必须实现持续学习。具体来说，这意味着我们在一个环境中训练模型，并将其部署到物联网生态系统中的多个点（设备层、工作流层和系统层）。模型可以跨设备构建和部署，以捕获各个点的学习成果。然后通过一个中央模型整合这些学习成果。新数据被持续监控，当数据模式发生变化时，模型会被重新校准以纳入最新知识。因此，这个模型与企业 AI 紧密相关。我们将在 2017 年 1 月开始的即将推出的 Implementing Enterprise AI 课程中讨论这些想法。

物联网数据分析——数据流与分析应用

在讨论持续改进和持续学习的问题之前，我们首先讨论一个问题：在物联网生态系统的哪些点可以应用分析？

通常，来自传感器的数据是时间序列格式，并且通常带有地理标签。这意味着物联网分析有两种形式：时间序列分析和空间分析。时间序列分析通常会产生诸如异常检测之类的洞察。因此，分类器（用于检测异常）通常用于物联网分析以检测异常模式。此外，通过查看历史趋势、流处理、组合来自多个事件的数据（传感器融合），我们可以获得新的洞察。

物联网设备会产生大量数据。通常，物联网分析的目标是尽可能接近事件地分析数据，因为我们需要实时交互。因此，对于物联网分析，我们通常需要执行边缘处理——这是我在 IoT Edge analytics 中讨论过的话题。

此外，你可以关联多个物联网流中的数据。通常，在流处理中，我们试图找出现在发生了什么（而不是过去发生了什么）。传感器数据可以组合起来推断事件（复杂事件处理）。最后，你可以在数据湖中应用这些模型。

因此，物联网分析（物联网数据科学）可以应用于物联网生态系统中的多个位置：边缘、流、数据湖以及复杂事件处理等模式中。

物联网分析：实现持续改进

物联网数据的流动和物联网分析的应用显示在图的右侧。左侧讲的是持续改进。持续改进并不是一个新概念。它是 Kaizen 和 Six Sigma 通过反馈循环等技术的重要组成部分。

在此，我们提出，在物联网的实施层面，持续改进与持续学习紧密相连。具体而言，

• 每个设备都有一个状态和一种“智能”——即构建和/或部署模型的能力。模型可以跨设备构建和部署，以捕捉各个点的学习。

• 这种学习随后通过一个中心模型进行整合。

对于物联网设备，持续学习可以在三个层面实施

• 设备级分析主要关注设备的状态并报告其状态，例如监控条件阈值

• 工作流级分析主要关注跨一个或多个物理设备的链式流程的状态。

• 系统级分析主要关注历史趋势并推断新的分析

在此背景下，分析是指一个模型（在数据集上训练的算法）。分析通常可以在系统级开发。一旦开发完成，它可以部署到设备（操作级）或与其他分析链接以创建工作流（可能跨越多个设备）。分析可以在多个层面进行编排。

持续学习和持续改进的实施

通过持续学习的模型来实施持续改进的想法很复杂，但并非纯粹概念性的。业界有许多这种模式的真实案例，最著名的是Predix（GE）和Siemens（Industrie 4.0）

我们还看到在各种地方创建模型并在其他平台部署的实现，例如Salesforce.com Einstein、Dell Edge analytics with statistica、IBM with PMML implementations、PMML support for Databricks(Spark)、PMML support in Python、H2O.ai with POJO。我们也可以从devops的角度来看待它，作为一种持续改进的模式，即角色的模糊化，以及将开发和运维整合为以分析为中心的单一工作关系。它也符合我一直在谈论的一种模式，即企业的逻辑AI层

在此，我们提出，在物联网的实施层面，持续改进与持续学习紧密相连。具体而言，

• 持续改进需要持续学习

• 每个设备都有一个状态和一种“智能”——并且可能具有构建和/或部署模型的能力。

• 模型可以跨设备构建和部署，以捕捉各个点的学习。这种学习随后通过一个中心模型进行整合。

• 通过持续学习的模型来实施持续改进的想法很复杂，但并非纯粹概念性的。业界有许多这种模式的真实案例

转载声明：本文为转载整理，原文版权归原作者及原站点所有。

原文来源：KDnuggets

原创地址：https://www.kdnuggets.com/2016/11/continuous-improvement-iot-ai-learning.html#comment-184815