物聯(lián)網(wǎng) （IoT） 已經(jīng)存在了很長時間。事實上，該技術(shù)遠遠早于該術(shù)語。一些歷史學家會告訴你，物聯(lián)網(wǎng)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(lián)網(wǎng)分解為它的真正含義，它只是將適當?shù)脑O(shè)備連接到互聯(lián)網(wǎng)以完成所需的任務?；ヂ?lián)網(wǎng)的普及和收發(fā)器技術(shù)的普及極大地簡化了這項任務。

　　人工智能 （AI） 的大規(guī)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(shù)結(jié)合在一起時，會發(fā)生什么新的和非常令人興奮的事情。人工智能和物聯(lián)網(wǎng)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(lián)網(wǎng)項目？最重要的是，結(jié)合人工智能和物聯(lián)網(wǎng)的潛力來自于創(chuàng)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(chuàng)造有趣和創(chuàng)新的技術(shù)。

　　您應該注意的第二個術(shù)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(yè)領(lǐng)域。區(qū)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(shù)據(jù)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(tǒng)等基于邊緣的設(shè)備生成的數(shù)據(jù)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(zhì)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(shù)據(jù)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(lián)網(wǎng)的人工智能可以讓制造商或其他設(shè)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(chǎn)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(shè)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(fā)揮著重要作用，因為它識別來自設(shè)備/機器的恒定數(shù)據(jù)流中的模式以預測設(shè)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(shè)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(yè)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(lián)網(wǎng)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(shù)據(jù)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(chǎn)品開發(fā)、降低復雜性并在短時間內(nèi)完成項目。

　　安富利認為，當今與人工智能相關(guān)的軟件開發(fā)需要開箱即用的思維，這可以通過多種方式實現(xiàn)。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(xiàn)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(lǐng)域均處于領(lǐng)先地位，這要歸功于其結(jié)合這些學科的悠久歷史。

　　審核編輯：郭婷