物联网危险状况怎样做可以降低

利用AI和机器学习，可在部署到实体机器之前判断进行更改时会发生什么情况。Essentra Components

导盲犬经严格训练来服从主人命令，但其训练过程包括称为“聪明的不服从”（Intelligent disobedience）行为，即为了更好的结果来违背主人的指示。此行为是导盲犬的成功关键，而也适用于物联网（IoT）。

据IoT Agenda报导，每天走同条路的盲人，很熟悉过马路的地方，能靠更好的嗅觉和听觉理解交通和人群，而能做出适当决定。但在角落里可能会有他从未遇过的意外。看到主人看不到的东西的导盲犬则会察觉危险，违背前进的命令。

这种行为在物联网领域也可能具有相同优势。智能系统应设计成若出现不利于当前工作最佳利益的情况，就要延后执行指示，特别涉及危险的情况。传感器为物联网的神经系统，收集连续数据流进行处理。它们将数据提供给处理速度比任何人都快的计算机。

透过物联网系统获得的情报，应会比任何操作员掌握的更全面。它可能会比操作员更快看到危险，并认为需要采取必要预防措施。操作员指示做某件事时，系统会知道这样做太危险。此时即为采取聪明的不服从，警告操作员在当前条件下其指示将有负面后果的最佳时机。

当然，有时尽管系统反对仍须遵循指令。例如，盲人走到转角，导盲犬发现前面有两个不熟的男人，而阻止主人继续前进。但对方一开口，盲人就认出他舅舅的声音，并向导盲犬示意对方是亲友。如此一来，聪明的不服从就会被推翻。

同样地，操作员可能会知道物联网系统不可能知道的事。因此应建立升级程序，让工作人员能对系统要求提出质疑，并继续执行原来的指示。

Red Hat开发人员与Cloudera、Eurotech共同创建一个工业4.0演示，其中包含一个预测性维护应用程序，并且会提供此程序历史和实时数据来进行分析、建模和机器学习。

新的业务规则可基于这些数据来建立，并可在边缘执行机器学习模型来解决问题，对不可预知的事件做出反应。像这样的模型可用来统计分析和预测机器何时可能发生故障及何时要进行维修。

随着系统变得更智能化，未来发展应将其整合到流程中，好在其建议下做出决定。在作决策之前考虑此反馈，可确保更好的决策。方法之一是透过虚拟工厂。Eclipse Kapua就有提供这样的数字化模拟（Digital Twin）。

当某个系统不可用时，其数字分身将显示最后一个已知状态。在此情况下，用户可查询操作状态并要求进行测量，甚至可将变更发送到设备。另一个概念是建立某个引擎的虚拟副本，让用户测试更改。利用AI和机器学习，在部署到实体机器之前判断进行更改时会发生什么情况。

然而，第二种技术市面上的产品很少。报导认为，为使业界更广泛采用此技术，应建立开放标准以共享信息。要创建所需的复杂模型，应有用软件仿真这些设备的标准。推动Digital Twin模型的标准化，即为潜在努力方向之一。