隨著大數據(Big Data)、人工智慧(AI)和物聯網(IoT)的興起,智慧系統與應用影響到日常生活的許多層面,也為智慧計算基礎架構創造了機會。最近,第四次工業革命揭開了智慧製造的時代,它藉助新興技術來收集和分析數據,並透過智慧物聯網(AIoT)應用程式從數據中獲取知識和效率。因此,我們提出了一個iSEC框架,該框架可用於感測器、邊緣和雲端計算基礎架構。該項目部署了智慧雲邊緣計算架構,以在雲端或邊緣環境中提供機器學習和深度學習功能。邊緣運算是一種分散式運算的架構,將應用程式、數據資料與服務的運算,由網路中心節點,移往網路邏輯上的邊緣節點來處理。由於邊緣節點更接近於用戶終端裝置,可以加快資料的處理與傳送速度,減少延遲。在這種架構下,資料的分析與知識的產生,更接近於數據資料的來源,因此更適合處理大數據。以工廠為例,各項物聯網相關設備裝置所產生的數據,將會透過邊緣機器學習的相關演算法進行運算,再回饋到物聯網相關設備,使工廠變得更具智慧,進而優化生產、節能、設備監診、預防性維護等。應用範圍與發展方向涵蓋智慧家庭、智慧醫療、智慧工廠、智慧農漁業、與智慧城市等。
眾所周知,人工智慧(AI)與物聯網(IoT)技術的價值是相輔相成。根據Gartner的預測,到2022年,80%的企業物聯網項目將包括AI解決方案。到2025年,全球將有超過500億個互聯設備,產生180 ZB——相當於1800億個1TB的海量數據輸出。《全球人工智慧研究報告》指出,到2030年,人工智慧將使全球GDP增長14%,貢獻15.7萬億美元。根據麥肯錫的研究,到2025年,全球物聯網的應用產值將高達11.1萬億美元;到2030年,人工智慧預計將帶來13萬億美元產值。智慧物聯網(AIoT)藉助新興技術來收集和分析數據,並通過人工智慧和物聯網應用程序從數據中獲取知識和效率。該調查亦指出:亞馬遜、微軟、英特爾、ARM和其他索引公司正在積極部署邊緣計算以擴展AIoT生態系統。AIoT正在改變世界!
AIoT推動了全球技術產業鏈上、中下游製造業的巨大需求。例如,在工廠中,將使用特定的雲機器學習算法來測量由各種與IoT相關的設備所產生的數據,然後反饋到與IoT相關的機器,使工廠變得更智慧,以實現自動化製造、節省電力、跟蹤和診斷機械、進行預防性維護等作業。應用和開發方向的範圍包括智慧家居、智慧醫療保健、智慧工廠、自駕車、交通管理、商業服務以及金融技術等。
人工智慧技術使機器能夠從外部數據中學習,進行預測分析或在分析後協助決策。因此,IoT通訊數據的傳輸速度對於AI自主推理系統的計算至關重要。這三項核心技術包括嵌入式系統和傳感器、雲數據和分析、人工智能和邊緣計算應用程序。
邊緣計算是工業和製造業中最有前途的技術之一,是智慧製造和工業4.0加速橋。但是,邊緣計算不僅限於此。我們提出了一個iSEC框架,該框架可用於感測器、邊緣和雲端計算基礎架構。首先,我們需要開發或使用智慧感測器、邊緣和雲端(iSEC)框架的相關技術。為了構建智慧邊緣計算環境,該框架使用Raspberry Pi 4和Jetson Nano作為邊緣設備。
圖一:iSEC框架組織圖
另外,它使用訊息序列遙測傳輸(MQTT)協議,透過具有低距離、低功率傳輸特性的遠程廣域網(LoRaWAN)傳輸數據。為了提供智慧系統,該項目應用了機器學習算法來構建模型並將其推斷到邊緣設備。圖2描述了我們系統的框架和MQTT通信方案,我們使用兩個應用以評估iSEC框架,分別是空氣品質監測系統和物件辨識的項目。將來,這項研究將進一步加強邊緣計算,例如擴大邊緣節點的數量,以用於更多智慧服務與應用。
圖二:MQTT傳輸協議架構圖