Smart energi: Bruk av IoT og AI for å redusere avfall, øke fortjenesten

Redusering av avfall og ansvarlig energistyring er blitt en nødvendighet for selskaper som ønsker å kaste opp sitt bilde i offentlighetens øye. Men mens du går grønt er absolutt et prisverdig etisk mål, er det også en skattemessig ansvarlig. Bedrifter som implementerer grønne strategier - som avfallssparing, energieffektivitet og forutsigbart vedlikehold - sparer alltid penger på lang sikt.

En effektiv energistyringsstrategi krever den nyeste teknologien. I dag er det en kombinasjon av internett av ting (IoT) og maskinlæringsalgoritmer, mer kjent som kunstig intelligens (AI). IoT-løsninger kan implementeres så smalt som på kretsnivå, og ved å utnytte og analysere dataene med AI, kan beslutningstakere trekke til brukbar informasjon for å redusere avfallet og ytterligere optimalisere forretningsdriften. AI muliggjør også sanntidsvarsler og meldinger samt automatisering av nøkkelfunksjoner, for eksempel klimastyring og belysning.

Internett av ting gir data-drevet innsikt

IoT-strømmen kommer fra de granulære dataene det gir. Ved å installere sensorer på eksisterende enheter kan de kommunisere informasjon om forhold som energiforbruk, trykk, temperatur, oppetid og så videre i hele datamaskinen.

"Hva skiller IoT fra andre kommunikasjonsteknologier er måten dette globale nettverket av fysiske Objektene samler automatisk og kommuniserer data fra den virkelige verden, sier Safi Oranski, leder av IoT for IoTs energistyringsvirksomhet Panoramic Power.

Når data ruller inn, får organisasjonen både en historisk og sanntidsvisning av hvordan systemene dine operere. For eksempel kan produsenter overvåke driften av individuelle enheter og holde øye med uregelmessig oppførsel som kan signalere et forestående problem. Tidlig tilgang til denne informasjonen gjør det mulig å foreta forebyggende og forebyggende vedlikehold, før et problem påvirker produktiviteten.

Kontekstualisering av data med kunstig intelligens

Implementering av IoT er imidlertid bare halvparten av kampen. Med en så stor mengde data som strømmer inn, er det umulig for menneskelige operatører å effektivt analysere alt. Det er her maskinlæring kommer inn.

"[For] hver enhet som er koblet til systemet, begynner [maskinlæring] algoritmen å se på det i et par uker og lære atferden," sa Oranski. "Det registrerer spesifikke nøkkelindikatorer som er relevante for enheten, ting som arbeidstid, idle timer, off duty, startstopp."

På grunnlag av data fra de tilkoblede enhetene danner algoritmen et bilde av hvilken generell funksjonell bruk som ser ut som. Alt som strekker seg for langt fra dette området er merket som potensielt problematisk og trenger å se nærmere på mennesker.

Ved å undersøke andre kontekstualiserte data som strømmer inn fra IoT-sensorene, kan AI også analysere ting som trykkendringer over tid, energi bruk, utgang og så videre. Ved å sammenligne, si en økning i energiforbruket sammen med en økt trykk, kan menneskelige operatører raskt identifisere det bestemte problemet raskt og deretter engasjere seg i forebyggende vedlikehold eller erstatte enheten helt.

Bunnlinjen

IoT og maskinlæring algoritmer har benyttet organisasjoner av informasjon de aldri hadde før, kontekstualisert på en måte som ikke bare støtter beslutningstaking, men letter det.

"Jeg tror at alle de store selskapene i siste instans vil distribuere IoT på en eller annen måte på et tidspunkt i de neste par år, sier Oranski Mobby Business. "Teknologien er tilgjengelig til en rimelig pris med påvist ROI."

Gikk til dette nivået, går grønn er ikke bare en økologisk vurdering eller en markedsføringsbonus, men et økonomisk imperativ som bedrifter trenger å forbli konkurransedyktige. Etter hvert som IoT og AI adopsjon vokser, kan selskaper som ikke kommer ombord, godt etterlates når konkurrentene sparer penger, reinvesterer i andre områder og øker sine fortjenestemarginer.

I fremtiden, sier Oranski, er det sannsynlig at IOT og maskinlæring vil vokse utover enkle oppdateringer og anbefalinger, og nå et punkt der de kan automatisere sofistikerte systemnivåprosesser.

"Dette er ofte ting som endres basert på forhold, sier Oranski. "[Disse systemene] varsler folk om muligheter til å redde eller gjøre ting annerledes, men de trenger faktisk å ta de avgjørelsene. Men jo mer folk stoler på maskiner og algoritmer, desto mer vil de være tilbøyelige til å la dem ta sine egne beslutninger."

Administrere sosiale medier for jobbsøk

Facebook kan hjelpe jobbsøkere til å finne en ny posisjon, men det kan like enkelt koste dem en, viser ny forskning. En studie fra CareerBuilder viste at mer enn 40 prosent av ansettelsesledere som for tiden søker kandidater via sosiale medier, har sagt at de har funnet informasjon som har ført til at de ikke skal ansette en kandidat, opp 9 prosentpoeng fra i fjor.

(Virksomhet)

10 3D-utskriftsjobber på vei opp

President Barack Obama sa det har "potensialet til å revolusjonere måten vi gjør nesten alt på." En fersk Freelancer.com-studie fant at den har opplevd enestående vekst. En MyCorporation infographic anslår også at den vil bli en $ 5,2 milliarder bransje innen 2020, med en forventet 14 prosent årlig vekst mellom 2012 og 2017.

(Virksomhet)