數(shù)據(jù)是新的石油，企業(yè)物聯(lián)網(wǎng)部署是一種從許多不同來源獲取大量數(shù)據(jù)的簡單方法。但最終，真正重要的是數(shù)據(jù)的業(yè)務處理。通過將這些數(shù)據(jù)運用起來，組織可以提高效率，增加盈利，推動創(chuàng)新。

　　這就是機器學習的問題。它仍然是一個相當新生的技術，但一些公司正在使用機器學習來提升物聯(lián)網(wǎng)計劃的價值。

　　對于初學者來說，機器學習算法可以使物聯(lián)網(wǎng)數(shù)據(jù)更適合處理和分析。企業(yè)可以使用經(jīng)過訓練的算法來幫助組織和標記數(shù)據(jù)。使用機器學習，公司可以確定數(shù)據(jù)來源和分類，以及它是否符合某些合規(guī)要求。這對于在高度監(jiān)管的醫(yī)療和金融服務領域的物聯(lián)網(wǎng)部署尤其有用。

　　機器學習也可以用于分析本身。根據(jù)IDC認知與人工智能系統(tǒng)研究總監(jiān)Dave Schubmehl的說法，該技術可以為企業(yè)物聯(lián)網(wǎng)部署提供“預測，建議或可能的規(guī)定性措施” 。

　　這種算法的核心用例是預測性維護。Schubmehl說，這是在復雜機器上的傳感器發(fā)回數(shù)據(jù)時完成的，該數(shù)據(jù)“用于預測各種子系統(tǒng)何時可能出現(xiàn)故障，并建議何時該機器應該進行預防性維護以防止故障發(fā)生”。通過使用數(shù)據(jù)在發(fā)生故障之前解決維護問題，企業(yè)可以節(jié)省時間和金錢。

　　根據(jù)物聯(lián)網(wǎng)公司研究總監(jiān)Christian Renaud的說法，預測性維護用例約占451 Research所認為的物聯(lián)網(wǎng)部署的三分之二。

　　Renaud表示，通常發(fā)生的情況是“您正在監(jiān)控的實時數(shù)據(jù)很多，但直到出現(xiàn)異常情況時才開始捕獲和分析。” 其中一個例子就是醫(yī)院配備高價值冰箱用于需要保持恒定溫度的器官移植。沒有人真正關心他們在恒定的溫度下待到他們不再工作，機器學習可以(希望)阻止他們失敗。

　　資源管理是機器學習可以用于物聯(lián)網(wǎng)計劃的另一種方式。根據(jù)Schubmehl的說法，像約翰迪爾這樣的公司使用“拖拉機和農(nóng)場設備上的傳感器來監(jiān)控土壤，植物，昆蟲，水分等等的狀態(tài)，以建立預測模型，以準確計算應施用多少化肥，水和殺蟲劑以最大限度地提高作物產(chǎn)量。“

　　在2017年Gartner報告“邊緣人工智能：融合人工智能和物聯(lián)網(wǎng)將催化新的數(shù)字價值創(chuàng)造”一文中，舉例說明了Google如何使用物聯(lián)網(wǎng)和機器學習優(yōu)化其數(shù)據(jù)中心的資源。據(jù)報道，傳感器可監(jiān)測溫度，功率，泵速，設定值等。通過使用這些數(shù)據(jù)和特定的算法，Google將冷卻費用減少了40%，并從相同的能源消耗中獲得了3.5倍的計算能力。

　　從射頻識別(RFID)標簽收集的數(shù)據(jù)也可以用于機器學習，以創(chuàng)造商業(yè)價值。Schubmehl給出了航運業(yè)使用的RFID優(yōu)化供應鏈路線和物流的例子。Renaud說這在卡車運輸中很常見，機器學習用于確定哪條路線對發(fā)動機影響最小，并有助于保持最佳的燃油經(jīng)濟性。

　　目前，物聯(lián)網(wǎng)中的機器學習實施在成熟的垂直領域比較普遍，例如制造和運輸?shù)纫呀?jīng)使用這些技術一段時間，Renaud說。然而，大多數(shù)公司“仍處于試驗階段，”他們不知道重要變量是什么，Renaud說。

　　隨著機器學習在企業(yè)中進一步發(fā)展并與物聯(lián)網(wǎng)相結合，其他新的使用案例將呈現(xiàn)出來。其中一個用例是機器學習，用于理解上下文相關的客戶數(shù)據(jù)。

　　“你會從零售渠道獲得大量的用戶意圖 - 能夠?qū)⒛阕鳛橄M者和你的在線行為與你在店內(nèi)做的事情聯(lián)系起來，”雷諾說。

　　Gartner報告還提到了零售環(huán)境數(shù)據(jù)，特別是使用店內(nèi)攝像機和機器學習來創(chuàng)建智能視頻分析。

　　Schubmehl表示，機器學習和物聯(lián)網(wǎng)的其他整合包括 可吞食自主外科手術機器人，使用制造數(shù)據(jù)和算法自主觸發(fā)制造過程中的其他特定行為，并使用連接的車輛數(shù)據(jù)和機器學習創(chuàng)建定制化保險產(chǎn)品。

　　國內(nèi)最大的物聯(lián)卡交易平臺（http://m.linhoocis.cn）表示，雖然無法預測機器學習會影響物聯(lián)網(wǎng)的所有方式，但機器學習將成為推動物聯(lián)網(wǎng)實際企業(yè)價值的關鍵，這已經(jīng)成為一個預見的結論。

延伸閱讀

http://m.linhoocis.cn/ask/251.html

http://m.linhoocis.cn/ask/250.html

http://m.linhoocis.cn/ask/249.html