Сервисы IBM Watson IoT на облачной платформе

Корпорация IBM объявила о запуске новых предложений и инструментов для усиления роли когнитивных вычислений на множестве сетевых и сенсорных устройств и систем, образующих Интернет вещей (IoT). Новые предложения будут доступны для компаний и разработчиков, работающих в сфере IoT, на глобальной облачной платформе IBM Watson IoT Cloud.

IBM также объявила об открытии глобальной штаб-квартиры Watson Internet of Things (Watson IoT). И штаб-квартира нового подразделения Watson IoT, и первый европейский центр Watson по инновациям будут располагаться в Мюнхене (Германия). Кампус объединит более 1000 разработчиков, консультантов, исследователей и дизайнеров компании для более тесного взаимодействия с заказчиками и партнерами, а также будет служить инновационной лабораторией для специалистов по обработке и анализу данных, инженеров и программистов, создающих новый класс сетевых решений на пересечении когнитивных вычислений и Интернета вещей. Центр также займется развитием сотрудничества заказчиков и партнеров с специалистами по обработке и анализу данных и исследователями IBM, что обеспечит новые возможности для развития всего направления IoT. Над созданием решений в области интернета вещей и Индустрии 4.0 в Мюнхене будут работать более 1000 специалистов.

Компания также объявила об открытии восьми новых клиентских центров Watson IoT по всему миру: в Пекине (Китай), Бёблингене (Германия), Сан-Паулу (Бразилия), Сеуле (Южная Корея), Токио (Япония) и в штатах Массачусетс, Северная Каролина и Техас (США). В новых центрах клиенты и партнеры получат доступ к технологическим инструментам и кадровому потенциалу для создания и развития новых продуктов и сервисов с помощью когнитивного интеллекта на облачной платформе Watson IoT Cloud Platform.

IBM привносит возможности когнитивной аналитики в Интернет вещей, включив четыре семейства API когнитивной системы Watson в портфель услуг IBM Watson IoT Analytics. Функционал API поможет заказчикам, партнерам и разработчикам использовать эти данные эффективнее за счет машинного обучения и корреляции с неструктурированными данными.

Семейство API для обработки естественного языка (Natural Language Processing, NLP) позволяет пользователям взаимодействовать с системами и устройствами, используя естественный язык. NLP помогает компьютерным решениям понять смысл человеческих слов путем их корреляции с другими источниками данных для последующего помещения в контекст в конкретных ситуациях. Например, техник, работающий с каким-либо механизмом, может почувствовать необычную вибрацию и спросить у системы, что является ее источником. Используя NLP и другие данные, полученные с помощью сенсоров, система сможет самостоятельно связать слова со значением и целью запроса, определить устройство, к которому обращаются, и провести корреляцию данных по недавнему техническому обслуживанию, чтобы определить наиболее вероятный источник вибрации, а также дать рекомендации по тому, как ее уменьшить.

Семейство API для машинного обучения (Machine Learning) позволяет автоматизировать процесс обработки информации и на постоянной основе ведет мониторинг новых данных и общения пользователей для того, чтобы сортировать их в соответствии с выбранными приоритетами. Машинное обучение может быть применено к любым данным, поступающим от устройств и сенсоров, для автоматического понимания текущих условий, ожидаемых сценариев развития, отслеживаемых параметров, а также рекомендуемых действиях в случае проблемы. Например, комплекс может отслеживать поступающие от устройств данные для сбора информации о стандартных и особых режимах использования, включая сведения о среде и производственных процессах, которые зачастую уникальны для каждой единицы оборудования.

Семейство API для анализа видео и изображений (Video and Image Analytics) позволяет проводить мониторинг неструктурированных данных потокового видео и изображений для распознавания сцен и определения последовательностей. Эта информация может быть объединена с данными, полученными от оборудования, для лучшего понимания событий, которые произошли ранее или развертываются сейчас. Например, система видеоаналитики на камерах видеонаблюдения распознала присутствие погрузчика в запрещенной зоне, и информация об этом будет сохранена в системе. Спустя трое суток оборудование в этой зоне стало показывать меньший уровень производительности. Эти два происшествия можно скоррелировать, чтобы определить факт столкновения погрузчика с устройством, которое могло быть нечетко запечатлено на видео или не отражено в данных о производительности устройства.

Семейство API для анализа текста (Text Analytics) делает возможным анализ неструктурированной текстовой информации, включая стенограммы разговоров колл-центров, логистической информации, комментарии к записям в блогах и твиты для обнаружения корреляций и закономерностей в этих больших объемах данных. Например, фразы, поступившие по различным каналам, такие как «мне кажется, что машина слишком медленно останавливается» и «тормоза издают странные звуки», могут быть соотнесены и скоррелированы для нахождения потенциальных проблем в эксплуатации автомобиля конкретной марки и модели.