支持邊緣人工智能和機器學習能力的數據管道和管道是至關重要的。

人工智能和機器學習開始在邊緣領域發揮作用了嗎?漸漸地,是的。但企業仍然需要關注底層的數據管道和管道，以支持人工智能和機器學習能力。三菱電力的產品經理RohitKadam表示:“無論是否使用不同的微服務，以及希望如何部署或使用它們，都應更加關注構建其架構。一旦有了數據，就專注于如何將管道連接起來。”

Kadam參加了最近關于邊緣實現機遇和挑戰的小組討論，描述了該公司的電池發電廠和系統如何通過物聯網和邊緣系統連接，使公司能夠監測它們的健康和費用。

Kadam解釋道，在三菱電力，人工智能和機器學習在向公司通報其交付給客戶的聯網電池電源包內的問題，以及管理下游物聯網設備方面發揮了重要作用。“ML的工作方式是我們學習電池的行為，因此我們知道這些電池中有多少電量，或者知道還剩多少里程。這些是我們訓練模型時使用的一些關鍵指標。我們學得越多越好。”

通過其綜合優勢和人工智能能力，Kadam表示：“我們現在有能力在數據方面展望未來，以識別和做出安全嘗試運營這些工廠的決策。如果確認看到了危險信號，有一個內置的安全機制，它會啟動，然后在必要時有序地關閉工廠。這已經融入到我們的解決方案中，從邊緣計算的角度來看，分布式架構可以有助于實時采取行動。”

運營指標確保電池系統的可用性和保證。“我們有利用物聯網的使用指標來跟蹤電池的性質，以及它們如何隨著時間的推移而退化。我們認為電池本身就是邊緣節點或邊緣計算設備。其可幫助追蹤監控電池的電壓、電流和溫度。我們進行處理，并將信息存儲在那里，然后向北傳輸回歷史服務器。”

Kadam表示：“供應鏈上有許多部件需要整合在一起，這使得標準成為一個問題。但那里沒有統一的標準，只有盡最大努力遵守與電池發電廠相關的各種標準，”

挑戰在于“電池發電廠本身就是一個獨特的空間”。Kadam繼續補充道。這是一個服務于電動汽車、電網、變電站和建筑自動化系統的市場。“我們有混合畫布，嘗試將它們混在一起，然后向北傳輸。實際上，我們會解析所有這些數據，并將它們混合在一起，以便更有效地將不同的數據集流回歷史服務器。”