AI-система для IoT (Internet of Things)
Мільярди IoT-пристроїв генерують терабайти даних. Передача всього в хмару — дорого, повільно, небезпечно. AI на edge дозволяє приймати рішення у джерела даних: у датчику, шлюзі, або локальному сервері.
Архітектура IoT + AI
Три рівні обробки:
Device Level (MCU): TinyML на STM32, ESP32, Arduino. Прості класифікатори, anomaly detection на сирих даних. Спожи вання <1 Вт.
Edge Level (Gateway): NVIDIA Jetson, Raspberry Pi 5, Intel NUC. Складніші моделі, агрегація з кількох пристроїв, локальні рішення, часткова відправка в хмару.
Cloud Level: історичний аналіз, переобучення моделей, складна обробка подій.
Типові AI-завдання в IoT
Predictive Maintenance: Датчики вібрації на обладнанні → edge ML → передбачення відмови обладнання на 2–4 тижні вперед. LSTM / CNN-1D на часових рядах.
Quality Control: Камера на конвеєрі → YOLOv8 на Jetson → детекція дефектів в реальному часі. <30 мс latency.
Energy Management: Розумні лічильники → edge агрегація → ML оптимізація спожи вання.
Security: Камери з on-device face detection → тільки події (не сирий відео) в хмару.
Протоколи та стандарти
MQTT для легкого обміну повідомленнями. OPC-UA для промислового IoT. Matter для consumer розумного дому. LoRaWAN для довгих відстаней з низьким енергоспоживанням.
Пайплайн: 8–16 тижнів
Залежить від кількості пристроїв, типів даних та складності AI завдань.