通过AI应用提升智能家居产品价值

大家好，今日小科来聊聊一篇关于通过AI应用提升智能家居产品价值的文章，现在让我们往下看看吧！

除了将安全用例作为采用的主要驱动因素，更广泛的智能家居自动化部分还包括独立设备和智能家居系统，旨在统一控制灯光、锁、恒温器、娱乐设备等子系统。

智能家居控制可通过自装DIY系统(Wink)、保安服务提供的预装系统(Alarm.com ADT Pulse)或定制安装的智能家居经销商(快思聪Control4)实现。

智能家居控制也可以通过点对点解决方案的云到云集成，或者独立于传统硬件控制器的系统(Amazon Alexa、Google homepage、与嵌入式作品和各种WiFi设备API的集成)来实现。

人工智能可以应用于来自任何这些家庭自动化设备或系统的数据，以预测和预测用户行为，提供维护数据，或帮助提高数据安全性和隐私性。

尽管智能家居产品和服务激增，但安全面板和家庭控制中心等硬件控制器近年来仅略有增加。

2017年第四季度，13%的美国宽带家庭报告拥有家庭控制器，到2022年，家庭控制器年收入有望达到270万美元。本地智能家居控制器硬件可以利用处理能力和内存帮助人工智能处于边缘，从而减少延迟，提高数据安全性和隐私性。

无论是通过本地硬件还是基于云的智能，AI应用都可以通过以下方式之一增强用户体验并为智能家居增值。

预测和个性化自动化。

随着人工智能驱动的分析被应用于日常生活的重复模式，智能家居应用程序可以学习居住者的日常工作，并为自动化序列提供预测性建议，使生活更加安全、更安全、更舒适、更方便。

例如，在学习了包括打开门、打开灯和在一个家庭的几个房间中移动的行为模式之后，系统可能会建议所有这些动作在“到达场景”中同步和自动化。当居住者的智能手机离地理围栏标识的家有一定距离时，就会被触发。

汉普顿公司的汉普顿通过Array应用程序集成和控制智能家居产品，展示了这一潜力。该应用程序通过电子钥匙和电子代码实现地理围栏、自动化和访问管理。通过应用机器学习，工作人员不必创建场景，而只需确认其创建。也许用语音更方便。

类似地，通过知道哪个乘客到达，可以针对照明、恒温器设置、娱乐偏好等触发个性化设置。机器学习可以根据居住者的行为随时间的变化或其他环境因素(如时间和年份、一周中的哪一天、家中是否有其他人或天气条件)的作用来调整这些设置。

家庭、假期、睡眠和休假模式是上下文的符号，可以为个性化自动化提供信息。机器学习对于智能自动化的主要价值在于，它大大提升了用户体验，车主需要付出的努力更少。智能系统可以照顾居民，并为他们提供更高水平的保护。

更多自行设计的系统已经进入市场。对乘员模式进行短暂研究后，自动系统将实现自动化，用户无需做任何事情。系统默认为机器自主，而不是请求许可。一些消费者可能会觉得方便，而另一些人可能还没有准备好放弃对房屋的如此大的控制权。

预测性维护

最初应用于企业设施管理和工业物联网的机器学习，开始应用于来自消费者级连接的暖通空调系统、冰箱、洗衣机和烘干机的设备遥测数据。

通过预测潜在的问题和干预措施，预测性维护比响应性维护(问题发生后的修复)和预防性维护(为维护设备而采取的建议措施，但不受设备实际状况的影响)更具优势。

产品性能诊断、运行时间、用电方式、总使用时间、过滤器或冷却液状态等指标可以提供潜在维修问题的关键指标，方便时可以积极解决甚至预防。应用于大型安装设备数据集的机器学习将产生在小样本库中不可见的性能模式。

LG去年在CES上宣布，将在所有产品中加入ThinQ人工智能。除了远程访问和监控、语音控制和设备间通信外，其智能设备还具有自诊断功能。

该公司声称，人工智能可以在任何智能家电上发现维护问题，并自动通知用户。为了加快修复时间，该应用程序还会向呼叫中心或公司的工程师发送维护警报。

公共云平台，如微软Azure和亚马逊网络服务，为不同类型的预测性维护用例提供预配置的机器学习工具。

同样，Mnubo已应用其SmartObjects机器学习平台，为连接的供暖、通风、空调和制冷机组(HVACR)开发预测性维护分析。

该应用程序实时测量流量、温度、压力和振动水平，然后存储和分析HVACR的诊断事件数据，以识别趋势和模式，并突出潜在的问题。

将向制造商通知问题、异常和异常行为以及操作问题，如温度和振动波动。随着时间的推移，机器学习被应用于故障和异常数据集，该服务可以构建预测性维护。

模型，可以在问题发生之前发现问题，并使制造商能够采取主动措施来解决设备问题。

消费电子产品和电器的预测性维护应用为客户参与，产品开发和优化提供长期价值，并为维修，转介，零件和消耗品(如过滤器和流体)的补充提供新的收入。

与企业和工业物联网的预测性维护应用不同，消费产品的预测性维护应用不会产生短期运营效率，降低维护成本和卡车运输，或减少停机造成的损失。

如果没有更直接的投资回报率，维护应用程序将会遇到更慢的实然而，具有前瞻性思维的公司会将预测性维护视为在整个产品生命周期中吸引客户的一种手段，这将持续定位其品牌以进行交叉销售和追加销售机会。

与消费者围绕AI驱动功能的互动最好是温和地逐步处理。在用户确认某些行动或偏好后，建议可能会导致轻微导致完全自动化。

消费者控制和数据共享的信心至关重要。产品或系统的智能最好地发挥所有者智能的延伸，提供更多便利，安全，节省和安心。

这篇好文章是转载于：知行礼动