图片22
你可以把工业物联网想像为企业的神经系统:它是一个感应器网络,能从工厂的每一个角落收集有用的信息,并把它们储存在数据库中,用于数据分析和使用。为了测量和获得数据,需要工业物联网来作出明智的决策。但接下来会怎样呢?公司应如何处理所有这些数据?一般人都知道在可靠的信息基础上才能做出正确的决定,尽管这听起来很简单,但是要达到目标并非易事。这篇文章将超越物联网,专注于数据,以及如何通过IoT和数据分析对数据加以利用。
接下来的几个阶段是分析阶段,这是一个先把数据转换成信息,然后再转换成知识(有时也称为业务逻辑)。但是,它并不会偏离物联网的核心主题,因为没有大数据的物联网对人来说是没有意义的。
海量数据分析。
数十年来,尤其是在20世纪10年代,我们看到数字技术大量产生的数据(结构化和非结构化)令人震惊。充分利用大量信息是工业社会中企业成功的关键。
这一对商业数据处理的需要,催生了“大数据”、“数据科学”和“数据分析”等可互换的术语,人们可以把它们统称为用于检验由设备网络获取的数据所遵循的过程,旨在揭示模糊的趋势、模式或相关性。其基本目标就是利用新知识改善企业状况。
在理论上讨论什么是大数据和非标准数据,因为数据采集设备无所不在,大数据分析和处理已经在工业界得到广泛应用,所以它对数据的定义也就不再那么重要了。
互联网与大数据。
大数据与物联网是如何相关的?物联网连接的主要点通常是数据库。一般而言,物联网的工作终止于数据库;换言之,物联网的目的是以或多或少地有序地把所有获得的数据转储到一个公共存储库。
不管怎样,将物联网的大数据分析可视化为工具包是非常有用的。一种或另一种工具,取决于人们希望从这些数据中获得的信息和知识的种类。其中很多工具都是以传统算法的形式出现,并有一些类似的统计和代数原理对这些算法进行改进或修改。
答案是,目前可用的数据量远远超过了最初设计中描述的算法,但是更重要的是,今天机器的计算能力允许更大规模地使用这些技术,从而为旧方法提供新的应用。
但别给人这样的印象:“所有东西都是在创造,当前的数据分析趋势并没有产生什么新鲜感。”事实上,恰恰相反,数据生态系统非常广泛,并在近几年出现了一些重大革新。
发展最快的领域之一是人工智能,而人工智能并非一种新兴技术,因为它早在1956年就诞生了。但是,人工智能是一个非常广泛的概念,它的影响如此之广,以至于它通常被视为一门独立的学科。但实际上,在某种程度上,人工智能在大数据和数据分析中起着不可替代的作用。并且现在AIoT也在自然进化。
边界AI与云计算的用例。
云计算提供了一个综合的分析过程,它把整个系统都考虑进去,同时边缘人工智能给人们提供了快速的反应和自主能力。但是就像人体一样,这两种反应并非互相排斥,事实上是可以互补的。
举例来说,供水控制系统可以在发现泄漏时立即关闭阀门,同时将通知中心系统,以便中央系统作出较高级别的决定,如开启通过另一回路引水的替代阀。
这是无穷无尽的可能性,而且可以超越这一简化的反应性维护例子,复杂的系统能够预测可能发生的事件,从而实现预见性维护的可能性。
另一个AIoT用来进行数据分析的例子是智能电网,在智能电网的边缘,经常有一些智能设备可以分析每个节点的功率流,并在当地作出负载平衡决定,与此同时,该公司把所有这些数据传送到云平台进行分析,形成更加全面的能源策略。从宏观层次上进行分析,可以在区域层面上作出负载均衡的决定,甚至可以通过关闭水电厂或启动购买程序来减少或增加电力产量。