智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
其他品牌
2017年5大物聯(lián)網(wǎng)解決方案深度解析
懷著同樣的心情，我們?yōu)?017年分享五種物聯(lián)網(wǎng)解決方案，這是讓你的企業(yè)步入物聯(lián)網(wǎng)成功道路的起點(diǎn)。
1．捕獲新的數(shù)據(jù)源
每天，公司從與客戶和供應(yīng)商的互動(dòng)中捕獲數(shù)據(jù)，還能獲得基于經(jīng)濟(jì)、天氣、社交媒體等的第三方數(shù)據(jù)。下面講述如何獲取這些數(shù)據(jù)：
找到一條全新的數(shù)據(jù)流
為你的企業(yè)設(shè)置相關(guān)計(jì)劃，找到一個(gè)新的數(shù)據(jù)源。比如，一些工業(yè)設(shè)備可能已經(jīng)有能力輸出信息，但是現(xiàn)在信息可能還沒(méi)有被捕獲到?；蛘呖捎玫墓矓?shù)據(jù)可以容易地集成并與當(dāng)前信息相關(guān)聯(lián)。
結(jié)構(gòu)化現(xiàn)有的數(shù)據(jù)流
你可能有一個(gè)現(xiàn)存的非結(jié)構(gòu)化數(shù)據(jù)源，但當(dāng)前的形式不是特別好用。那么充分結(jié)構(gòu)化當(dāng)前的這份數(shù)據(jù)以使它易被企業(yè)其他人訪問(wèn)，從而帶來(lái)新的視野。
容易的機(jī)會(huì)
觀察流行的消息隊(duì)列，諸如Apache Kafka，從而為消息流建立交通樞紐。
通過(guò)查看哪些信息可從現(xiàn)有工業(yè)設(shè)備中捕獲，來(lái)深入鉆研工業(yè)物聯(lián)網(wǎng)。
2．審視一項(xiàng)新應(yīng)用
頭腦風(fēng)暴出一項(xiàng)新應(yīng)用，能交付出新的客戶利益或者操作效率。選擇包括：
一項(xiàng)新的移動(dòng)應(yīng)用。
一項(xiàng)用戶體驗(yàn)推進(jìn)，通過(guò)投遞更加和相關(guān)的信息實(shí)現(xiàn)。
針對(duì)客戶和互聯(lián)網(wǎng)商業(yè)的省時(shí)工具。
當(dāng)開(kāi)展計(jì)劃并實(shí)施時(shí)，問(wèn)問(wèn)你自己：
什么樣的數(shù)據(jù)源組合能提供大價(jià)值？
這項(xiàng)應(yīng)用能受益于實(shí)時(shí)數(shù)據(jù)嗎？
我可以移動(dòng)到一個(gè)推模型，而不是一個(gè)拉模型的應(yīng)用程序交互性？
3．建立一個(gè)物聯(lián)網(wǎng)分析應(yīng)用
基于對(duì)現(xiàn)有或新數(shù)據(jù)的新觀察的分析幫助業(yè)務(wù)向前推動(dòng)?？紤]將現(xiàn)有的機(jī)器學(xué)習(xí)模型應(yīng)用到現(xiàn)存工作流上，或者將模型應(yīng)用于新的即將到來(lái)的物聯(lián)網(wǎng)生成的數(shù)據(jù)流上。
比如，許多機(jī)器學(xué)習(xí)模型或者在較早的談話統(tǒng)計(jì)模型中，可以用預(yù)測(cè)模型標(biāo)記語(yǔ)言或PMML來(lái)輸出。
具體來(lái)說(shuō)，諸如SAS導(dǎo)出模型到PMML的工具可以直接集成到實(shí)時(shí)管道中。像Apache Spark這樣的現(xiàn)代轉(zhuǎn)換層和像MemSQL這樣的分布式數(shù)據(jù)庫(kù)可以本地托管這些模型，從而可以實(shí)時(shí)記錄傳入的數(shù)據(jù)。
架構(gòu)師可以擴(kuò)展當(dāng)前流行的函數(shù)庫(kù)(例如MLlib和TensorFlow)，以使用這些工具創(chuàng)建預(yù)測(cè)分析應(yīng)用程序。
4．確保正確的基礎(chǔ)數(shù)據(jù)架構(gòu)
成功的IoT部署需要從邊緣數(shù)據(jù)收集一直到數(shù)據(jù)中心。像OSI Software提供了一款收集工具，可以幫助你將數(shù)據(jù)輸入你的管道。
一旦進(jìn)入數(shù)據(jù)中心，一個(gè)共同的架構(gòu)涉及到集成以下層。
消息隊(duì)列
在消息層，Apache Kafka和AWS Kinesis是聚集數(shù)據(jù)流的常用選項(xiàng)，連接信息的產(chǎn)生者和消費(fèi)者。
轉(zhuǎn)化
大多數(shù)數(shù)據(jù)管道需要將數(shù)據(jù)從捕獲時(shí)的狀態(tài)修改為其長(zhǎng)期持久性狀態(tài)。轉(zhuǎn)換分片模式，以便數(shù)據(jù)可以在轉(zhuǎn)換層進(jìn)行正確分類。
數(shù)據(jù)持久性
準(zhǔn)確的預(yù)測(cè)分析模型涉及實(shí)時(shí)和歷史數(shù)據(jù)，因此能夠持久保留數(shù)據(jù)，包括隨時(shí)的記錄，設(shè)置適當(dāng)?shù)纳舷挛摹?br />
實(shí)時(shí)儀表盤(pán)
對(duì)于快速可視化當(dāng)前數(shù)據(jù)沒(méi)有什么比實(shí)時(shí)儀表板更能讓人驚喜的了。受歡迎的商業(yè)智能儀表板(如Tableau、Zoomdata或Looker)以及使用D3.js等框架的自定義儀表板，均能允許公司提供對(duì)新數(shù)據(jù)的廣泛訪問(wèn)。
5．為企業(yè)設(shè)置物聯(lián)網(wǎng)成功的模型
毫無(wú)疑問(wèn)，數(shù)據(jù)在當(dāng)今的商業(yè)環(huán)境中扮演著更重要的角色，每個(gè)人都在爭(zhēng)相“轉(zhuǎn)型”。新的CxO角色，如數(shù)據(jù)官和分析官，使得這一切變得更加明顯。
去年年底，Gartner估測(cè)25%的大型跨國(guó)企業(yè)已經(jīng)雇傭了一個(gè)數(shù)據(jù)官。到2019年，Gartner預(yù)期此數(shù)據(jù)會(huì)達(dá)到90%。
此外，Gartner看到了分析的興起：
到2018年，Gartner預(yù)測(cè)，超過(guò)一半的大型組織將使用先進(jìn)的分析和專有算法進(jìn)行競(jìng)爭(zhēng)，破壞整個(gè)行業(yè)。這反過(guò)來(lái)又受到激增的設(shè)備、連接的“事物”、連接性和計(jì)算能力所驅(qū)使，所有這些都創(chuàng)造了更多的機(jī)會(huì)來(lái)收集數(shù)據(jù)，分析數(shù)據(jù)，并可能實(shí)現(xiàn)貨幣化。
從來(lái)沒(méi)有比現(xiàn)在更好的時(shí)機(jī)來(lái)開(kāi)啟你的物聯(lián)網(wǎng)架構(gòu)規(guī)劃。
(原標(biāo)題：2017年五種物聯(lián)網(wǎng)架構(gòu)解決方案)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
