物聯(lián)網(wǎng)分析的過去、現(xiàn)在、未來

卡特彼勒是重型機(jī)械的代名詞，在90多年的歷史中，其產(chǎn)品一直在幫助用戶建立更美好的世界。過去20年，卡特彼勒一直在推動行業(yè)領(lǐng)先的連接解決方案，1999年推出第一款遠(yuǎn)程信息處理設(shè)備，現(xiàn)在正在通過先進(jìn)的數(shù)據(jù)科學(xué)和物聯(lián)網(wǎng)解決方案來支持?jǐn)?shù)字戰(zhàn)略。

借助車載計算機(jī)、傳感器和攝像頭，大約一百萬個資產(chǎn)正在將數(shù)據(jù)傳輸?shù)?a target="_blank">公司，以實(shí)現(xiàn)大規(guī)模的高級物聯(lián)網(wǎng)分析，這些數(shù)據(jù)包括時間序列數(shù)據(jù)，機(jī)器運(yùn)行狀況報警，燃油使用量，GPS定位和操作員的使用情況。

卡特彼勒的物聯(lián)網(wǎng)分析技術(shù)借助數(shù)據(jù)，可以以更低的總成本、更高的生產(chǎn)率和安全性，更低的維護(hù)成本為用戶創(chuàng)造價值。使用分析可以了解何時需要維修和更換機(jī)器以及設(shè)備部件，如何高效的操作以提高產(chǎn)量，降低運(yùn)營成本，如何延長設(shè)備使用壽命等等。

那么，物聯(lián)網(wǎng)分析的未來是什么？先看看物聯(lián)網(wǎng)領(lǐng)域的趨勢和挑戰(zhàn)。

趨勢：數(shù)據(jù)量不斷增加。

挑戰(zhàn)：可用數(shù)據(jù)的質(zhì)量。

工業(yè)物聯(lián)網(wǎng)是用于分析的數(shù)據(jù)生成引擎：一臺大型現(xiàn)代化卡車擁有100多個傳感器，每個傳感器以每秒一次或更快的頻率產(chǎn)生數(shù)據(jù)并處理。分析人員在處理如此大量的數(shù)據(jù)時，可能遇到質(zhì)量問題，如缺少批次信息、缺少通道、傳感器故障，錯誤的提取信息，數(shù)據(jù)抽取傳輸裝在過程中的故障等問題。這些問題導(dǎo)致數(shù)據(jù)科學(xué)家將更多的時間浪費(fèi)在數(shù)據(jù)質(zhì)量控制而非花在數(shù)據(jù)分析上。

行動：投資于數(shù)據(jù)質(zhì)量監(jiān)控和改進(jìn)。這將帶來長期的收益，隨著數(shù)據(jù)量的不斷增加，以后解決數(shù)據(jù)質(zhì)量的問題將越來越困難。

趨勢：“監(jiān)督”分析模型將成為主流。

挑戰(zhàn)：缺乏質(zhì)量的基本準(zhǔn)則。

監(jiān)督模型可以更直接的使用，并帶有準(zhǔn)確的估計值，因此作為首選模型。但是，在決絕包括真是數(shù)據(jù)質(zhì)量在內(nèi)的數(shù)據(jù)質(zhì)量問題之間，受監(jiān)督模型很難實(shí)現(xiàn)高精度。

行動：專注于”無監(jiān)督“模型，但要建立與監(jiān)督模型兼容的基礎(chǔ)架構(gòu)，并繼續(xù)提高數(shù)據(jù)質(zhì)量。隨著建立基礎(chǔ)設(shè)施以自動標(biāo)記數(shù)據(jù)，向監(jiān)督模型過渡可能而逐漸發(fā)生。

趨勢：自動化分析。

挑戰(zhàn)：由于人工參與，缺乏算法透明性，限制了可伸縮性。

物聯(lián)網(wǎng)數(shù)據(jù)分析的最終目標(biāo)是完全自動化執(zhí)行任務(wù)，使人類專家可以將精力集中在最復(fù)雜的問題上。這是最有效和最具有成本效益的方法。但是，大多數(shù)機(jī)器學(xué)習(xí)算法都是黑盒算法，做出的決策通常很難解釋和新人。

行動：投資于人員培訓(xùn)，教育和建立對所有模型的信任。另外投資可為人類用戶解釋模型的解決方案。模型的響應(yīng)越透明，就越可能實(shí)現(xiàn)分析自動化。

趨勢：遷移到云。

挑戰(zhàn)：數(shù)據(jù)連接問題，分析決策延遲和基礎(chǔ)架構(gòu)成本。

行動：在多數(shù)情況下，數(shù)據(jù)、分析和其他服務(wù)遷移到云是很有意義的，云提供了可伸縮性、和按需付費(fèi)的方法，減少了費(fèi)用支出。同時也帶來了數(shù)據(jù)延遲問題，因而某些情況下依靠云的實(shí)時物聯(lián)網(wǎng)數(shù)據(jù)分析是不可能的。

行動：規(guī)劃靈活、集成且可靠的端到端分析解決方案，覆蓋從邊緣分析到云分析。這種解決方案兼顧連接性、延遲、成本。

趨勢：從數(shù)據(jù)批處理向流式傳輸和實(shí)時分析的轉(zhuǎn)變。

挑戰(zhàn)：更改現(xiàn)有基礎(chǔ)架構(gòu)的復(fù)雜性

分析的總體趨勢是從批處理數(shù)據(jù)轉(zhuǎn)化為實(shí)時處理，這種轉(zhuǎn)變成本很高。

行動：為未來計劃，這種轉(zhuǎn)變是未來趨勢，所以必須盡早過渡?？蛻粜枨?、技術(shù)進(jìn)步和競爭壓力最終將支持更多的流式應(yīng)用。

趨勢：物聯(lián)網(wǎng)數(shù)據(jù)無處不在。

挑戰(zhàn)：數(shù)據(jù)IP，所有權(quán)、安全性和治理。

將所有物聯(lián)網(wǎng)數(shù)據(jù)集中在一個地方，并為所有團(tuán)隊(duì)提供數(shù)據(jù)的訪問權(quán)限，可能式加快產(chǎn)品和技術(shù)開發(fā)，降低成本，創(chuàng)新并改善協(xié)作的最佳途徑。但是，將出現(xiàn)新的數(shù)據(jù)問題：誰擁有哪些數(shù)據(jù)，誰可以訪問哪些數(shù)據(jù)，是否有權(quán)使用數(shù)據(jù)，如何處理高度機(jī)密的數(shù)據(jù)。這些需要法律法規(guī)、行業(yè)標(biāo)準(zhǔn)的不斷完善，才能支持物聯(lián)網(wǎng)數(shù)據(jù)的使用。

行動：建立強(qiáng)大的數(shù)據(jù)治理和安全流程，盡可能多的利用根云服務(wù)商提供的服務(wù)。
責(zé)編AJX