Technische Herausforderungen beim Erklimmen des IoT-Reifegradmodells

Lassen Sie uns die technologischen Hürden erkunden, die wir überwinden müssen, um beim Aufstieg des IoT-Reifemodells von einer Stufe zur nächsten voranzukommen. Bedenken Sie, dass es sich hierbei um einen kumulativen Prozess handelt. Jede Phase baut nicht nur auf den vorherigen Phasen auf, sondern sie werden auch immer komplexer. Betrachten Sie es als eine Weiterentwicklung von Mathematikkursen. Jede Unterrichtsstunde baut auf den vorherigen auf, und der Unterschied zwischen Mathematik auf dem College- und dem High-School-Niveau ist viel größer als der Unterschied zwischen der Grund- und der Mittelschule.

Und so wie die Durchführung von Analysis ohne Beherrschung der Algebra nahezu unmöglich sein wird, werden alle technischen Mängel, die wir in niedrigeren Stufen nicht überwinden können, noch größer, je weiter wir in das Reifegradmodell vordringen.

Ist die Entwicklung eines ausgereiften IoT-Produkts eine Herausforderung? Das ist es auf jeden Fall. Das heißt aber nicht, dass es nicht möglich ist.

Welche technischen Fähigkeiten sind erforderlich, um im IoT-Reifemodell voranzukommen?

Stufe 1: Eingebettete Geräte

Am unteren Ende des Modells beginnen wir mit speziell entwickelten elektronischen Geräten. Diese Produkte bieten keine Konnektivität und werden seitdem entwickelt Thomas Edison hat die Glühbirne erfunden im Jahr 1879. Geräte der ersten Stufe sind heute etwas komplizierter als damals, rangieren aber im Reifegradmodell immer noch weit unten.

Die technologischen Herausforderungen, um dieses Stadium zu erreichen, sind ebenfalls unkompliziert. Solange unsere Teams über das erforderliche Hardware- und Software-Engineering-Know-how verfügen, können wir ein Produkt erstellen.

Stufe 2: Cloud Computing

Geräte der zweiten Stufe stellen eine Verbindung zum Internet her. Das heißt, wir müssen hinzufügen Kommunikationsprotokolle, Netzwerkschnittstellenkarten (NICs) und Back-End-Infrastruktur. Im Wesentlichen bauen die technischen Hürden der zweiten Stufe auf denen der ersten Stufe auf, mit einer entscheidenden Komponente: der Vernetzung.

Wir müssen eine Serverinfrastruktur aufbauen und effiziente Methoden zu deren Verwaltung nutzen. Eine weitere Folge der Vernetzung ist Internet-Sicherheit. Da wir sichere Verbindungen über ein öffentliches, ungesichertes Netzwerk – das Internet – ermöglichen, müssen wir für ein erfolgreiches Produkt der zweiten Stufe auch in Sicherheitstalente investieren.

Stufe 3: IoT-Konnektivität

In der dritten Phase kommen IoT-Lösungen erst richtig zur Geltung: die Interkonnektivität. An diesem Punkt kommunizieren die Geräte miteinander und wir sehen, wie ein vernetztes Ökosystem Gestalt annimmt.

Die technischen Herausforderungen beim Aufbau eines vernetzten Produkts sind noch schwieriger. Natürlich benötigen wir weiterhin das gesamte Fachwissen aus den Stufen eins und zwei, aber jetzt brauchen wir ein noch höheres Kompetenzniveau, um erfolgreich zu sein.

Wir beanspruchen viele unserer vernetzten Geräte, doch diese eingebetteten Systeme funktionieren mit eingeschränkter Hardware. Die Integration verschiedener Dienste, insbesondere wenn ihre Ausgangspunkte so unterschiedlich sind, stellt eine erhebliche Hürde dar. Sicherheit wird noch schwieriger, und wir müssen wirklich darüber nachdenken Sicherheit von Anfang an einbauen; Zum Beispiel möchten wir a einbetten Hardware-Sicherheitsmodul (HSM)-Chip in unsere Leiterplatte.

Einer der komplexesten Teile der IoT-Entwicklung besteht darin, dass jedes kleine bisschen zählt. Während ein leistungsstärkerer Computer es sich leisten kann, ein wenig Speicherplatz oder Rechenleistung für Anwendungen aufzuwenden, die nur „nice to have“ oder sogar völlig unnötig sind, fehlt diesen Luxus Geräten den IoT-Geräten.

Deshalb gefällt das Werkzeug Nerven ist so nützlich: Es ermöglicht uns, ein benutzerdefiniertes Linux-System zu erstellen, das nur das enthält, was wir brauchen, und nicht mehr. Um jedoch tatsächlich zu wissen, was aufgenommen und was weggelassen werden soll, ist viel technisches Wissen erforderlich.

Stufe 4: Predictive Analytics 

Dies ist die Phase, in der wir wirklich damit beginnen, unsere Daten in die Praxis umzusetzen. Predictive Analytics for IoT befasst sich mit Trends wie Sensordaten, Benutzerinteraktion und anderen Kennzahlen, die wir von unseren Geräten erhalten. Diese großen Datenmengen können wir dann für Aufgaben wie die vorausschauende Wartung für das industrielle IoT nutzen.

In der vierten Phase werden Datenwissenschaftler kritischer. Diese Fachleute verwenden Tools wie Python, PyTorch und AWS SageMaker Modelle für maschinelles Lernen zu erstellen, zu trainieren und bereitzustellen, aber das ist nur ein kleiner Teil der Arbeit. Die Grundlage für jedes erfolgreiche Data-Science-Projekt ist ein analytischer Rahmen, eine Art, kritisch über Daten und Geschäftsprobleme nachzudenken. Manchmal ist es am schwierigsten, die richtigen Fragen zu finden.

Allerdings können wir einem Datenwissenschaftler nicht eine Menge Zahlen vorwerfen und im Gegenzug ein vollwertiges Predictive-Analytics-Modell erwarten. Wir brauchen ein interdisziplinärer Ansatz Hier arbeiten unsere Datenwissenschaftler eng mit unseren Ingenieurteams zusammen, um eine Datenpipeline zu entwickeln. Denn wenn unsere Hardware-Ingenieure nicht wissen, welche Daten unsere Analysten verwenden möchten, woher sollen sie dann wissen, welche Sensoren sie wählen sollen? Ebenso müssen unsere Softwareentwickler die Prioritäten des Datenwissenschaftlers verstehen, um herauszufinden, ob er Variablen ableiten, Daten aggregieren oder in die Cloud übertragen muss und sogar, welche Datenpunkte in welche Datenbanken verschoben werden müssen.

Stufe 5: Präskriptive Analytik

Um unseren datengesteuerten Ansatz noch einen Schritt weiter zu gehen, ist diese Phase definiert durch Prescriptive Analytics, das auf der Vorhersagekraft der Analyse der Stufe XNUMX aufbaut, indem es zukünftige Vorgehensweisen empfiehlt. IoT-Unternehmen können präskriptive Analysen nutzen, um den Benutzern einen langfristigen Mehrwert zu bieten, da sie das Potenzial haben, unser Leben einfacher, bequemer und angenehmer zu machen.

Auf der technischen Seite der Gleichung enthält Stufe fünf viele der gleichen Elemente wie Stufe vier, sie sind jedoch alle erforderlich, um auf einer viel höheren Ebene zu funktionieren. Wenn es um Data Science geht, erweitern wir beispielsweise unseren Anwendungsbereich drastisch; Wir verwenden kein einzelnes Modell mehr, wie z. B. die Anomalieerkennung für die vorbeugende Wartung. Stattdessen verwenden wir eine Steppdecke aus miteinander verflochtenen ML-Modellen, um einige wirklich spektakuläre Leistungen zu vollbringen. Dazu können gehören Verarbeitung natürlicher Sprache (NLP) für Spracherkennung/Sprachbefehle, Algorithmen, die entsprechend optimieren OCEAN-Persönlichkeitsmodell, Und vieles mehr.

Das Ergebnis beginnt wirklich zu ähneln Artificial Intelligence (AI)Daher ist es nicht schwer zu erkennen, dass diese Herausforderungen über die reine Datenwissenschaft hinausgehen. Unser Hardware-Team muss beispielsweise kreative Wege finden, um noch mehr Rechenleistung auf kleinstem Raum unterzubringen, beispielsweise mit GPUs für Edge Computing. Darüber hinaus ist ein Produkt der fünften Stufe nie wirklich vollständig. Agile Praktiken wie Continuous Integration/Continuous Deployment (CI/CD) sind entscheidend, wenn wir weiterhin ein erstklassiges IoT-Erlebnis bieten wollen.

Stufe 6: Ubiquitous Computing

Die letzte Stufe des IoT-Reifemodells ist Ubiquitäres Computing, ein Endspiel, bei dem praktisch jeder Aspekt des täglichen Lebens eine gewisse Interaktion mit der digitalen Welt beinhaltet. Derzeit gibt es diese Stufe nur in der Science-Fiction, aber Vielleicht sind wir näher, als Sie denken.

Der technische Aufwand, der nötig wäre, um hierher zu gelangen, ist immens, und zum jetzigen Zeitpunkt können wir nur spekulieren. Wir wissen jedoch, dass es einer kollektiven Meisterleistung in den Bereichen Ingenieurwesen, Softwareentwicklung, Datenwissenschaft, User Experience Design und mehr bedarf. Der Aufbau einer Talentsammlung in diesen Bereichen ist das größte Hindernis, das uns vom Einstieg in die Welt des Ubiquitous Computing abhält.

Wir haben noch einen langen Weg vor uns. Beginnen wir mit dem Bau. 

Zusammenfassung

Es sollte nun klar sein, wie viel schwieriger jeder fortschreitende Schritt ist als der letzte. Der Übergang von einem Gerät der Stufe XNUMX zu einem echten IoT-Produkt der Stufe XNUMX ist ein gewaltiger Sprung. Es erfordert Fachwissen in vielen Bereichen und zwingt uns, viele verschiedene Technologien zu beherrschen.

Auch wenn die fortschrittlichsten Technologieunternehmen von heute die Reifestufe XNUMX vorweisen können, haben wir noch nichts, was auch nur annähernd an Ubiquitous Computing heranreicht. Glücklicherweise arbeiten viele der größten Köpfe auf der ganzen Welt daran, Tausende verschiedener Technologien voranzutreiben.

Das bedeutet nicht, dass der aktuelle Stand der Technik die Welt nicht verändert.

Quelle: https://www.iotforall.com/technical-challenges-to-climbing-the-iot-maturity-model