Tantangan Teknis untuk Mendaki Model Kematangan IoT

Mari kita jelajahi hambatan teknologi yang perlu kita selesaikan untuk maju dari satu tahap ke tahap berikutnya dalam meningkatkan model kematangan IoT. Ingatlah bahwa ini adalah proses kumulatif; setiap tahap tidak hanya melanjutkan tahap-tahap sebelumnya, tetapi tahap-tahap tersebut juga menjadi semakin kompleks. Anggap saja sebagai kemajuan kursus matematika. Setiap pelajaran merupakan lanjutan dari pelajaran sebelumnya, dan perbedaan antara matematika tingkat perguruan tinggi dan sekolah menengah atas jauh lebih besar dibandingkan kesenjangan antara tingkat sekolah dasar dan sekolah menengah pertama.

Dan, sama seperti melakukan kalkulus yang hampir mustahil dilakukan tanpa menguasai aljabar, segala kekurangan teknis yang gagal kita atasi pada tahap yang lebih rendah akan semakin besar saat kita bergerak lebih tinggi ke dalam model kedewasaan.

Apakah membangun produk IoT yang matang itu menantang? Pastilah itu. Namun bukan berarti hal itu tidak mungkin dilakukan.

Keterampilan Teknis Apa yang Diperlukan untuk Maju dalam Model Kematangan IoT?

Tahap 1: Perangkat Tertanam

Mulai dari model paling bawah, kami memiliki perangkat elektronik yang dibuat khusus. Produk-produk ini tidak memiliki fitur konektivitas, dan orang-orang telah membuatnya sejak saat itu Thomas Edison menemukan bola lampu pada tahun 1879. Perangkat tahap pertama saat ini sedikit lebih rumit dibandingkan sebelumnya, namun peringkatnya masih rendah pada model kematangan.

Tantangan teknologi untuk mencapai tahap ini juga sangat mudah. Selama tim kami memiliki pengetahuan rekayasa perangkat keras dan perangkat lunak yang diperlukan, kami dapat membuat produk.

Tahap 2: Komputasi Awan

Perangkat tahap dua terhubung ke internet. Artinya kita harus menambahkan protokol komunikasi, kartu antarmuka jaringan (NIC), dan infrastruktur ujung belakang. Pada dasarnya, rintangan teknis pada tahap kedua merupakan lanjutan dari tantangan tahap pertama dengan satu komponen penting: jaringan.

Kita perlu membangun infrastruktur server dan memanfaatkan cara-cara efisien untuk mengelolanya. Akibat wajar lainnya dari jaringan adalah keamanan cyber. Karena kita memfasilitasi koneksi yang aman melalui jaringan publik yang tidak aman – internet – kita juga perlu berinvestasi pada talenta keamanan untuk produk tahap kedua yang sukses.

Tahap 3: Konektivitas IoT

Tahap ketiga adalah saat solusi IoT benar-benar berperan: interkonektivitas. Pada titik ini, perangkat berkomunikasi satu sama lain, dan kita mulai melihat ekosistem yang terhubung mulai terbentuk.

Tantangan teknis untuk membangun produk yang terhubung bahkan lebih sulit lagi. Tentu saja kita masih membutuhkan semua keahlian dari tahap satu dan dua, namun sekarang kita membutuhkan tingkat keterampilan yang lebih tinggi lagi agar bisa sukses.

Kami meminta banyak perangkat kami yang terhubung, namun sistem tertanam ini bekerja pada perangkat keras yang terbatas. Mengintegrasikan berbagai layanan, terutama ketika titik asalnya sangat berbeda, merupakan sebuah tantangan besar. Keamanan menjadi semakin sulit dan perlu kita pikirkan membangun keamanan sejak awal; misalnya, kami ingin menyematkan a modul keamanan perangkat keras (HSM) ke papan sirkuit kami.

Salah satu bagian paling kompleks dari pengembangan IoT adalah menjadikan setiap hal kecil berarti. Meskipun komputer yang lebih kuat mampu mendedikasikan sedikit ruang disk atau kekuatan pemrosesan untuk aplikasi yang hanya bagus untuk dimiliki atau bahkan tidak diperlukan, perangkat IoT tidak memiliki kemewahan ini.

Itu sebabnya perkakas seperti itu Saraf sangat berguna: memungkinkan kita membangun sistem Linux khusus yang hanya memiliki apa yang kita perlukan dan tidak lebih. Namun, sebenarnya mengetahui apa yang harus dimasukkan dan apa yang harus dihilangkan memerlukan banyak pengetahuan teknis.

Tahap 4: Analisis Prediktif 

Ini adalah tahap di mana kami benar-benar mulai menerapkan data kami. Analisis prediktif untuk IoT melihat tren seperti data sensor, keterlibatan pengguna, dan metrik lain yang kami peroleh dari perangkat kami. Kami kemudian dapat menggunakan data besar tersebut untuk tugas-tugas seperti pemeliharaan prediktif untuk IoT industri.

Tahap keempat adalah saat data scientist menjadi lebih kritis. Para profesional ini menggunakan alat seperti Ular sanca, PyTorch, dan AWS SageMaker untuk membangun, melatih, dan menerapkan model pembelajaran mesin, namun itu hanya sebagian kecil dari pekerjaan. Landasan bagi setiap proyek ilmu data yang sukses adalah kerangka analitis, cara berpikir kritis tentang data dan masalah bisnis. Terkadang, bagian tersulitnya hanyalah menemukan pertanyaan yang tepat untuk diajukan.

Namun, kita tidak bisa memberikan banyak angka pada ilmuwan data dan mengharapkan model analitik prediktif yang lengkap sebagai imbalannya. Kita butuh sebuah pendekatan lintas disiplin tempat ilmuwan data kami bekerja sama dengan tim teknik kami untuk mengembangkan saluran data. Lagi pula, jika teknisi perangkat keras kita tidak mengetahui data apa yang ingin digunakan oleh analis kita, bagaimana mereka mengetahui sensor mana yang harus dipilih? Demikian pula, pengembang perangkat lunak kami perlu memahami prioritas data scientist untuk mengetahui apakah mereka perlu memperoleh variabel, mengumpulkan data, atau memasukkannya ke cloud dan bahkan titik data mana yang perlu dituju ke database mana.

Tahap 5: Analisis Preskriptif

Mengambil pendekatan berbasis data kami selangkah lebih maju, tahap ini ditentukan oleh analitik preskriptif, yang memanfaatkan kekuatan prediktif analisis tahap empat dengan merekomendasikan tindakan di masa depan. Perusahaan IoT dapat menggunakan analisis preskriptif untuk menawarkan nilai jangka panjang kepada pengguna karena mereka berpotensi membuat hidup kita lebih mudah, nyaman, dan menyenangkan.

Di sisi teknologi, tahap lima mencakup banyak elemen yang sama dengan tahap empat, namun semuanya diperlukan untuk berfungsi pada tingkat yang jauh lebih tinggi. Misalnya, dalam hal ilmu data, kami memperluas cakupan kami secara drastis; kami tidak lagi menggunakan satu model, seperti deteksi anomali untuk pemeliharaan preventif. Sebagai gantinya, kami menggunakan model ML yang terjalin untuk menghasilkan beberapa prestasi yang benar-benar spektakuler. Ini mungkin termasuk Pengolahan Bahasa alami (NLP) untuk pengenalan suara/perintah suara, algoritma yang dioptimalkan sesuai dengan Model kepribadian OCEAN, Dan banyak lagi.

Hasilnya mulai benar-benar mirip Artificial Intelligence (AI), jadi sulit untuk melihat bagaimana tantangan ini menjangkau lebih jauh dari sekadar ilmu data. Tim perangkat keras kami, misalnya, perlu menemukan cara kreatif untuk menanamkan lebih banyak kekuatan pemrosesan ke dalam ruang yang paling ringkas, seperti dengan GPU untuk komputasi edge. Terlebih lagi, produk tahap lima tidak pernah benar-benar lengkap. Praktik tangkas seperti integrasi berkelanjutan/penyebaran berkelanjutan (CI/CD) sangat penting jika kita ingin terus memberikan pengalaman IoT kelas dunia.

Tahap 6: Komputasi di mana-mana

Tahap terakhir dari model kematangan IoT adalah komputasi di mana-mana, sebuah permainan akhir di mana hampir setiap aspek kehidupan sehari-hari mencakup beberapa interaksi dengan dunia digital. Saat ini, tahap ini hanya ada dalam fiksi ilmiah, tapi kita mungkin lebih dekat dari yang kamu kira.

Teknologi yang dibutuhkan untuk sampai ke sini sangatlah besar, dan yang bisa kami lakukan hanyalah berspekulasi pada saat ini. Namun, kami tahu bahwa hal ini memerlukan kerja keras kolektif di bidang teknik, pengembangan perangkat lunak, ilmu data, desain pengalaman pengguna, dan banyak lagi. Membangun kumpulan talenta di bidang ini adalah hambatan terbesar yang menghalangi kita memasuki dunia komputasi di mana-mana.

Jalan kita masih panjang. Mari kita mulai membangun. 

Kesimpulan

Kini sudah jelas betapa sulitnya setiap langkah progresif dibandingkan langkah sebelumnya. Transisi dari perangkat tahap dua ke produk IoT tahap tiga merupakan sebuah lompatan besar. Hal ini membutuhkan keahlian di banyak domain dan memaksa kita untuk menguasai banyak teknologi berbeda.

Meskipun perusahaan-perusahaan teknologi tercanggih saat ini memiliki tingkat kematangan yang berada pada tahap kelima, kita masih belum memiliki komputasi yang bisa menjangkau mana-mana. Untungnya, banyak pemikir terhebat di seluruh dunia berupaya untuk memajukan ribuan teknologi berbeda.

Hal ini tidak berarti teknologi canggih yang ada saat ini tidak mengubah dunia.

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