IoT 成熟度モデルを登る上で、ある段階から次の段階に進むためにクリアする必要がある技術的なハードルを探ってみましょう。これは累積的なプロセスであることに留意してください。各ステージは前のステージに基づいて構築されるだけでなく、ますます複雑になります。数学コースの発展版と考えてください。各レッスンは前のレッスンに基づいて行われ、大学と高校の数学の違いは、小学校と中学校のレベルの差よりもはるかに大きくなります。
そして、代数を制御できなければ微積分を行うのがほぼ不可能であるのと同じように、下位の段階で克服できなかった技術的な欠点は、成熟度モデルの上位に進むにつれてさらに拡大します。
成熟した IoT 製品を構築するのは難しいですか?確かにそうです。しかし、それは不可能だという意味ではありません。
IoT 成熟度モデルを進めるにはどのような技術スキルが必要ですか?
ステージ 1: 組み込みデバイス
モデルの下部から始めて、専用の電子デバイスが用意されています。これらの製品には接続機能がありませんが、人々はそれ以来、それらを構築してきました。 トーマス・エジソンが電球を発明した ステージ 1879 デバイスは当時よりも少し複雑になっていますが、成熟度モデルでは依然として低いランクにあります。
この段階に到達するための技術的な課題も同様に簡単です。私たちのチームが必要なハードウェアおよびソフトウェア エンジニアリングのノウハウを持っている限り、製品を作成できます。
ステージ 2: クラウド コンピューティング
ステージ 2 のデバイスはインターネットに接続します。これは、次のことを追加する必要があることを意味します 通信プロトコル, ネットワークインターフェースカード (NIC)、および バックエンドインフラストラクチャ。基本的に、第 2 段階の技術的ハードルは、ネットワーキングという 1 つの重要なコンポーネントによって第 1 段階の技術的ハードルの上に構築されます。
サーバー インフラストラクチャを構築し、それを管理する効率的な方法を活用する必要があります。ネットワーキングのもう 1 つの帰結は、 サイバーセキュリティ。 私たちは、安全ではないパブリック ネットワーク (インターネット) 上での安全な接続を促進するため、第 2 段階の製品を成功させるためには、セキュリティ人材にも投資する必要があります。
ステージ 3: IoT 接続
第 3 段階は、IoT ソリューションが真に本領を発揮する段階、つまり相互接続性です。この時点で、デバイスは相互に通信し、接続されたエコシステムが形成されるのが見え始めます。
コネクテッド製品を構築するための技術的な課題はさらに困難です。もちろん、ステージ 1 と 2 で得たすべての専門知識が依然として必要ですが、成功するにはさらに高いスキル レベルが必要です。
私たちは多くの接続デバイスにアクセスしていますが、これらの組み込みシステムは制約のあるハードウェア上で動作します。さまざまなサービスを統合することは、特にその起源が大きく異なる場合には、大きなハードルとなります。セキュリティはさらに難しくなり、私たちは本当に考える必要があります 最初からセキュリティを組み込む;たとえば、 ハードウェアセキュリティモジュール (HSM) チップを回路基板に組み込みます。
IoT 開発で最も複雑な部分の 1 つは、あらゆる小さな部分を重要視することです。より強力なコンピューターでは、あると便利なアプリケーションや、まったく不要なアプリケーションに少量のディスク領域や処理能力を割り当てる余裕がありますが、IoT デバイスにはこの余裕がありません。
だからこそ、次のようなツールが必要です 神経 これは非常に便利です。必要なものだけを備えたカスタム Linux システムを構築できます。ただし、実際に何を含めて何を削除するかを知るには、多くの技術的な知識が必要です。
ステージ 4: 予測分析
これは、データを実際に活用し始める段階です。 予測分析 for IoT は、センサー データ、ユーザー エンゲージメント、デバイスから取得するその他の指標などの傾向を調査します。その後、そのビッグデータを産業用 IoT の予知メンテナンスなどのタスクに使用できます。
ステージ 4 では、データ サイエンティストがより重要になります。これらの専門家は次のようなツールを使用します Python , パイトーチ, AWS セージメーカー 機械学習モデルを構築、トレーニング、デプロイしますが、それは仕事のほんの一部にすぎません。データ サイエンス プロジェクトを成功させるための基礎となるのは、データとビジネスの問題について批判的に考える方法である分析フレームワークです。場合によっては、尋ねるべき適切な質問を見つけることが最も難しいこともあります。
ただし、データ サイエンティストに大量の数値を投げつけて、その見返りに本格的な予測分析モデルを期待することはできません。必要なのは、 学際的なアプローチ 当社のデータ サイエンティストはエンジニアリング チームと緊密に連携してデータ パイプラインを開発します。結局のところ、ハードウェア エンジニアがアナリストがどのようなデータを使用したいのかを知らなければ、どのセンサーを選択すべきかをどうやって知ることができるでしょうか?同様に、当社のソフトウェア開発者は、データ サイエンティストの優先順位を理解し、変数の導出、データの集約、またはクラウドへのプッシュが必要かどうか、さらにはどのデータ ポイントをどのデータベースに送信する必要があるかを把握する必要があります。
ステージ 5: 規範的な分析
データ主導のアプローチをさらに一歩進めると、この段階は次のように定義されます。 規範的分析、将来の行動方針を推奨することで、ステージ 4 の分析の予測力を強化します。 IoT 企業は、規範的な分析を使用してユーザーに長期的な価値を提供できます。なぜなら、IoT 企業には、私たちの生活をより簡単、便利、そして楽しくする可能性があるからです。
技術面では、ステージ 5 にはステージ 4 と同じ要素が多く含まれていますが、それらはすべて、より高いレベルで機能する必要があります。たとえば、データサイエンスに関しては、その範囲を大幅に拡大します。予防メンテナンスのための異常検出など、単一モデルは使用しなくなりました。代わりに、ML モデルを織り交ぜたキルトワークを使用して、本当に素晴らしい偉業を成し遂げます。これらには以下が含まれる場合があります 自然言語処理 (NLP) 音声認識/音声コマンド用。 OCEANのパーソナリティモデル、および大いに多く。
結果は本当に似てきます 人工知能(AI)そのため、これらの課題がデータ サイエンス以外にもどのように及ぶのかを理解するのは難しいです。たとえば、当社のハードウェア チームは、最もコンパクトなスペースにさらに多くの処理能力を組み込む創造的な方法を見つける必要があります。 エッジコンピューティング用のGPU。さらに、ステージ 5 の製品が真に完成することはありません。世界クラスの IoT エクスペリエンスを提供し続けるには、継続的インテグレーション/継続的デプロイメント(CI/CD)などのアジャイル プラクティスが不可欠です。
ステージ 6: ユビキタス コンピューティング
IoT 成熟度モデルの最終段階は次のとおりです。 ユビキタスコンピューティング、日常生活のほぼすべての側面にデジタル世界との何らかの相互作用が含まれるエンドゲームです。現在この舞台はSFの中にしか存在しませんが、 私たちはあなたが思っているより近くにいるかもしれません.
ここに到達するために必要な技術は膨大であり、現時点では推測することしかできません。ただし、それにはエンジニアリング、ソフトウェア開発、データ サイエンス、ユーザー エクスペリエンス デザインなどの総合的な熟練の作業が必要であることはわかっています。これらの分野で人材を集めることは、私たちがユビキタス コンピューティングの世界に参入することを妨げる最大の障害です。
道のりは長いです。構築を始めましょう。
まとめ
ここで、各段階が最後の段階よりもどれほど難しいかが明らかになるはずです。ステージ 2 のデバイスから真のステージ 3 の IoT 製品への移行は、大きな飛躍です。それには多くの領域にわたる専門知識が必要であり、多くの異なるテクノロジーを習得する必要があります。
今日の最も先進的なテクノロジー企業はステージ 5 の成熟度を誇っていますが、ユビキタス コンピューティングに近いものはまだありません。ありがたいことに、世界中の多くの優秀な頭脳が、何千もの異なるテクノロジーの進歩に取り組んでいます。
それは、現在の最先端技術が世界を変えていないという意味ではありません。
出典: https://www.iotforall.com/technical-challenges-to-climbing-the-iot-maturity-model
- 私たちについて
- 従った
- 越えて
- Action
- 使い勝手のいい
- AI
- アルゴリズム
- すべて
- Amazon
- 分析論
- 異常検出
- アプローチ
- ビッグデータ
- 最大の
- ビット
- ボード
- ビルド
- 建物
- 束
- ビジネス
- 課題
- チップ
- クローザー
- クラウド
- コレクション
- カレッジ
- 企業
- 複雑な
- コンポーネント
- コンピューティング
- 接続されたデバイス
- Connections
- 接続性
- 続ける
- 連続的な
- クリエイティブ
- 重大な
- 電流プローブ
- データ
- データサイエンス
- データサイエンティスト
- データベースを追加しました
- 専用
- 設計
- 検出
- 開発する
- 開発者
- 開発
- デバイス
- Devices
- 異なります
- デジタル
- デジタルワールド
- そうではありません
- ドメイン
- Drop
- エコシステム
- エッジ(Edge)
- エジソン
- 婚約
- エンジニアリング
- エンジニア
- 特に
- 例
- 詳細
- 体験
- 専門知識
- 特徴
- フィクション
- フィギュア
- フレームワーク
- function
- 未来
- ギャップ
- Hardware
- こちら
- ハイ
- 認定条件
- HTTPS
- ハードル
- IBM
- インダストリアル
- 産業用IoT
- インフラ
- インテリジェンス
- 相互作用
- インターネット
- IOT
- IoTデバイス
- IT
- ジョブ
- 知識
- 言語
- 学習
- レベル
- レベル
- 活用します
- 光
- linuxの
- 長い
- 機械学習
- 作成
- math
- メトリック
- マインド
- ML
- モデル
- 他には?
- 最も
- 近く
- ネットワーク
- ネットワーキング
- NLP
- 番号
- Nvidia
- 提供
- その他
- のワークプ
- 人格
- 電力
- 強力な
- 予測分析
- 予防
- プロセス
- プロダクト
- 製品
- 専門家
- プロジェクト
- 提供します
- 公共
- Python
- 学校
- 科学
- サイエンスフィクション
- 科学者たち
- セキュリティ
- センサー
- サービス
- 重要
- 特異性
- スキル
- 小さい
- So
- ソフトウェア
- ソフトウェア開発
- ソフトウェア工学
- ソリューション
- スペース
- スペース
- ステージ
- start
- 成功した
- システム
- 才能
- Talk
- テク
- 技術的
- テクノロジー
- 世界
- 考え
- 今日の
- 豊富なツール群
- トレンド
- us
- users
- 値
- この試験は
- 無し
- 仕事
- ワーキング
- 世界
- ワールドクラス
- でしょう