IoT 成熟度モデルを登るための技術的課題

プラトン再発行

フォロワー： 0

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。