Provocări tehnice pentru creșterea modelului de maturitate IoT

Să explorăm obstacolele tehnologice pe care trebuie să le depășim pentru a avansa de la o etapă la alta în escaladarea modelului de maturitate IoT. Rețineți că acesta este un proces cumulativ; nu numai că fiecare etapă se bazează pe etapele anterioare, dar devin și din ce în ce mai complexe. Gândiți-vă la asta ca la o progresie a cursurilor de matematică. Fiecare lecție se bazează pe cele anterioare, iar diferența dintre matematica la facultate și la liceu este mult mai mare decât diferența dintre nivelurile de școală elementară și gimnaziu.

Și, la fel cum a face calcul va fi aproape imposibil fără control asupra algebrei, orice deficiențe tehnice pe care nu le reușim să le depășim în etapele inferioare sunt amplificate pe măsură ce trecem mai sus în modelul de maturitate.

Construirea unui produs IoT matur este o provocare? Cu siguranță e. Dar asta nu înseamnă că nu este posibil.

Ce abilități tehnice sunt necesare pentru a progresa în modelul de maturitate IoT?

Etapa 1: Dispozitive încorporate

Începând din partea de jos a modelului, avem dispozitive electronice special create. Aceste produse nu au conectivitate, iar oamenii le-au construit de atunci Thomas Edison a inventat becul în 1879. Dispozitivele din prima etapă sunt puțin mai complicate acum decât atunci, dar încă se situează la un loc scăzut pe modelul de maturitate.

Provocările tehnologice pentru a ajunge la această etapă sunt de asemenea simple. Atâta timp cât echipele noastre au cunoștințele necesare în inginerie hardware și software, putem crea un produs.

Etapa 2: Cloud Computing

Dispozitivele din etapa a doua se conectează la internet. Asta înseamnă că trebuie să adăugăm protocoale de comunicare, plăci de interfață de rețea (NIC-uri) și infrastructura back-end. În esență, obstacolele tehnice ale etapei a doua se construiesc pe cele din prima etapă cu o componentă crucială: crearea de rețele.

Trebuie să construim infrastructură de server și să folosim modalități eficiente de a o gestiona. Un alt corolar al rețelei este securitate cibernetică. Deoarece facilităm conexiuni sigure printr-o rețea publică, nesecurizată – internetul – trebuie să investim și în talentul de securitate pentru un produs de succes în etapa a doua.

Etapa 3: Conectivitate IoT

A treia etapă este în cazul în care soluțiile IoT își iau cu adevărat proprietățile: interconectivitate. În acest moment, dispozitivele vorbesc între ele și începem să vedem că un ecosistem conectat ia contur.

Provocările tehnice pentru a construi un produs conectat sunt și mai dificile. Desigur, încă avem nevoie de toată experiența de la etapele unu și a doua, dar acum avem nevoie de un nivel și mai mare de abilități pentru a avea succes.

Solicităm multe dintre dispozitivele noastre conectate, dar aceste sisteme încorporate funcționează pe hardware limitat. Integrarea diferitelor servicii, mai ales atunci când punctele lor de origine sunt atât de diferite, este un obstacol semnificativ. Securitatea devine și mai dificilă și chiar trebuie să ne gândim construirea în securitate de la început; de exemplu, vom dori să încorporăm un modul hardware de securitate (HSM) în placa noastră de circuite.

Una dintre cele mai complexe părți ale dezvoltării IoT este acela de a face ca fiecare parte să conteze. În timp ce un computer mai puternic își poate permite să dedice puțin spațiu pe disc sau putere de procesare aplicațiilor care sunt doar plăcute de a avea sau chiar inutile, dispozitivelor IoT le lipsește acest lux.

De aceea instrumente ca Nervi este atât de util: ne permite să construim un sistem Linux personalizat care are doar ceea ce avem nevoie și nimic mai mult. Cu toate acestea, a ști de fapt ce să includă și ce să renunțe necesită multe cunoștințe tehnice.

Etapa 4: Analiza predictivă 

Aceasta este etapa în care începem cu adevărat să punem datele noastre la lucru. Analize predictive pentru IoT analizează tendințe precum datele senzorilor, implicarea utilizatorilor și alte valori pe care le obținem de la dispozitivele noastre. Apoi putem folosi acele date mari pentru sarcini precum întreținerea predictivă pentru IoT industrial.

Etapa a patra este în cazul în care oamenii de știință de date devin mai critici. Acești profesioniști folosesc instrumente precum Piton, PyTorch, și AWS SageMaker pentru a construi, antrena și implementa modele de învățare automată, dar asta nu este o mică parte a sarcinii. Fundamentul oricărui proiect de succes în știința datelor este un cadru analitic, un mod de a gândi critic despre date și problemele de afaceri. Uneori, partea cea mai grea este doar să găsești întrebările potrivite pe care să le pui.

Cu toate acestea, nu putem arunca o grămadă de cifre unui om de știință de date și să ne așteptăm în schimb la un model de analiză predictivă cu drepturi depline. Avem nevoie de abordare interdisciplinară unde oamenii noștri de știință de date lucrează îndeaproape cu echipele noastre de inginerie pentru a dezvolta o conductă de date. La urma urmei, dacă inginerii noștri hardware nu știu acum ce date doresc analiștii noștri să folosească, de unde vor ști ei ce senzori să aleagă? De asemenea, dezvoltatorii noștri de software trebuie să înțeleagă prioritățile cercetătorului de date pentru a-și da seama dacă trebuie să obțină variabile, să agrega date sau să le împingă în cloud și chiar ce puncte de date trebuie să meargă la ce baze de date.

Etapa 5: Analiza prescriptivă

Luând abordarea noastră bazată pe date cu un pas mai departe, această etapă este definită de analize prescriptive, care se bazează pe puterea de predicție a analizei etapei a patra, recomandând cursuri viitoare de acțiune. Companiile IoT pot folosi analiza prescriptivă pentru a oferi valoare pe termen lung utilizatorilor, deoarece au potențialul de a ne face viața mai ușoară, mai convenabilă și mai plăcută.

Pe partea tehnologică a ecuației, etapa a cincea include multe dintre aceleași elemente din etapa a patra, dar toate trebuie să funcționeze la un nivel mult mai înalt. De exemplu, când vine vorba de știința datelor, ne extindem drastic domeniul de aplicare; nu mai folosim un singur model, cum ar fi detectarea anomaliilor pentru întreținere preventivă. În schimb, folosim o cuvertură de modele ML împletite pentru a realiza niște fapte cu adevărat spectaculoase. Acestea pot include Procesarea limbajului natural (NLP) pentru recunoașterea vorbirii/comenzile vocale, algoritmi care se optimizează în funcție de Model de personalitate OCEAN, Și mult mai mult.

Rezultatul începe să semene cu adevărat Artificial Intelligence (AI), așa că este atât de greu de văzut cum aceste provocări se întind mai mult decât doar știința datelor. Echipa noastră de hardware, de exemplu, va trebui să găsească modalități creative de a încorpora și mai multă putere de procesare în cele mai compacte spații, cum ar fi GPU-uri pentru edge computing. Mai mult, un produs din etapa a cincea nu este niciodată cu adevărat complet. Practicile agile, cum ar fi integrarea continuă/implementarea continuă (CI/CD) sunt cruciale dacă dorim să continuăm să oferim o experiență IoT de clasă mondială.

Etapa 6: Computing omniprezent

Etapa finală a modelului de maturitate IoT este calcul omniprezent, un joc final în care practic fiecare aspect al vieții de zi cu zi include o anumită interacțiune cu lumea digitală. În prezent, această etapă există doar în science fiction, dar am putea fi mai aproape decât crezi.

Tehnologia de care ar fi nevoie pentru a ajunge aici este imensă și tot ce putem face cu adevărat este să speculăm în acest moment. Cu toate acestea, știm că va fi nevoie de o capodopera colectivă în inginerie, dezvoltare software, știință a datelor, design experiență utilizator și multe altele. Construirea unei colecții de talente în aceste domenii este cel mai mare obstacol care ne împiedică să intrăm în lumea computerului omniprezent.

Avem un drum lung de parcurs. Să începem să construim. 

Concluzie

Acum ar trebui să fie clar cât de mult mai dificil este fiecare pas progresiv decât ultimul. Tranziția de la un dispozitiv de etapă a doua la un produs IoT adevărat de etapă a treia este un salt masiv. Necesită experiență în multe domenii și ne obligă să stăpânim multe tehnologii diferite.

Chiar dacă cele mai avansate companii tehnologice din ziua de azi se laudă cu maturitatea în stadiul cinci, încă nu avem nimic aproape de computerul omniprezent. Din fericire, multe dintre cele mai mari minți de pe glob lucrează pentru a avansa mii de tehnologii diferite.

Asta nu înseamnă că stadiul actual al tehnicii nu schimbă lumea.

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