Технические проблемы на пути к модели зрелости IoT

Давайте рассмотрим технологические препятствия, которые нам необходимо устранить, чтобы перейти от одного этапа к другому в модели зрелости IoT. Имейте в виду, что это кумулятивный процесс; каждый этап не только строится на предыдущих этапах, но и усложняется. Думайте об этом как о прогрессии математических курсов. Каждый урок основывается на предыдущих, и разница между математикой в ​​колледже и средней школе намного больше, чем разница между уровнями начальной и средней школы.

И точно так же, как выполнение исчисления будет почти невозможно без владения алгеброй, любые технические недостатки, которые мы не можем преодолеть на более низких этапах, усугубляются по мере того, как мы продвигаемся выше к модели зрелости.

Сложно ли создать зрелый продукт IoT? Это точно. Но это не значит, что это невозможно.

Какие технические навыки необходимы для продвижения в модели зрелости IoT?

Этап 1. Встроенные устройства

Начиная с нижней части модели, у нас есть специальные электронные устройства. Эти продукты не имеют возможности подключения, и люди создают их с тех пор. Томас Эдисон изобрел лампочку в 1879 году. Устройства первого этапа сейчас немного сложнее, чем тогда, но они по-прежнему занимают низкое место в модели зрелости.

Технологические проблемы для достижения этой стадии также просты. Пока у наших команд есть необходимые ноу-хау в области аппаратного и программного обеспечения, мы можем создать продукт.

Этап 2: Облачные вычисления

Устройства второго уровня подключаются к Интернету. Это означает, что мы должны добавить протоколы связи, сетевые карты (Сетевые карты) и внутренняя инфраструктура. По сути, технические препятствия второго этапа накладываются на препятствия первого этапа с одним важным компонентом: сетевым взаимодействием.

Нам необходимо создать серверную инфраструктуру и использовать эффективные способы управления ею. Другим следствием сетей является информационная безопасность. Поскольку мы обеспечиваем безопасные соединения через общедоступную незащищенную сеть — Интернет — нам также необходимо инвестировать в специалистов по безопасности для успешного продукта второго этапа.

Этап 3. Подключение к Интернету вещей

На третьем этапе решения IoT действительно проявляют себя: взаимосвязь. В этот момент устройства общаются друг с другом, и мы начинаем видеть, как формируется связанная экосистема.

Технические проблемы, связанные с созданием подключенного продукта, еще более сложны. Конечно, нам по-прежнему нужен весь опыт первого и второго этапов, но теперь нам нужен еще более высокий уровень навыков, чтобы добиться успеха.

Мы требуем много от наших подключенных устройств, но эти встроенные системы работают на ограниченном оборудовании. Интеграция различных сервисов, особенно когда их точки происхождения настолько различны, является серьезным препятствием. Безопасность становится еще сложнее, и нам действительно нужно подумать о обеспечение безопасности с самого начала; например, мы хотим встроить аппаратный модуль безопасности (HSM) в нашу печатную плату.

Одна из самых сложных частей разработки IoT — учитывать каждую мелочь. В то время как более мощный компьютер может позволить себе выделить немного дискового пространства или вычислительной мощности для приложений, которые просто приятны или даже совершенно ненужны, устройства IoT лишены такой роскоши.

Вот почему такие инструменты, как нервы настолько полезен: он позволяет нам создать пользовательскую систему Linux, в которой есть только то, что нам нужно, и ничего больше. Однако на самом деле знание того, что включить, а что убрать, требует большого количества технических знаний.

Этап 4: Предиктивная аналитика 

Это этап, когда мы действительно начинаем заставлять наши данные работать. Прогнозная аналитика for IoT рассматривает такие тенденции, как данные датчиков, вовлеченность пользователей и другие показатели, которые мы получаем от наших устройств. Затем мы можем использовать эти большие данные для таких задач, как профилактическое обслуживание промышленного IoT.

На четвертом этапе ученые данных становятся более критичными. Эти специалисты используют такие инструменты, как Питон, PyTorchкачества AWS SageMaker создавать, обучать и развертывать модели машинного обучения, но это лишь малая часть работы. Основой любого успешного проекта по науке о данных является аналитическая структура, способ критического осмысления данных и бизнес-проблем. Иногда самое сложное — просто найти правильные вопросы.

Однако мы не можем набрасываться на специалиста по данным и ожидать взамен полноценной модели предиктивной аналитики. Нам нужно междисциплинарный подход где наши специалисты по данным тесно сотрудничают с нашими инженерными командами для разработки конвейера данных. В конце концов, если наши инженеры по оборудованию не знают, какие данные хотят использовать наши аналитики, как они узнают, какие датчики выбрать? Точно так же наши разработчики программного обеспечения должны понимать приоритеты специалистов по данным, чтобы выяснить, нужно ли им получать какие-либо переменные, агрегировать данные или передавать их в облако, и даже какие точки данных должны отправляться в какие базы данных.

Этап 5: Предписывающая аналитика

Делая наш подход, основанный на данных, на один шаг вперед, этот этап определяется предписывающая аналитика, который опирается на предсказательную силу аналитики четвертого этапа, рекомендуя дальнейшие действия. Компании Интернета вещей могут использовать предписывающую аналитику, чтобы предложить пользователям долгосрочную ценность, поскольку они могут сделать нашу жизнь проще, удобнее и приятнее.

С технической стороны уравнения пятый этап включает в себя многие из тех же элементов, что и четвертый этап, но все они должны функционировать на гораздо более высоком уровне. Например, когда дело доходит до науки о данных, мы резко расширяем сферу своей деятельности; мы больше не используем одну модель, такую ​​как обнаружение аномалий, для профилактического обслуживания. Вместо этого мы используем лоскутное одеяло из переплетенных моделей машинного обучения, чтобы осуществить некоторые действительно впечатляющие подвиги. Они могут включать Обработка естественного языка (NLP) для распознавания речи/голосовых команд, алгоритмы, которые оптимизируются в соответствии с Модель личности ОКЕАН, И многое другое.

Результат начинает действительно напоминать Искусственный интеллект (AI), поэтому трудно понять, как эти проблемы выходят за рамки только науки о данных. Например, нашей команде по аппаратному обеспечению необходимо будет найти творческие способы встроить еще больше вычислительной мощности в самые компактные пространства, например, с Графические процессоры для периферийных вычислений. Более того, продукт пятого этапа никогда не бывает по-настоящему законченным. Agile-практики, такие как непрерывная интеграция/непрерывное развертывание (CI/CD), имеют решающее значение, если мы хотим продолжать предоставлять услуги IoT мирового класса.

Этап 6: Повсеместные вычисления

Заключительный этап модели зрелости IoT: вездесущие вычисления, эндшпиль, в котором практически каждый аспект повседневной жизни включает взаимодействие с цифровым миром. В настоящее время этот этап существует только в научной фантастике, но мы можем быть ближе, чем вы думаете.

Технологии, которые потребуются, чтобы получить это, огромны, и все, что мы действительно можем сделать, это строить догадки на данный момент. Однако мы знаем, что для этого потребуется коллективная работа в области инженерии, разработки программного обеспечения, науки о данных, дизайна пользовательского опыта и многого другого. Создание коллекции талантов в этих областях является самым большим препятствием, мешающим нам войти в мир вездесущих вычислений.

Нам предстоит пройти долгий путь. Давайте начнем строить. 

Заключение

Теперь должно быть ясно, насколько сложнее каждый следующий шаг, чем предыдущий. Переход от устройства второго этапа к настоящему продукту IoT третьего уровня — это огромный скачок. Это требует знаний во многих областях и заставляет нас осваивать множество различных технологий.

Несмотря на то, что сегодня самые передовые технологические компании могут похвастаться пятой стадией зрелости, у нас все еще нет ничего близкого к повсеместным вычислениям. К счастью, многие из величайших умов по всему миру работают над развитием тысяч различных технологий.

Это не означает, что современное состояние дел не меняет мир.

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