ความท้าทายทางเทคนิคในการปีนขึ้นโมเดล IoT Maturity

มาสำรวจอุปสรรคทางเทคโนโลยีที่เราต้องเคลียร์เพื่อก้าวจากขั้นหนึ่งไปอีกขั้นในการปีนแบบจำลองวุฒิภาวะของ IoT โปรดทราบว่านี่เป็นกระบวนการสะสม แต่ละขั้นตอนไม่เพียงสร้างขึ้นจากขั้นตอนก่อนหน้า แต่ยังมีความซับซ้อนมากขึ้นอีกด้วย คิดว่ามันเป็นความก้าวหน้าของวิชาคณิตศาสตร์ แต่ละบทเรียนสร้างขึ้นจากบทเรียนก่อนหน้านี้ และความแตกต่างระหว่างคณิตศาสตร์ระดับวิทยาลัยและมัธยมปลายนั้นมากกว่าช่องว่างระหว่างระดับประถมศึกษาและมัธยมศึกษาตอนต้นมาก

และเช่นเดียวกับการทำแคลคูลัสที่แทบจะเป็นไปไม่ได้เลยหากไม่มีคำสั่งเกี่ยวกับพีชคณิต ข้อบกพร่องทางเทคนิคใดๆ ที่เราล้มเหลวในการเอาชนะในขั้นตอนที่ต่ำกว่าจะถูกขยายใหญ่ขึ้นเมื่อเราก้าวไปสู่โมเดลที่มีวุฒิภาวะมากขึ้น

การสร้างผลิตภัณฑ์ IoT สำหรับผู้ใหญ่นั้นท้าทายหรือไม่? แน่ใจ. แต่นั่นไม่ได้หมายความว่ามันเป็นไปไม่ได้

ทักษะทางเทคนิคใดบ้างที่จำเป็นต่อความก้าวหน้าในโมเดล IoT Maturity?

ขั้นที่ 1: อุปกรณ์ฝังตัว

เริ่มต้นที่ด้านล่างของรุ่น เรามีอุปกรณ์อิเล็กทรอนิกส์ที่สร้างขึ้นโดยเฉพาะ ผลิตภัณฑ์เหล่านี้ไม่มีคุณสมบัติการเชื่อมต่อ และผู้คนก็สร้างมันขึ้นมาตั้งแต่นั้นเป็นต้นมา โธมัส เอดิสัน ประดิษฐ์หลอดไฟ ในปี พ.ศ. 1879 อุปกรณ์ในระยะที่หนึ่งซับซ้อนกว่าตอนนั้นเล็กน้อย แต่ก็ยังอยู่ในอันดับที่ต่ำในรุ่นที่มีวุฒิภาวะ

ความท้าทายทางเทคโนโลยีในการไปถึงขั้นตอนนี้ก็ตรงไปตรงมาเช่นเดียวกัน ตราบใดที่ทีมของเรามีความรู้ด้านฮาร์ดแวร์และซอฟต์แวร์ที่จำเป็น เราก็สามารถสร้างผลิตภัณฑ์ได้

ขั้นที่ 2: คลาวด์คอมพิวติ้ง

ขั้นตอนที่สองอุปกรณ์เชื่อมต่อกับอินเทอร์เน็ต นี่หมายความว่าเราต้องเพิ่ม โปรโตคอลการสื่อสาร, การ์ดอินเทอร์เฟซเครือข่าย (NIC) และ โครงสร้างพื้นฐานส่วนหลัง. โดยพื้นฐานแล้ว อุปสรรคทางเทคนิคของขั้นตอนที่สองสร้างขึ้นจากขั้นตอนที่หนึ่งโดยมีองค์ประกอบสำคัญเพียงประการเดียว นั่นคือ การสร้างเครือข่าย

เราจำเป็นต้องสร้างโครงสร้างพื้นฐานของเซิร์ฟเวอร์และใช้ประโยชน์จากวิธีการจัดการที่มีประสิทธิภาพ ผลพวงอีกประการหนึ่งของเครือข่ายคือ โลกไซเบอร์ เนื่องจากเราอำนวยความสะดวกในการเชื่อมต่อที่ปลอดภัยบนเครือข่ายสาธารณะที่ไม่ปลอดภัย — อินเทอร์เน็ต — เราจึงจำเป็นต้องลงทุนในผู้มีความสามารถด้านความปลอดภัยสำหรับผลิตภัณฑ์ระยะที่ XNUMX ที่ประสบความสำเร็จ

ขั้นที่ 3: การเชื่อมต่อ IoT

ขั้นตอนที่สามคือการที่โซลูชัน IoT เข้ามาเป็นของตัวเองอย่างแท้จริง: การเชื่อมต่อระหว่างกัน ณ จุดนี้ อุปกรณ์ต่างๆ จะคุยกัน และเราเริ่มเห็นระบบนิเวศที่เชื่อมต่อกันเป็นรูปเป็นร่างขึ้น

ความท้าทายทางเทคนิคในการสร้างผลิตภัณฑ์ที่เชื่อมต่อกันนั้นยากยิ่งกว่า แน่นอน เรายังคงต้องการความเชี่ยวชาญทั้งหมดจากขั้นตอนที่หนึ่งและสอง แต่ตอนนี้ เราต้องการระดับทักษะที่มากยิ่งขึ้นเพื่อที่จะประสบความสำเร็จ

เราขออุปกรณ์ที่เชื่อมต่อของเราเป็นจำนวนมาก แต่ระบบฝังตัวเหล่านี้ทำงานบนฮาร์ดแวร์ที่มีข้อจำกัด การบูรณาการบริการต่างๆ โดยเฉพาะอย่างยิ่งเมื่อจุดกำเนิดต่างกันมาก ถือเป็นอุปสรรคสำคัญ ความปลอดภัยยิ่งยากขึ้นไปอีก และเราต้องคิดให้ดี สร้างความปลอดภัยตั้งแต่เริ่มต้น; เช่น เราจะต้องการฝัง a โมดูลความปลอดภัยของฮาร์ดแวร์ (HSM) ชิปลงในแผงวงจรของเรา

หนึ่งในส่วนที่ซับซ้อนที่สุดของการพัฒนา IoT คือการทำให้ทุก ๆ บิตมีค่า ในขณะที่คอมพิวเตอร์ที่ทรงพลังกว่าสามารถทุ่มเทพื้นที่ดิสก์เพียงเล็กน้อยหรือพลังในการประมวลผลให้กับแอปพลิเคชันที่ดีเท่านั้นที่มีหรือแม้กระทั่งไม่จำเป็นอย่างยิ่ง แต่อุปกรณ์ IoT ก็ยังขาดความหรูหรานี้

นั่นเป็นเหตุผลที่เครื่องมือเช่น เส้นประสาท มีประโยชน์มาก: ช่วยให้เราสร้างระบบ Linux แบบกำหนดเองที่มีเฉพาะสิ่งที่เราต้องการและไม่มีอะไรเพิ่มเติม อย่างไรก็ตาม การรู้ว่าควรใส่อะไรและควรทิ้งอะไร ต้องใช้ความรู้ด้านเทคนิคเป็นจำนวนมาก

ขั้นที่ 4: การวิเคราะห์เชิงทำนาย 

นี่คือขั้นตอนที่เราเริ่มนำข้อมูลของเราไปใช้จริง การวิเคราะห์เชิงทำนาย สำหรับ IoT จะพิจารณาแนวโน้มต่างๆ เช่น ข้อมูลเซ็นเซอร์ การมีส่วนร่วมของผู้ใช้ และตัวชี้วัดอื่นๆ ที่เราได้รับจากอุปกรณ์ของเรา จากนั้นเราจะใช้บิ๊กดาต้าสำหรับงานต่างๆ เช่น การบำรุงรักษาเชิงคาดการณ์สำหรับ IoT ทางอุตสาหกรรม

ขั้นตอนที่สี่เป็นที่ที่นักวิทยาศาสตร์ข้อมูลมีความสำคัญมากขึ้น ผู้เชี่ยวชาญเหล่านี้ใช้เครื่องมือเช่น หลาม, ไพทอร์ชและ AWS SageMaker เพื่อสร้าง ฝึกฝน และปรับใช้โมเดลแมชชีนเลิร์นนิง แต่นั่นเป็นเพียงส่วนเล็ก ๆ ของงาน รากฐานของโครงการวิทยาศาสตร์ข้อมูลที่ประสบความสำเร็จคือกรอบงานการวิเคราะห์ ซึ่งเป็นวิธีคิดเชิงวิพากษ์เกี่ยวกับข้อมูลและปัญหาทางธุรกิจ บางครั้ง ส่วนที่ยากที่สุดคือการค้นหาคำถามที่ถูกต้องเพื่อถาม

อย่างไรก็ตาม เราไม่สามารถโยนตัวเลขจำนวนมากให้กับนักวิทยาศาสตร์ด้านข้อมูลและคาดหวังให้ได้รับแบบจำลองการวิเคราะห์เชิงคาดการณ์ที่ครบถ้วนในทางกลับกัน เราต้องการ แนวทางข้ามวินัย ที่นักวิทยาศาสตร์ข้อมูลของเราทำงานอย่างใกล้ชิดกับทีมวิศวกรของเราเพื่อพัฒนาไปป์ไลน์ข้อมูล อย่างไรก็ตาม หากวิศวกรฮาร์ดแวร์ของเราไม่ทราบว่าข้อมูลที่นักวิเคราะห์ของเราต้องการใช้ พวกเขาจะทราบได้อย่างไรว่าควรเลือกเซ็นเซอร์ใด ในทำนองเดียวกัน นักพัฒนาซอฟต์แวร์ของเราจำเป็นต้องเข้าใจลำดับความสำคัญของนักวิทยาศาสตร์ข้อมูล เพื่อดูว่าพวกเขาต้องการหาตัวแปร รวบรวมข้อมูล หรือพุชไปยังคลาวด์หรือไม่ และแม้แต่จุดข้อมูลใดที่ต้องไปยังฐานข้อมูลใด

ขั้นที่ 5: Prescriptive Analytics

นำวิธีการที่ขับเคลื่อนด้วยข้อมูลของเราไปอีกขั้นหนึ่ง ขั้นตอนนี้ถูกกำหนดโดย การวิเคราะห์ที่กำหนดซึ่งสร้างพลังการทำนายของการวิเคราะห์ระยะที่สี่โดยแนะนำแนวทางการดำเนินการในอนาคต บริษัท IoT สามารถใช้การวิเคราะห์ที่กำหนดล่วงหน้าเพื่อมอบคุณค่าระยะยาวแก่ผู้ใช้ เพราะพวกเขามีโอกาสทำให้ชีวิตของเราง่ายขึ้น สะดวกขึ้น และสนุกสนานยิ่งขึ้น

ในด้านเทคโนโลยีของสมการ ระยะที่ XNUMX มีองค์ประกอบที่เหมือนกันหลายอย่างในขั้นที่ XNUMX แต่ทั้งหมดนั้นจำเป็นต้องทำงานในระดับที่สูงกว่ามาก ตัวอย่างเช่น เมื่อพูดถึงวิทยาศาสตร์ข้อมูล เราขยายขอบเขตของเราอย่างมาก เราไม่ได้ใช้แบบจำลองเดียวอีกต่อไป เช่น การตรวจหาสิ่งผิดปกติสำหรับการบำรุงรักษาเชิงป้องกัน แต่เราใช้งานควิลท์ของรุ่น ML ที่ผสมผสานกันเพื่อดึงผลงานที่น่าตื่นตาตื่นใจอย่างแท้จริงออกมา ซึ่งอาจรวมถึง ประมวลผลภาษาธรรมชาติ (NLP) สำหรับการรู้จำเสียงพูด/คำสั่งเสียง อัลกอริธึมที่ปรับให้เหมาะสมตาม โมเดลบุคลิกภาพของ OCEANและอื่น ๆ อีกมากมาย

ผลลัพธ์เริ่มเหมือนจริง ปัญญาประดิษฐ์ (AI)ดังนั้นจึงเป็นเรื่องยากที่จะเห็นว่าความท้าทายเหล่านี้ขยายขอบเขตไปไกลกว่าแค่วิทยาศาสตร์ข้อมูลอย่างไร ตัวอย่างเช่น ทีมฮาร์ดแวร์ของเราต้องหาวิธีที่สร้างสรรค์เพื่อฝังพลังการประมวลผลลงในพื้นที่ที่กะทัดรัดที่สุด เช่น GPU สำหรับการประมวลผลขอบ. ยิ่งกว่านั้นผลิตภัณฑ์ขั้นที่ห้าจะไม่มีวันสมบูรณ์อย่างแท้จริง แนวทางปฏิบัติที่คล่องตัว เช่น การผสานรวมอย่างต่อเนื่อง/การปรับใช้อย่างต่อเนื่อง (CI/CD) เป็นสิ่งสำคัญ หากเราต้องการมอบประสบการณ์ IoT ระดับโลกต่อไป

ขั้นที่ 6: คอมพิวเตอร์ทุกหนทุกแห่ง

ขั้นตอนสุดท้ายของโมเดลการพัฒนา IoT คือ คอมพิวเตอร์แพร่หลายเกมปิดท้ายที่แทบทุกแง่มุมของชีวิตประจำวันรวมถึงการโต้ตอบกับโลกดิจิทัล ปัจจุบันเวทีนี้มีอยู่ในนิยายวิทยาศาสตร์เท่านั้นแต่ เราอาจจะอยู่ใกล้กว่าที่คุณคิด.

เทคโนโลยีที่ต้องใช้เพื่อให้ได้มานี้เป็นสิ่งที่ยิ่งใหญ่ และสิ่งที่เราทำได้จริงๆ ก็คือการคาดเดา ณ จุดนี้ อย่างไรก็ตาม เราทราบดีว่าต้องใช้ผลงานชิ้นเอกร่วมกันในด้านวิศวกรรม การพัฒนาซอฟต์แวร์ วิทยาศาสตร์ข้อมูล การออกแบบประสบการณ์ผู้ใช้ และอื่นๆ การสร้างกลุ่มผู้มีความสามารถในสาขาเหล่านี้เป็นอุปสรรคที่ใหญ่ที่สุดที่ขัดขวางไม่ให้เราเข้าสู่โลกแห่งการคำนวณที่แพร่หลาย

เรามีทางยาวไป มาเริ่มสร้างกันเลย 

สรุป

ตอนนี้ควรมีความชัดเจนว่าแต่ละขั้นตอนที่ก้าวหน้ายากกว่าขั้นตอนที่แล้วมากน้อยเพียงใด การเปลี่ยนจากอุปกรณ์ระยะที่สองไปเป็นผลิตภัณฑ์ IoT ระยะที่ XNUMX ที่แท้จริงเป็นการก้าวกระโดดครั้งใหญ่ มันต้องการความเชี่ยวชาญในหลาย ๆ โดเมนและบังคับให้เราเชี่ยวชาญเทคโนโลยีที่แตกต่างกันมากมาย

แม้ว่าบริษัทเทคโนโลยีที่ก้าวหน้าที่สุดในปัจจุบันจะมีวุฒิภาวะขั้นที่ห้า แต่เราก็ยังไม่มีอะไรที่ใกล้เคียงกับการคำนวณที่แพร่หลาย โชคดีที่นักคิดที่เก่งกาจหลายคนทั่วโลกกำลังทำงานเพื่อพัฒนาเทคโนโลยีต่างๆ นับพัน

นั่นไม่ได้หมายความว่าความล้ำสมัยในปัจจุบันไม่ได้เปลี่ยนแปลงโลก

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