隨著邊緣技術(shù)和智能設(shè)備的普及，我們看到公司可以用來改進(jìn)決策過程的數(shù)據(jù)量沒有限制。與這個(gè)機(jī)會(huì)相反，許多組織仍然限制他們可以使用的數(shù)據(jù)的質(zhì)量、種類和范圍，因?yàn)樗麄儧]有使用正確的數(shù)據(jù)架構(gòu)。這是正確的!物聯(lián)網(wǎng)和大數(shù)據(jù)科學(xué)專家亞什梅塔表示，到2026年，數(shù)據(jù)結(jié)構(gòu)的市場(chǎng)規(guī)模將達(dá)到42億美元，這肯定會(huì)對(duì)物聯(lián)網(wǎng)在不同設(shè)置中的性能產(chǎn)生不可避免的影響。

如果您不使用數(shù)據(jù)結(jié)構(gòu)，那么大量數(shù)據(jù)仍以原始形式存在并且不是很有用。為了解決這一挑戰(zhàn)，公司可以使用邊緣到核心到多云的數(shù)據(jù)結(jié)構(gòu)，這不僅可以讓他們收集大量數(shù)據(jù)，還可以促進(jìn)分析和集成，以便您可以大規(guī)模使用它。

邊緣的數(shù)據(jù)結(jié)構(gòu)

由于物聯(lián)網(wǎng)系統(tǒng)是自動(dòng)化的并嵌入了默認(rèn)IP和其他配置，因此它們很容易受到不必要的暴露。有大量數(shù)據(jù)流實(shí)時(shí)離開，并且結(jié)構(gòu)可以幫助在將其排放到網(wǎng)絡(luò)之前對(duì)其進(jìn)行過濾。當(dāng)與邊緣系統(tǒng)結(jié)合使用時(shí)，該結(jié)構(gòu)僅可確保數(shù)據(jù)在靜止或傳輸過程中的正確性。這進(jìn)一步減輕了工程師在應(yīng)用程序開發(fā)和集成層面的負(fù)擔(dān)。

因此，邊緣結(jié)構(gòu)數(shù)據(jù)管理系統(tǒng)會(huì)為本地和分布式消費(fèi)生成持久、協(xié)調(diào)和可管理的數(shù)據(jù)流。不要錯(cuò)過，這樣的系統(tǒng)提供互操作性和即時(shí)處理。當(dāng)邊緣系統(tǒng)遇到越來越多的多環(huán)境數(shù)據(jù)需求時(shí)，結(jié)構(gòu)應(yīng)該執(zhí)行以下功能-

無故障訪問多個(gè)接口，例如無線電網(wǎng)絡(luò)、MTTP、HTTP等。

在多個(gè)符合POSIX的環(huán)境中進(jìn)行無縫操作。

使用所有重要的協(xié)議和API，包括RESTAPI。

在包括JDBC/ODBC在內(nèi)的數(shù)據(jù)庫(kù)之間建立連接。

通過Kafka、Spark等多種標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)流式傳輸。

工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)結(jié)構(gòu)

預(yù)測(cè)建模是IIoT的基礎(chǔ)，但如果沒有持久數(shù)據(jù)就無法執(zhí)行。在捕獲和存儲(chǔ)數(shù)據(jù)之后，實(shí)際的挑戰(zhàn)是從提煉數(shù)據(jù)以確保提供定性數(shù)據(jù)開始。數(shù)據(jù)結(jié)構(gòu)管理系統(tǒng)通過將數(shù)據(jù)流經(jīng)過收集后的不同階段(如集成、分析、編排、歸檔等)來填補(bǔ)這一空白。結(jié)構(gòu)架構(gòu)使準(zhǔn)備數(shù)據(jù)變得很方便。

在建立一條能夠檢測(cè)和通知異常的自治裝配線的過程中，準(zhǔn)確和即時(shí)的數(shù)據(jù)很重要;正是面料所確保的。

來自結(jié)構(gòu)模型的數(shù)據(jù)可以幫助預(yù)測(cè)和分析整個(gè)設(shè)備線的維護(hù)趨勢(shì)。這對(duì)于在旅途中識(shí)別故障并及時(shí)進(jìn)行維修非常重要。此外，質(zhì)量保證團(tuán)隊(duì)可以執(zhí)行自動(dòng)分析，以確保按照標(biāo)準(zhǔn)進(jìn)行質(zhì)量檢查。這導(dǎo)致了一個(gè)很好的預(yù)防黑客!

話雖如此，IIoT中的挑戰(zhàn)可能不會(huì)僅限于設(shè)備級(jí)別，而是可能會(huì)吞噬整個(gè)裝配線。生產(chǎn)單位通?？释嗟臄?shù)據(jù)洞察力來提升整個(gè)設(shè)置中的問題識(shí)別。Data Fabric的定性提要進(jìn)一步有助于智能預(yù)測(cè)分析，以解決生產(chǎn)中的任何問題。不要錯(cuò)過，處方分析是優(yōu)化工廠整體運(yùn)營(yíng)的附加組件。

當(dāng)我們?cè)谧鲞@件事時(shí)，數(shù)據(jù)結(jié)構(gòu)對(duì)關(guān)鍵決策產(chǎn)生了不可否認(rèn)的影響。因此，基于品牌在市場(chǎng)中的定位，組織可以從面料中獲得洞察力，以了解與生產(chǎn)直接或間接相關(guān)的所有其他模塊的性能。例如，銷售7營(yíng)銷、庫(kù)存管理、物流處理等。

不要忘記：尋找合適的數(shù)據(jù)結(jié)構(gòu)

今天的織物產(chǎn)品知道它們必須符合物聯(lián)網(wǎng)的要求。究竟為什么，您可以閱讀很多關(guān)于不同數(shù)據(jù)結(jié)構(gòu)產(chǎn)品如何適應(yīng)大量數(shù)據(jù)流入的信息。除了IBM和Denodo，2022年頂級(jí)結(jié)構(gòu)解決方案列表中還有其他特色。然而，K2View的微數(shù)據(jù)庫(kù)方法是一個(gè)有趣的補(bǔ)充。該結(jié)構(gòu)將業(yè)務(wù)合作伙伴數(shù)據(jù)存儲(chǔ)在數(shù)百萬個(gè)微型數(shù)據(jù)庫(kù)中，其中每個(gè)數(shù)據(jù)庫(kù)僅包含特定實(shí)體的數(shù)據(jù)。

現(xiàn)在，他們的數(shù)據(jù)結(jié)構(gòu)使用人工智能來自學(xué)隨著時(shí)間的推移饋送和提取的原始數(shù)據(jù)。隨著物聯(lián)網(wǎng)設(shè)備消耗和產(chǎn)生的數(shù)據(jù)量增加，處理大量數(shù)據(jù)的結(jié)構(gòu)范圍也在增加。最終，數(shù)據(jù)結(jié)構(gòu)支持未知數(shù)據(jù)量的能力使其更適合該行業(yè)。

了解不同的用例

首先，我們將注意到數(shù)據(jù)向邊緣的轉(zhuǎn)移，以及在利潤(rùn)驅(qū)動(dòng)和降低風(fēng)險(xiǎn)的用例中實(shí)施數(shù)據(jù)結(jié)構(gòu)的內(nèi)在需求。當(dāng)數(shù)據(jù)共享規(guī)則處于實(shí)施過程中時(shí)，我們可以看到這種情況在未來2年內(nèi)發(fā)生。主要測(cè)試應(yīng)該從零售部門開始，因?yàn)檫@些公司旨在收集用戶數(shù)據(jù)以建立更好的用戶體驗(yàn)。它還將允許他們通過產(chǎn)品放置進(jìn)行追加銷售和交叉銷售。

隨著邊緣向相反方向遷移到云，我們看到另一個(gè)變化的途徑是醫(yī)療保健行業(yè)，因?yàn)樵絹碓蕉嗟幕颊呦Ｍ嗟卦L問他們的醫(yī)療記錄和數(shù)據(jù)。鑒于法規(guī)遵從性，您不僅有權(quán)訪問您的數(shù)據(jù)和診斷成像，而且還能夠阻止或與您選擇的保險(xiǎn)公司或交付提供商共享這些數(shù)據(jù)。

結(jié)論

鑒于產(chǎn)品和客戶保護(hù)數(shù)據(jù)安全的需求，應(yīng)用程序必須開始在邊緣設(shè)備上定位這些數(shù)據(jù)，以便在本地使用。所有與產(chǎn)品或服務(wù)相關(guān)的數(shù)據(jù)集都必須從云端發(fā)送到邊緣設(shè)備。這將從根本上扭轉(zhuǎn)我們今天看到的關(guān)系和秩序。您如何看待Fabric-IoT協(xié)會(huì)的蓬勃發(fā)展?分享。