物聯網是解決“小型”數據問題的關鍵的3個原因

發布時間:2021-03-09 10:54:27  瀏覽次數:235  作者:趣宅

返回列表

  物聯網提供了一種經濟高效的方式來訪問實時數據。盡管數據在分析時可能有價值,但潛在的巨大數據量以及隨時間累積的數據量令人望而生畏。許多人聽說過大數據,但是對于那些真正利用實時數據產生真正業務價值的人來說,這個術語可能是一個誤稱。

  混淆物聯網和大數據的思想很簡單。物聯網肯定可以產生大數據,因為數十億個互聯設備預計會不斷將大量數據泵入云托管的數據湖。然后怎樣呢?陷入這樣一個大數據問題的幽靈正確地提出了一個問題,即是否應該追求物聯網解決方案。

  大數據問題并不是物聯網解決的唯一問題。物聯網非常適合解決您的“小”數據問題。

  大數據通常與數據挖掘,人工智能,機器學習,預測分析以及其他處理密集型練習相關聯,這些練習的重點是從隱藏在大數據集中的模式中得出洞察力。換句話說,如果不更深入地研究數據,這些見識可能無法從以面值獲得的數據中顯而易見??捎玫臍v史數據越多,從大量數據中獲得深刻見解的潛力就越大。

  另一方面,“小”數據可以表示有限的數據池,無需進行大量處理即可提供見解。我們探討了物聯網為何是解決“小型”數據問題的關鍵的一些原因。

  “小”數據解決了目前正在發生的問題

  一個簡單的“小”數據示例就是告訴您當前正在發生什么的數據。例如,實時數據可以告訴您設備,機器或系統當前正在做什么。實時查看當前機器的運行情況,可以洞悉影響運行的實際故障。知道設備,機器或系統何時停止工作對您沒有幫助嗎?

  在一個簡單的示例中,在正常情況下(例如,在長時間暴雨期間)不運轉的污水泵將立即向設施管理團隊發出有關可能的總泵故障的警報。實時物聯網數據可提供污水泵開/關操作的可見性,從而解決了即時的“小型”數據問題。通過大數據獲得的深刻見解可能有助于確定抽水泵的預測性維護,但是對于解決最直接的操作問題(抽水泵故障),這些見識將不是必需的!

  在許多情況下,少量數據足以解決巨大的運營挑戰。

  “小”數據不需要高級分析

  對于許多人來說,“分析”一詞通常意味著高級指標和固有的復雜性。這種觀念上的偏見是“分析”與大數據融合的部分原因。大數據肯定會利用Google Analytics(分析);“小”數據也可以。

  同樣,許多人從大量數據的角度考慮大數據。大量數據可以來自單個計算機的大型歷史數據集(大數據),也可以來自大型計算機中的每個大型機的最新數據(“小型”數據)。例如,通過分析來自一臺機器的三年數據的模式可以獲得大數據見解,而通過分析來自一組機器的一周數據的狀態和條件可以獲得“小”數據見解。

  “小”數據可以生成簡單而強大的分析數據,例如(a)最近24小時內打開了多少次計算機?,(b)最近24小時內最長的計算機工作周期是多少, (c)在過去24小時內平均消耗了多少能量?(d)在過去24小時內平均對機器產生了什么影響?目視檢查這些“小型”數據KPI中的任何一個或多個,將提供對潛在問題的操作洞察力。

  對于熟悉機器的那些主題專家(SME)(例如,設施管理人員),當前和最近機器操作的“小型”數據可視性將在立即目視檢查“小型”數據時提供洞察力。

  “小”數據可以利用現有基礎架構

  物聯網可以解決從目標到全面的不同規模規模的問題。從“小”數據的角度來看,物聯網可以被用來僅捕獲所需數量的運營數據。無需對數據收集基礎架構進行全面檢查。直接從現有設備中獲取運營數據將大大減少總體項目支出,并最大程度地提高回報。例如,翻新的物聯網解決方案可以對關鍵的HVAC設備進行數字化,例如冷卻塔,冷卻器,RTU,AHU等。HVAC設備的“小型”數據帶來的運營洞察力對提高效率和節省成本大有幫助。

  物聯網特別適合在可能的范圍內充分利用現有基礎架構,以提取這種情況下所需的“小型”數據。重點應該放在捕獲正確的傳感器數據以獲取操作洞察力上,而不是捕獲所有可能的傳感器數據來開發數據檔案庫以用于將來的高級分析。將正確的傳感器數據傳遞給正確的中小型企業比從IT部門角度解決數據架構模型更為重要。不要讓大數據思維定勢使您的物聯網項目脫軌。

  更重要的是,不要讓您的“小型”數據項目變大。

  結論

  物聯網很容易被炒作,因為實時數據收集的前景和潛力可以解決我們可以預見的最大問題。不要分心!物聯網提供了至關重要的“小型”數據,這些數據將改變任何希望產生運營效率的組織。

最新新聞/ Latest news

日本高清熟妇老熟妇,国产目拍亚洲精品一区,欧美A一片,激性欧美在线观看