物联网（物联网）是一个不断增强的复杂性的生态系统。这是下一波创新，将使我们生活中的每个物体人性化。物联网每天将越来越多的设备（物品）带入数字折叠，这可能会使物联网在不久的将来成为数万亿美元的行业。要了解物联网（IoT）的兴趣规模（IoT），只需检查最近就IoT进行的多少会议，文章和研究，去年，这种兴趣已经达到了发烧倾斜点，因为许多公司都看到了很大的机会，并且相信IoT持有IoT持有有望扩大和改善企业流程并加速增长。
物联网每天都将越来越多的设备（物品）带入数字折叠，这可能会使物联网在不久的将来成为数万亿美元的行业。
但是，物联网市场的快速发展导致#IOT解决方案的数量和种类繁多，这在行业发展时造成了真正的挑战，主要是迫切需要可靠的物联网模型执行诸如感知，诸如感知，处理，存储和通信。从任何想象力中，开发该模型绝不是一件容易的事。真正可靠的物联网模型面临许多障碍和挑战。
使用IoT解决方案的关键功能之一是利用物联网分析以多种方式利用“事物”收集的信息，例如，了解客户行为，提供服务，改善产品并识别和拦截和拦截商业时刻。物联网需要新的分析方法，因为数据量增加到2021年的天文水平，物联网分析的需求可能与传统分析进一步分歧。
物联网分析面临的挑战包括：数据结构，梳理多数据格式，平衡规模和速度，边缘分析以及物联网分析和AI的需求。
数据结构
大多数传感器都会发送带有时间戳的数据，大多数数据都“无聊”，大部分时间都没有发生任何事情。但是，有时会发生严重的事情，需要参加。尽管基于阈值的静态警报是分析此数据的好起点，但它们无法帮助我们晋升为诊断或预测性或规定阶段。以特定时间间隔收集的数据分段之间可能存在关系。换句话说，经典时间序列挑战。
结合多个数据格式
尽管时间序列数据已经建立了处理的技术和过程，但真正重要的见解不能仅来自传感器数据。传感器数据和其他非结构化数据之间通常存在很强的相关性。例如，一系列控制单元故障代码可能会导致特定的服务动作，该操作由机械师记录。同样，一组温度读数可能伴随着零件的宏观形状的突然变化，该零件可以通过图像或旋转轴的可听见频率变化来捕获。我们需要开发技术必须有效地与非结构化数据或我们所谓的黑数据结合在一起的技术。
平衡规模和速度的需求
对物联网的大多数认真分析都会在云，数据中心或更可能是混合云和基于服务器的环境中进行。这是因为尽管云具有弹性和可扩展性，但它可能不适合需要实时处理大量数据的方案。例如，在10Gbps网络上移动1保持比例需要13分钟，这对于历史数据的批处理处理和管理很好，但对于分析实时事件流并不实用，最近的一个示例是自动驾驶汽车传输的数据，尤其是在关键情况下。这需要第二个决定。
同时，由于物联网分析的各个方面可能需要比其他方面的扩展更多，因此实施的分析算法应支持灵活性，无论该算法是否在边缘，数据中心或云中部署。
物联网分析处于边缘
物联网传感器，设备和网关分布在不同的制造地板，房屋，零售店和农场，仅举几个地点。然而，在10Mbps的宽带网络上移动一个数据的数据将需要9天。因此，企业需要计划如何解决预计的40％的物联网数据，这些数据将在短短几年内在边缘处理。对于大型物联网部署而言，这尤其如此，在该物联网部署中，每一秒可能会流出数十亿个事件，但是系统只需要随着时间的推移知道平均值，或者当趋势落在建立的参数之外时被提醒。
答案是在边缘的物联网设备或网关上进行一些分析，并向中央系统发送汇总结果。通过这种边缘分析，组织可以确保及时检测重要趋势或畸变，同时大大降低网络流量以提高性能。
执行Edge Analytics需要非常轻巧的软件，因为物联网节点和网关是低功耗的设备，其用于查询处理的强度有限。为了应对这一挑战，雾计算是冠军。
FOG计算允许计算，决策和动作进行通过IoT设备进行，并且仅将相关数据推向云，Cisco创造了“雾计算”一词，并为#FogComputing提供了一个出色的定义：“雾将云扩展到至更接近生产和对物联网数据行动的事物。这些称为FOG节点的设备可以通过网络连接在任何地方部署：在工厂的地板上，在电线杆上，以及铁路轨道，车辆或石油钻机上。任何具有计算，存储和网络连接性的设备都可以是雾节点。示例包括工业控制器，开关，路由器，嵌入式服务器和视频监视摄像头。”使用雾计算的主要好处：最大程度地减少延迟，保守网络带宽，并解决网络各个级别的安全问题。此外，通过快速决策，收集和确保广泛的数据，将数据移至最佳处理场所，降低仅在需要时使用高计算能力的费用，并更少的带宽，并提供更好的分析和本地数据的见解。
请记住，雾计算不是任何措施替代云计算，而是与云计算一起使用，优化了可用资源的使用。但这是需要解决许多挑战的产物。实时过程和传入数据的动作以及诸如带宽和计算能力之类的资源的限制，这是另一个有助于雾化计算的因素，它利用了当今虚拟化IT资源的分布式性质。层次结构是由制造商正在向边缘路由器和开关中构建的增加的计算功能来启用层次结构。
物联网分析和AI
物联网分析的最大和尚未大量的权力是超越实时对问题和机遇的反应，而是事先为它们做准备。这就是为什么预测是许多物联网分析策略的核心，无论是预测需求，预测维护，检测欺诈，预测流失还是细分客户。
人工智能（#AI）使用并改善了当前的统计模型来处理预测。人工智能将自动学习下划线规则，为仅规则系统提供有吸引力的替代方案，该系统要求专业人员撰写规则并评估其性能。应用AI时，它提供了有价值的可行见解。
AI可以提供六种类型的物联网数据分析：
数据准备：定义数据池并清洁它们，这将使我们进入黑暗数据，数据湖等概念。
数据发现：在定义的数据池中找到有用的数据
流媒体数据的可视化：通过定义，发现数据和以智能方式可视化流量数据的流动数据，以使决策过程毫不延迟地进行。
数据的准确性：保持高度准确性和完整性数据收集的数据的信心水平
预测性和提前分析：可以根据收集，发现和分析的数据做出决策的非常重要的步骤。
实时地理空间和位置（后勤数据）：保持数据流平滑和控制。
但这并不是所有的“友善，舒适和舒适”，在物联网中使用AI面临的挑战。兼容性，复杂性，隐私/安全/安全，道德和法律问题以及人为愚蠢。
许多物联网生态系统将出现，这些生态系统之间的商业和技术战将主导智能家居，智慧城市，财务和医疗保健等领域。但是，真正的赢家将是具有更好，可靠，快速和智能的物联网分析工具的生态系统，毕竟重要的是，我们如何将数据更改为洞察力和洞察力，以获取行动和行动。
艾哈迈德·巴纳法（Ahmed Banafa），作者：
使用区块链和AI安全且智能的物联网（IoT）
区块链技术和应用
参考：