Pętla analizy i optymalizacji internetu rzeczy (IoT) umożliwia generowanie i stosowanie szczegółowych informacji dotyczących optymalizacji biznesowej do co najmniej jednego wdrożenia systemów fizycznych kontrolowanych przez oprogramowanie na podstawie całego kontekstu biznesowego przedsiębiorstwa. Dane telemetryczne analizowania i optymalizowania źródeł pętli, zazwyczaj z monitorowania procesów pętli i zarządzania nimi, uściślić je i łączyć ze źródłami danych przedsiębiorstwa w celu generowania szczegółowych informacji.
Ten artykuł zawiera omówienie architektury, cech i składników pętli procesu analizowania i optymalizowania.
Potencjalne przypadki użycia
Oto przykładowe scenariusze analizowania i optymalizowania pętli:
- Inteligentne przestrzenie: Indeks bezpieczeństwa kampusu obliczeniowego i podejmij odpowiednie środki.
- Przesyłanie energii: Koreluj trendy awarii zasilania i zdarzenia pożaru w celu produkcji proaktywnych napraw transmisji i wymiany urządzeń monitorujących.
- Produkcja ropy naftowej i gazu: Oblicz trendy produkcji ropy naftowej w basenie i porównaj je z wydajnością lokacji.
- Transport i logistyka: Obliczanie trendów śladu węglowego, porównywanie ich z celami organizacyjnymi i podejmowanie działań naprawczych.
- Farma wiatrowa: Oblicz czynnik zasilania całej operacji farmy wiatrowej i opracuj środki w celu poprawy wydajności każdej turbiny wiatrowej.
- Dyskretna produkcja: zwiększ szybkość produkcji widżetów wielu fabryk, aby zaspokoić zapotrzebowanie na rynek.
Architektura
Na poniższym diagramie przedstawiono schemat typowej pętli analizy i optymalizacji oraz relacji z innymi pętlami procesów IoT.
Pobierz plik programu Visio z tą architekturą.
W pętli analizowania i optymalizowania dane z różnych źródeł IoT, przedsiębiorstwa, prywatnych i publicznych przepływają do magazynów danych w chmurze. Analiza w trybie offline korzysta z magazynów danych, aby odkryć ukryte trendy i szczegółowe informacje dotyczące optymalizacji biznesowej. Szczegółowe informacje dotyczące optymalizacji z procesów analizy offline przepływają z powrotem do instalacji IoT za pośrednictwem pętli monitorowania i zarządzania pętlami oraz pętli miar i kontroli.
Właściwości
- Pętla analizowania i optymalizowania działa asynchronicznie, więc nie ma napiętych terminów terminów analizowania danych ani wysyłania sygnałów optymalizacji do urządzeń. Te pętle zależą od długiej historii telemetrii i historii danych operacyjnych przedsiębiorstwa na potrzeby uruchamiania zadań wsadowych.
- Zależności systemowe obejmują wiele systemów do żywienia danych za pośrednictwem usługi Data Lake, które obejmują systemy IoT i źródła danych z systemów przedsiębiorstwa. Pętla optymalizacji używa głównie protokołów usług internetowych do integracji z systemami nadzoru i innymi systemami przedsiębiorstwa.
Składniki
Ważnymi składnikami kontroli optymalizacji biznesowej są:
- Usługa Data Lake, magazyn na dużą skalę zoptymalizowany pod kątem niższych kosztów użycia w dłuższych okresach. Magazyn HDFS w kontekście przetwarzania redukcji map jest przykładem takiego magazynu typu data lake. Usługa Data Lake defersuje strukturę danych do czasu przetwarzania, dlatego jest dobrym rozwiązaniem do przechowywania zarówno danych ustrukturyzowanych, jak i nieustrukturyzowanych.
- Zimne dane szeregów czasowych, nieprzetworzone lub przetworzone dane telemetryczne, które są ważne dla analizy offline i często pochodzą z wielu systemów IoT. Zadania analityczne dodatkowo uściślą i łączą te dane z zestawami danych przedsiębiorstwa i zewnętrznymi zestawami danych.
- Dane przedsiębiorstwa generowane przez systemy przedsiębiorstwa, takie jak zarządzanie cyklem życia produktu, łańcuch dostaw, finanse, sprzedaż, produkcja i dystrybucja oraz zarządzanie relacjami klientów. Dane przedsiębiorstwa połączone z zewnętrznymi zestawami danych, takimi jak pogoda, mogą kontekstować dane telemetryczne IoT w zakresie biznesowym w celu generowania zgodnych szczegółowych informacji.
- Analiza offline do przetwarzania danych big data w trybie wsadowym. Zadania platformy Spark i przetwarzanie map-redukcji platformy Hadoop to kilka przykładów. Następnie monitoruj procesy pętli i pętli miar i kontroli oraz zarządzaj nimi, a następnie zastosuj szczegółowe informacje uzyskane z pętli analizy i optymalizacji do urządzeń IoT.
Współautorzy
Ten artykuł jest obsługiwany przez firmę Microsoft. Pierwotnie został napisany przez następujących współautorów.
Główny autor:
- Hanukumar Pinnamraju | Główny menedżer inżynierii oprogramowania