Цикл анализа и оптимизации Интернета вещей (IoT) позволяет создавать и применять аналитику по оптимизации деятельности компании к одному или нескольким развертываниям физических систем, находящихся под управлением программного обеспечения, на основе всего корпоративного бизнес-контекста. Цикл анализа и оптимизации использует в качестве источника данные телеметрии, которые, как правило, генерируются процессами цикла мониторинга и управления, уточняет их и объединяет с корпоративными источниками для формирования аналитики.
В этой статье приводятся общие сведения об архитектуре, характеристиках и компонентах цикла анализа и оптимизации процессов.
Потенциальные варианты использования
Ниже приведены некоторые примеры сценариев для циклов анализа и оптимизации.
- Интеллектуальные пространства: вычисление индекса безопасности кампуса и принятие соответствующих мер.
- Передача энергии: сопоставление тенденций отключения электропитания и пожара в целях упреждающего ремонта и замены устройств мониторинга.
- Добыча нефти и газа: расчет тенденций нефтедобычи в бассейне и сравнение с производительностью объекта.
- Транспорт и логистика: расчет тенденций выбросов парниковых газов в атмосферу, сравнение с целями организации и принятие корректирующих мер.
- Ветряная электростанция: расчет коэффициента мощности ветряной электростанции и разработка средств повышения эффективности каждой ветряной турбины.
- Дискретное производство: увеличение производительности мини-приложения для множества заводов с целью удовлетворения рыночного спроса.
Архитектура
На следующей диаграмме схематически представлены типичный цикл анализа и оптимизации, а также его связь с другими циклами процессов IoT.
Скачайте файл Visio этой архитектуры.
В рамках цикла анализа и оптимизации данные из различных источников IoT, предприятий, частных и общедоступных ресурсов поступают в облачные озера данных. В автономной аналитике озера данных используются для обнаружения скрытых тенденций и получения аналитических сведений по оптимизации деятельности компании. Аналитические данные по оптимизации из процессов автономной аналитики поступают обратно в установки Интернета вещей через циклы отслеживания и управления, а также циклы измерения и управления.
Характеристики
- Цикл анализа и оптимизации выполняется асинхронно, поэтому строгие сроки анализа данных или отправки сигналов оптимизации на устройства не устанавливаются. При выполнении пакетных заданий эти циклы зависят от журнала данных телеметрии и журнала корпоративных операционных данных.
- В число системных зависимостей входит несколько систем передачи данных через озеро данных, в том числе системы Интернета вещей и каналы из корпоративных систем. Для интеграции с системами контроля и другими корпоративными системами цикл оптимизации в основном использует протоколы веб-служб.
Компоненты
Ниже перечислены важные компоненты управления оптимизацией деятельности компании.
- Озеро данных, крупномасштабное хранилище, оптимизированное для снижения затрат на потребление в течение более длительных периодов времени. Пример такого озера данных — хранилище HDFS в контексте обработки MapReduce. Озеро данных откладывает структуру данных на время обработки, поэтому хорошо подходит для хранения как структурированных, так и неструктурированных данных.
- Холодные данные временного ряда, необработанные или обработанные данные телеметрии, которые важны для автономной аналитики и часто поступают из нескольких систем Интернета вещей. Задания аналитики продолжают уточнять и объединяют эти данные с корпоративными и внешними наборами данных.
- Корпоративные данные, созданные корпоративными системами, например, управление жизненным циклом продукта, цепочка поставок, финансы, продажи, производство и распространение, управление отношениями с клиентами. Корпоративные данные, объединенные с внешними наборами данных, например, погода, могут помещать данные телеметрии Интернета вещей в контекст сферы деятельности для создания непротиворечивых аналитических сведений.
- Автономная аналитика для обработки больших данных в пакетном режиме. Задания Spark и обработка MapReduce Hadoop — это лишь пара примеров. Затем процессы цикла отслеживания и управления и цикла измерения и контроля применяют аналитические данные, полученные от циклов анализа и оптимизации на устройствах Интернета вещей.
Соавторы
Эта статья поддерживается корпорацией Майкрософт. Первоначально она была написана следующими авторами.
Основной автор:
- Ханукумар Пиннамраджу | Главный менеджер по проектированию программного обеспечения