物联网 (IoT) 分析和优化循环能够根据整个企业业务环境生成业务优化见解，并将其应用于由软件控制的一个或多个物理系统部署。 分析和优化循环会获取遥测数据（通常是从监视和管理循环流程），对遥测数据进行优化，并将其与企业数据源相结合以产生洞察力。
本文概述了分析和优化过程循环体系结构、特性和组件。
可能的用例
分析和优化循环的一些示例方案包括：
- 智能空间：计算校园安全指数并采取适当措施。
- 电力传输：关联停电和野火事件趋势，以主动进行输电设备维修和更换监控设备。
- 石油和天然气生产：计算盆地的石油生产趋势并将其与现场绩效进行比较。
- 运输和物流：计算碳足迹趋势，将其与组织目标进行比较，并采取纠正措施。
- 风电场：计算整个风电场运行的功率因数，并设计提高每个风力涡轮机效率的方法。
- 离散制造：提高许多工厂的小部件生产速度以满足市场需求。
体系结构
下图显示了典型分析和优化循环的示意图及其与其他 IoT 流程循环的关系。
下载此体系结构的 Visio 文件。
在分析和优化循环中，来自各种 IoT、企业、私人和公共来源的数据流入云数据湖中。 脱机分析将使用数据湖来发现隐藏的趋势和业务优化见解。 脱机分析过程生成的优化见解通过监视和管理循环以及测量和控制循环流回 IoT 装置。
特征
- 分析和优化循环异步运行，因此分析数据或向设备发送优化信号没有严格的时间期限。 这些循环依赖于运行批处理作业的长期遥测历史和企业运营数据历史。
- 系统依赖项包括通过数据湖提供数据的多个系统，其中包括物联网系统和来自企业系统的馈入数据。 优化循环主要使用 Web 服务协议与监控系统和其他企业系统集成。
组件
业务优化控制的重要组成部分有：
- 数据湖，这是一种大规模存储，经过优化，可在较长时间内降低使用成本。 映射/还原处理上下文中的 HDFS 存储就是这种数据湖的一个示例。 数据湖将数据的结构推迟到处理时间，因此有利于存储结构化和非结构化数据。
- 冷时间序列数据，这是原始或经过处理的遥测数据，对离线分析很重要，通常来自多个 IoT 系统。 分析作业可进一步优化此数据，并结合企业数据集和外部数据集。
- 由产品生命周期管理、供应链、财务、销售、制造和分销以及客户关系管理等企业系统产生的企业数据。 企业数据与天气等外部数据集相结合，可以在业务范围内对物联网遥测进行情境化，以生成兼容的见解。
- 脱机分析以批量处理模式处理大数据。 Spark 作业和 Hadoop 映射/化简处理只是几个例子。 监视和管理循环以及测量和控制循环过程，然后将从分析和优化回路中获得的见解应用于 IoT 设备。
作者
本文由 Microsoft 维护， 它最初是由以下贡献者撰写的。
主要作者：
- Hanukumar Pinnamraju | 首席软件工程经理