物联网数据:从过剩的荣耀
作者:林博士羌族
根据独立的网站政府技术,“许多政府机构有一个非结构化数据噩梦,比特和字节分散在服务器、云虚拟机监控程序》。”弗诺·文奇称之为所谓的噩梦”数据过剩”。在一个物联网的时代(物联网),数据过剩可能不会变得更好,而且,事实上,可能会变得更糟。
Juniper研究的一项研究发现,物联网连接的数量到2024年将达到830亿,从2020年的350亿个连接。考虑到物联网和数据内在联系在一起生成的数据总量,到2025年,全球预计将物联网设备达到79.4 zb(一个单位等于一万亿字节)。
我们可以把数据数据过剩的荣耀吗?要回答这个问题,我们需要了解物联网的性质数据和分析如何将原始数据转化为信息,我们可以使用。
物联网数据特征
物联网传感器和设备,不断自动生成大量的数据。物联网数据的价值在于它是真的大数据。换句话说,原始物联网数据结合数据从其他来源,如个人和业务数据,生成新的信息和商业智能。独立的网站影响总结了这些数据特征7对:
- 体积:根据病房汽车,一个自动测试车辆每天产生约30 tb的数据Twitter的每日数据- 3000倍。因此,物联网数据量可以是巨大的,这取决于应用程序。
- 速度:“即使是最好的司机可以努力挤进棘手的停车位,但是360度的相机系统可以使低速底色过去的事了,”亚历克斯报告Leanse MOTORTREND。一个360度摄像头系统包括几个摄像机放置在车辆。例如,一个在前面的车,在车的后面和两个汽车的两侧视镜。然后,软件捕获和处理来自每个相机的视图和针在一个三维图像信息娱乐屏幕上时,汽车是在反向模式。因此,物联网数据处理的速度,就必须及时甚至实时访问。
- 多样性和可变性:物联网往往涉及不同类型的数据从不同的传感器,如温度读数从你家的恒温器或化工厂的蒸汽管道,近距离阅读你的车的自动制动器系统压力读数指标或半导体工艺设备,从运动检测器或光学遥感数据激光雷达(即。,3D laser sensing), and so on. IoT also tends to involve multiple data sources, such as360度的相机系统。此外,物联网数据包含空间和时间信息。例如,水库的水质样本收集的数据包括采样时间和确切位置(即。纬度和经度)。
- 真实性:许多因素可能影响物联网数据质量。例子包括物联网设备和应用程序部署在全球范围内(像特斯拉汽车);缺乏计算、存储和电力资源;断断续续的连接,和传感器故障。所有这些因素可能导致各种物联网数据错误,比如数据数据偏离预期值常数抵消或漂移误差,没有阅读,或固定阅读由于堵塞传感器或传感器崩溃,正确的数据和错误的时机,等等。
- 可视化:大规模物联网应用程序使用大量的传感器,导致大量的收集数据。数据可视化的信息意味着什么给我们一个清晰的概念通过地图和图表显示它的视觉环境。例如,可视化支持物联网的监控设备和基础设施更好的性能在物联网数据流。
- 值:数据分析可以获得大量的价值物联网数据——从原料到有用的信息。
数据分析
根据丹尼尔•哈里斯”,而新的传感器、移动和无线技术正推动物联网的发展,物联网的真正的商业价值在于大数据分析而不是硬件新奇事物。”换句话说,从物联网设备生成的数据只是价值的如果它实际上被分析,数据分析。
数据分析是指检查数据集的过程对它们所包含的信息得出结论。不同类型的数据分析有利于物联网投资:
- 流媒体分析:Primex AcuRite部门让互联网连接气象站的几个模型用大量的传感器,包括降雨、风速和风向、温度、湿度、气压、甚至闪电。这些传感器数据上传到云计算派生值如露点,风寒,炎热指数,雨率和平均风速流之前这些更新到用户的网络和移动设备。2017年,Primex部署一个新的流分析工具- SQLstream火焰在Amazon Web服务导致更好的性能大大降低成本。
- 空间和时间序列分析:缺乏自由的停车位是一个大城市的交通堵塞的主要原因。“据估计,大约30%的汽车绕一个城市在任何给定的时间这样做是司机寻找停车。”创新的智能停车技术结合物联网连接可以帮助解决这个问题。安装物联网传感器确定空的停车位。然后,空的停车位的数据传输通过无线连接到云服务器。所有停车场的数据收集和分析实时生成的地图可用空间提供给司机寻找空间。
- 预测分析:在工厂环境中,停机时间可以是昂贵的,和机器的失败可以是昂贵的,甚至危险的工人。物联网传感器在工业机器人可以跟踪变量,如振动、温度、和机器时间,和饲料数据预测分析平台。然后,数据分析预测当一个特定的机器需要维护,这样工厂管理者可以捕获设备之前失败——减少停机的风险或更昂贵的维修。
- 规范的分析:Upsolver描述规范的分析建议的行动基于预测的结果或诊断关于如何优化或修复:
- 这台机器是80%的可能会失败在未来12小时内。我该如何预防呢?
- 这台机器是创建太多的有缺陷的组件。我怎样才能避免这种情况呢?
- 这个设计是导致太多的制造问题。我该怎样才能提高呢?
- 人工智能(AI):自主驾驶是一个很好的例子,AI和物联网如何协同工作。自主车辆装载传感器需要收集大量的数据不断对他们的环境。这个数据智能处理见解使用人工智能模型,使汽车的导航系统实时谈判环境和选择最优路径。
正确使用数据分析将帮助联邦机构和企业数据数据过剩的荣耀。在2021年。艾未未的彼得·桑德迦提醒我们,“信息是21世纪的石油,和分析是内燃机。”
斜接工作了十多年来展示大量的信息,结合复杂的分析,可以为我们的赞助商提供强大的决策工具。例如,我们使用从遥感卫星数据,如水质数据,温度,和细菌帮助研究人员大大提高监测的切萨皮克湾海岸线。此外,斜接的数据和以人为本的解决方案实验室应用和扩展艺术的状态信息管理、分析、行为科学等,与赞助商合作,将信息转化为价值。
羌族林是一个斜方和兼职教师信息系统工程师在乔治梅森大学电子与计算机工程系。他之前在德勤工作,上汽,西弗吉尼亚大学计算机工程博士学位。
©2021斜方manbetx客户端首页公司。保留所有权利。批准的公开发布。无限的分布。箱号21 - 0965
横切为导向的团队致力于解决问题的一个更安全的世界。了解更多关于斜方。
参见: