三種類型的物聯網平臺分析
企業依靠其物聯網平臺提供許多服務。其中最重要的是分析。通俗地說，物聯網分析是一門科學和藝術，它試圖在連線資產生成的海量資料中找到模式。MachNation的物聯網平臺測試實驗室給出更詳盡地定義，分析是平臺管理員或操作員監控趨勢，識別異常並從攝取的物聯網資料中獲取業務洞察的能力。
作為識別最佳物聯網分析平臺的第一步，企業應該部署各種平臺分析服務。特別是，應該為實時流媒體和儲存/歷史資料配置一個平臺上的分析服務; 為實時流媒體外部分析服務整合配置平臺; 然後將平臺上的資料匯出到外部分析服務。這些配置測試將幫助企業確定物聯網平臺供應商是否在其平臺中設計了特殊或缺乏管理工具和可用性。
企業測試分析配置流程後，還應評估三種類型的分析功能。讓我們來看看這三種類型的物聯網分析，以及企業如何識別提供同類分析微服務的平臺。
1. 描述性分析
描述性分析是最基本的分析洞察形式，它允許使用者描述和聚合傳入的物聯網資料。描述性分析 - 即使是像均值和標準差這樣簡單的計算 - 也可以用來快速理解收集到的資料。在連線的工廠用例中，描述分析可能用於回答“在30分鐘的時間段內平均泵溫度、流速和RPM是多少?”這種問題。
在物聯網平臺上識別最佳描述性分析功能時，企業應該評估：
- 平臺上的描述性分析功能： 平臺執行描述性分析查詢的能力，例如聚合或計算跨感測器、裝置或裝置組的攝取資料點的基本統計資料，以及視覺化地顯示結果。
- 平臺數據湖/大資料儲存能力： 平臺對大量攝入的物聯網資料進行儲存和查詢的能力，包括基於表的大於1000萬行資料儲存或大於5000萬條記錄的非結構化資料儲存。
2. 預測分析
預測分析旨在通過分析歷史資料來模擬未來的資料和行為。迴歸分析(如線性迴歸)是預測分析的一個示例。在相同的使用案例中，可以使用預測分析來回答這樣一個問題：“泵的估計故障時間是多少，證明測量溫度增加了20%?”
在物聯網平臺上識別最佳預測分析功能時，企業應該評估：
- 平臺預測分析模型構建： 平臺自動或通過程式設計介面生成底層平臺攝取物聯網資料的預測模型的能力。線性或多項式迴歸等模型是典型的，儘管在複雜平臺中可以使用更復雜的建模。
- 平臺預測分析模型操作： 利用平臺生成或平臺整合的資料模型(如R或Python)對資料進行分類或識別異常值的能力。使用者應該強調管理模型的能力，例如模型版本控制和更新，以及在複雜事件處理(CEP)框架中整合預測模型的能力。
3. 規範分析
規範分析是幫助企業優化未來的方向。影象處理、機器學習和自然語言處理是用於完成規範分析的一些技術。可以使用規範性分析來回答這樣的問題：“為了最大限度地延長泵的正常執行時間並最大限度地縮短維修間隔，在必須安排預防性泵維修之前，泵的最大允許溫度升高是多少?”
在物聯網平臺上識別最佳的規範分析功能時，企業應該評估：
- 平臺上的規範分析模型功能： 平臺利用平臺生成或平臺整合的資料模型(如R或Python)來優化業務成果或相關KPI的能力。規範模型應最大化或最小化與業務相關的KPI，例如路線規劃中的交付時間或預測性維護的裝置正常執行時間。
分析通過更好地理解資料，幫助企業創造商業價值。雖然沒有完美的物聯網平臺，但有些平臺採用了比其他平臺更高質量的物聯網分析微服務。精明的企業將測試物聯網平臺的描述性，預測性和規範性分析功能，以及平臺與第三方分析解決方案整合的能力。他們還將全面測試他們使用平臺工具配置平臺分析服務和將資料匯出到外部系統的能力。