公司需要构建一个开放的物联网架构，该架构采用整体的数据和分析方法，使他们能够查看整个生产站点的完整概览。
IoT 仪表板示例（来源：Splunk）
“您需要将来自不同来源的数据集成到一个整体数据平台中。您还需要一个开放且不可知的数据管道，将您的数据从设备转发到您的平台，”总部位于德国的System Vertrieb Alexander (SVA) 的物联网架构师 Philipp Redlinger 说。“管道需要能够以不同格式集成来自各种来源的数据。因此，它必须是不可知的管道，您也可以为其他协议扩展。并且该平台必须在摄取和输出方面对双方开放。它必须能够通过桌面和移动客户端与最终用户共享数据和见解。当然，它需要能够通过结构清晰的 API 连接到其他系统。”
“为了实现互操作性和数据驱动的应用程序和端到端场景，这种数据管道与开放平台相结合至关重要，”他强调说。
Redlinger 和他的 SVA 同事、物联网工程师 Patrick Nieto Castro 在上周由Splunk组织的.conf21活动中的“从传感器到云”会议期间是共同主持人。
Redlinger 补充说，物联网架构的数据管道不应该只是作为“一个简单的数据漏斗，它可以简单地摄取所有数据”。
“它应该能够执行数据处理，例如转换和过滤数据，以便在早期提高数据质量。通过将原始数据转化为为您的分析应用程序优化准备的数据，您将使他们能够为您的业务案例提供高价值的见解。”
筒仓问题的后果
Gartner 估计，到今年年底，将有 250 亿台联网设备。早就在其运营的各个领域部署设备的公司现在正在将它们连接到 IIoT 网络，希望挖掘这些设备中的数据以获得业务洞察力，以提供新的数字服务。
根据 Redlinger 的说法，组织内部现在存在的孤立系统和分散的解决方案造成了一个孤岛问题，使他们无法了解整体情况，
“由于这些零散的解决方案，存在很多效率低下的问题，最终由系统供应商决定如何处理您的数据。您对自己的数据没有主权。因此，很难将来源的数据关联起来，并且您无法对多个工作站进行根本原因分析，并且您缺少全局视角。”
Redlinger 指出，收集物联网数据进行分析的挑战在效率低下、中断和浪费方面会产生实际后果。“它们不仅仅是由于您无法实施的复杂用例而错失机会的理论问题。而且还有真钱基本上每分钟都在以无数种方式在流失。”
他引用了最近的一项调查，指出每个工作班次的人为了寻找正确的数据而浪费了 30 分钟到 2 个小时的时间。从积极的一面来看，美国的一家公用事业公司在消除遗留信息孤岛并将它们整合到一个整体信息平台后，每年能够将停电分钟数减少 43.5%，并减少 4000 万美元的成本。
构建物联网架构之前的一些基本规则
Redlinger 敦促公司对技术保持现实态度，并指出架构通常只是为了花哨的技术而构建的。
“尽量避免这种情况。使您的战略和业务案例始终与您的架构保持一致，”他说。“从 MVP 方法开始——从最小可行的产品开始。保持它的灵活性和可扩展性，以便您以后可以在此基础上进行构建。”
他还建议公司接受他们的要求会随着项目的进展而改变。“即使您尝试预先获得完美的信息，您的需求估计每月也会发生 1% 的变化。这是一个经验法则。所以即使一开始你什么都知道，但是做这个项目一个月后，你的要求已经不一样了，所以你需要不断地重新调整。”
他强调，没有灵丹妙药，因此要建立在开放标准上并考虑混合方案。“并保持管道的单个部分可更换，以便您以后可以进行调整。”Redlinger 说，不用说，不要在安全性上妥协。“如今有许多强大的机制，例如网络分段、强大的身份验证机制、加密和分析驱动的安全性——这在 Splunk 中是一个强大的机制。”
连接到云
根据 Redlinger 的说法，设计 IoT 数据管道的快速入门方案是与 Splunk Cloud 的直接集成。这些可以通过多种方式完成，如下所示：
他列举了作为构建块的不同组件和协议：当 Wi-Fi 和 LTE 不是一种选择时，用于连接的 LP-WAN；边缘硬件，通常是物联网网关，但可以是任何可扩展的边缘即服务平台；以及需要由中间件转换的各种遗留和专有机器协议，中间件运行在边缘硬件或云或数据中心。
他还列出了开放物联网架构的新协议。“OPC UA 是一线希望，因为它是第一个被广泛接受的机器互操作性开放标准，得到大多数现代工业设备和软件的支持。所以，让你的架构尽可能兼容 OPC UA。
“在后端，我们有 MQTT 协议，它是开放且轻量级的 Pub/Sub-Messaging 协议。它在连接设备数量较多或网络覆盖不均匀的场景中非常有用——即联网汽车。
“然后我们有了 Apache Kafka，这是一个完全成熟的分布式流媒体平台。如果您需要一个用于各种应用程序和后端系统的中央数据中心，并且如果您想对流数据执行繁重的工作负载，这将非常有用。”
与此同时，SVA 物联网工程师 Patrick Nieto Castro 认为，构建物联网数据管道的第一步是连接所有实际设备。
“您必须选择合适的传感器来测量您感兴趣的物理数据。并且已经考虑用尽边缘计算的任何可能性，”他说。卡斯特罗建议公司应确保在发送数据之前尽早清理数据并准备好数据。“相信我，如果在将数据交给他们之前过滤掉任何空值、任何非数字值或任何蹩脚数据，你可能与之合作的任何数据科学家肯定会感激不尽。”
Castro 分享了一个真实的用例，其中 SVA 致力于为一家在德国运营电动汽车充电站的公司创建物联网数据管道。
“对于最终的架构，我将尝试在架构构建块中添加一些名称。我们在每个生产基地使用 Insys Microelectronics 的网关，Insys Microelectronics 是我们的连接和边缘计算合作伙伴之一。HiveMQ，企业 MQTT 代理作为可靠且可扩展的数据转盘。此外，我和我的同事开发了我们自己的扩展，用于将遥测数据从 HiveMQ MQTT 代理发送到连接和分析传感器数据的 Splunk Cloud。”
在每个电动汽车充电站的现场，卡斯特罗都一瞥了实际构建物联网数据管道所需的条件。
“我们必须将电流和电压转换为 https。首先，我们将电力消费者连接到电源继电器，这是通过电线完成的。由于高电压，这是一个有趣的步骤。接下来，我们将功率继电器连接到功率计，该传感器可有效地将电流和电压转换为测量值。你们都知道这种类型的设备，因为它是由当地的电力供应商用来收取您家中的电费的。
“现在我们通过我们的合作伙伴之一将功率计连接到能源网关。Insys Microelectronics 是能源供应市场的市场领导者之一。它们使将功率计的数据编码为串行信号成为可能。我们将中央网关连接到 HiveMQ，HiveMQ 是一个企业 MQTT 代理，可将数字信号转换为遥测加密数据。中央网关具有互联网连接，并使用我们自己的扩展程序通过 MQTT 发送遥测数据，以将遥测数据发送到 Splunk Cloud。”
数据和分析整体方法的好处
Redlinger 表示，一旦公司的 IIoT 用例足够成熟并且对其分析算法有了很好的了解，那么您就可以立即开始在其边缘设备上部署它们的简化版本。
“您的计算能力有限，可能足以运行更简单的算法，然后您可以从生成数据的一开始就开始生成洞察力。你可以有一个非常紧密的反馈循环。因此，如果您的一种算法检测到您的生产系统中存在错误，它可以停止生产并通知车间操作人员以修复错误。对此，您的反应时间非常快，而且您还可以通过这种方式在边缘使用大量预处理，”Redlinger 说。
Redlinger 解释了为什么 Splunk 是构建物联网数据管道的理想选择：“Splunk 具有非常强大的自助分析功能。普通用户很容易学习如何运营社区、如何构建仪表板、如何探索数据。通过对仪表板进行分层细分，您可以构建应用程序和仪表板，用于管理报告，直至为商店合作者提供概览的操作级别。
“而且你有机器学习能力：你有机器学习工具包，深度学习工具包。您可以为自定义应用程序集成自定义代码，因此您可以获得所需的所有数据驱动分析功能。而且在云端，启动起来又快又容易。您的资本支出很低——一项前期投资，但您可以非常快速地开始您的旅程——看到它已被证明具有价值，然后在必要时迅速扩大和缩小规模。
“而且这也很容易，因为数据已经在云中全球可用，可以与其他方和其他系统共享以创建第三方服务。与此同时，Castro 发现了在 IIoT 部署中采用整体数据和分析方法的好处。“数字双胞胎通过提高日常行为的透明度来以前所未有的方式加速您的业务。无需派遣技术人员读取测量值，而是持续监控设备性能和状况。
“我们拥有 AIOps 的优势，可以训练模型寻找最能解释数据的特征组合。我们有预测性维护。您可以预测异常、机械状况，从而有效减少意外停机时间并提高整体性能。”
版权说明：
11月20日 
3984 浏览
当前位置：
