IoT so với IoT công nghiệp: Sự khác biệt là gì?
Internet of Things (IoT) là một mạng lưới các đối tượng hoặc thiết bị được kết nối với Internet, thường thông qua các cảm biến và có thể liên hệ với nhau và dữ liệu mà chúng tạo ra. Những “thứ” được kết nối này — sắp xếp từ điện thoại thông minh và ô tô đến tủ lạnh, máy điều nhiệt và gương — đang dần đi vào mọi khía cạnh của cuộc sống của chúng ta. Với 41,6 tỷ thiết bị được kết nối dự kiến vào năm 2025, tính lâu dài của 1 IoT sẽ chỉ tăng lên.
Industrial IoT (IIoT) hoặc “ Công nghiệp 4.0 ” đề cập đến sự kết hợp của công nghệ IoT và dữ liệu với sản xuất và các quy trình công nghiệp khác, thường với mục tiêu tăng cường tự động hóa, hiệu quả và năng suất. Đây là nơi IoT được ứng dụng vào thực tế ở các ngành khác nhau, chẳng hạn như:
- Thiết bị nhà xưởng, máy móc và thiết bị dùng trong sản xuất
- Thiết bị theo dõi sức khỏe trong chăm sóc sức khỏe
- Hệ thống cảm biến và kiểm soát giám sát và thu thập dữ liệu (SCADA) trong sản xuất dầu khí
- Dữ liệu đo từ xa từ xe tự hành
IIoT giúp các tổ chức tận dụng sức mạnh của dữ liệu mà máy của họ đã tạo ra trong nhiều năm và sử dụng dữ liệu đó để phân tích thời gian thực nhằm thúc đẩy các quyết định kinh doanh nhanh hơn, chính xác hơn.
Các trường hợp sử dụng IoT phổ biến và IoT công nghiệp
Các trường hợp sử dụng IIoT trong sản xuất bao gồm tự động hóa nhà máy để đạt hiệu quả hoạt động; theo dõi vị trí để định vị công cụ, bộ phận và hàng tồn kho; và bảo trì dự đoán để tối đa hóa thời gian hoạt động và khả năng chịu đựng thảm họa.
Các trường hợp sử dụng IoT trong bán lẻ mở rộng sang cả trải nghiệm trực tuyến và ngoại tuyến, bao gồm quản lý ưu đãi theo thời gian thực dựa trên nội dung, thời điểm và địa điểm khách hàng mua; cải thiện phân tích hành vi; kệ thông minh chủ động cảnh báo khi đồ sắp hết hoặc không đúng chỗ; và hệ thống thanh toán tự động.
Các trường hợp sử dụng IoT trong chăm sóc sức khỏe bao gồm sử dụng dữ liệu từ các thiết bị y tế để đưa vào quy trình nghiên cứu lâm sàng và nghiên cứu hiệu quả điều trị để cải thiện kết quả của bệnh nhân; hoặc để theo dõi công suất phòng / giường và sự gần gũi của nhân viên để nâng cao trải nghiệm bệnh viện và tăng cường cung cấp dịch vụ chăm sóc.
Tại sao quản lý dữ liệu IoT lại quan trọng?
Khi khách hàng bắt đầu hành trình giải quyết các trường hợp sử dụng IoT và IIoT, rào cản đầu tiên mà họ phải đối mặt là làm thế nào để truy xuất dữ liệu từ các hệ thống IoT và cung cấp dữ liệu đó cho các hệ thống phân tích và để ra quyết định.
Khả năng nhập dữ liệu từ các hệ thống IoT vào hồ dữ liệu hoặc vào các hệ thống nhắn tin như Apache Kafka là bước đầu tiên quan trọng. Trong hầu hết các tình huống, các tổ chức cũng muốn làm giàu và làm sạch dữ liệu để đảm bảo rằng dữ liệu xấu không lọt vào hồ và các nhà phân tích đã làm giàu dữ liệu cho phân tích của họ.
Trong một số trường hợp, khách hàng muốn vận hành các hành động trong thời gian thực trên các thiết bị hỗ trợ IoT. Ví dụ: họ có thể muốn tự động dừng máy sơn nếu điều kiện nhà xưởng quá ấm để sơn có độ bám dính tối ưu — một tình huống có thể gây ra các vấn đề lớn về chất lượng và bảo hành nếu không được khắc phục trong quá trình sản xuất.
5 khả năng phải có để quản lý dữ liệu IoT
Quản lý dữ liệu từ các thiết bị IoT là một khía cạnh quan trọng của hành trình phân tích thời gian thực. Để đảm bảo giải pháp quản lý dữ liệu của bạn có thể xử lý các nhu cầu về dữ liệu IoT, hãy tìm năm khả năng chính sau:
- Khả năng kết nối đa năng và khả năng xử lý nhiều loại dữ liệu: Các hệ thống IoT có nhiều tiêu chuẩn khác nhau và dữ liệu IoT tuân theo nhiều loại giao thức (MQTT, OPC, AMQP, v.v.). Ngoài ra, hầu hết dữ liệu IoT tồn tại ở định dạng bán cấu trúc hoặc phi cấu trúc . Do đó, hệ thống quản lý dữ liệu của bạn phải có khả năng kết nối với tất cả các hệ thống đó và tuân thủ các giao thức khác nhau để bạn có thể nhập dữ liệu từ các hệ thống đó. Điều quan trọng không kém là giải pháp hỗ trợ cả dữ liệu có cấu trúc và không có cấu trúc.
- Xử lý cạnh và làm giàu: Một giải pháp quản lý dữ liệu tốt sẽ có thể lọc ra các bản ghi sai sót đến từ các hệ thống IoT — chẳng hạn như các kết quả đọc nhiệt độ âm — trước khi nhập nó vào hồ dữ liệu. Nó cũng có thể làm phong phú dữ liệu bằng Meta Data (chẳng hạn như dấu thời gian hoặc văn bản tĩnh) để hỗ trợ phân tích tốt hơn.
- Xử lý dữ liệu lớn và học máy: Vì dữ liệu IoT có khối lượng rất lớn nên việc thực hiện phân tích thời gian thực đòi hỏi khả năng chạy các phần bổ sung và nhập ở độ trễ dưới giây để dữ liệu sẵn sàng được sử dụng trong thời gian thực. Ngoài ra, nhiều khách hàng muốn vận hành các mô hình ML như phát hiện bất thường trong thời gian thực để họ có thể thực hiện các bước phòng ngừa trước khi quá muộn.
- Địa chỉ dữ liệu trôi dạt: Dữ liệu đến từ các hệ thống IoT có thể thay đổi theo thời gian do các sự kiện như nâng cấp chương trình cơ sở. Đây được gọi là độ lệch dữ liệu hoặc độ lệch giản đồ. Điều quan trọng là giải pháp quản lý dữ liệu của bạn có thể tự động giải quyết việc trôi dạt dữ liệu mà không làm gián đoạn quá trình quản lý dữ liệu.
- Giám sát và cảnh báo theo thời gian thực: Quá trình nhập và xử lý dữ liệu IoT không bao giờ dừng lại. Do đó, giải pháp quản lý dữ liệu của bạn nên cung cấp khả năng giám sát thời gian thực với hình ảnh hóa luồng để hiển thị trạng thái của quy trình bất kỳ lúc nào liên quan đến hiệu suất và thông lượng. Giải pháp quản lý dữ liệu cũng nên cung cấp cảnh báo trong trường hợp có bất kỳ vấn đề nào phát sinh trong quá trình này.
Machine Learning và IoT: Người thay đổi cuộc chơi?
Học máy (ML) cố gắng giảm thiểu sự can thiệp của con người vào các tác vụ có thể tự động hóa — và nó hoàn toàn có thể áp dụng cho IoT. Machine Learning mở ra nhiều cơ hội để tự động hóa và tối ưu hóa thế giới IoT.
Sử dụng các thuật toán học máy, các tổ chức có thể sử dụng dữ liệu IoT để khám phá các mẫu và xây dựng các mô hình, sau đó có thể được tính điểm trong thời gian thực trên dữ liệu IoT để vận hành các mô hình.
Các trường hợp sử dụng phổ biến với thuật toán ML trong IoT là:
- Dự đoán lưu lượng thông minh bằng kỹ thuật phân loại, phát hiện bất thường và phân nhóm.
- Dự đoán sử dụng năng lượng bằng cây hồi quy tuyến tính, phân loại và hồi quy.
- Dự đoán an toàn thực phẩm bằng thuật toán Naive Bayes.
- Thành phố thông minh và các sáng kiến công dân thông minh với thuật toán phân cụm K-means
Quản lý dữ liệu IoT: Chiến lược và giải pháp
May mắn thay, các chiến lược Quản lý dữ liệu IoT tồn tại từ các công nghệ và phương pháp trong quá khứ. Christy Pettey từ Gartner trích dẫn đã nói, “Nhiều công cụ và công nghệ cơ sở hạ tầng Quản lý dữ liệu tương tự được áp dụng cho các trường hợp sử dụng truyền thống hơn có thể được tận dụng theo một số cách để hỗ trợ IoT.” Ví dụ, hãy xem xét:
- Edge Computing : Trong tính toán biên, dữ liệu được xử lý gần nguồn dữ liệu hoặc ở rìa mạng, trong khi trong môi trường cloud điển hình, việc xử lý dữ liệu diễn ra ở vị trí lưu trữ dữ liệu tập trung. Bằng cách xử lý và sử dụng cục bộ một số dữ liệu, IoT tiết kiệm không gian lưu trữ cho dữ liệu, xử lý thông tin nhanh hơn và đáp ứng các thách thức về bảo mật.
Nếu tủ lạnh cần giảm nhiệt độ theo yêu cầu của chủ sở hữu, điều này có thể được thực hiện trên mạng gia đình hoặc thậm chí chỉ bằng chính thiết bị. Thông tin về sự cố máy điều nhiệt hoặc cách khắc phục cần thiết có thể được lưu trữ cục bộ và được đưa ra môi trường cloud của nhà sản xuất hoặc nhà cung cấp để phân tích thêm. Khi các nhà phát triển có bản vá cho vấn đề, nó có thể được đóng gói và gửi qua cloud và được thiết bị mở cục bộ, điều này sẽ xử lý hầu hết các bản cập nhật mã và xử lý chuyên sâu, có lẽ thông qua mộtmicroservice.
Trong khi đó, vì chỉ một lượng dữ liệu cần thiết được truyền từ bên ngoài nhà đến nhà cung cấp hoặc nhà sản xuất, thông tin cá nhân trái phép ít có khả năng bị chia sẻ hơn.
- Quản trị dữ liệu: Quản trị dữ liệu giảm thiểu rủi ro bảo mật bằng cách xác định quyền truy cập thông tin.Quản trị dữ liệumô tả quyền hạn và quyền kiểm soát đối với việc quản lý tài sản dữ liệu. Trước đây, Quản trị dữ liệu đã mô tả một dịch vụ tập trung vào CNTT. Trong thế giới IoT, Quản trị dữ liệu trở nên thiết yếu hơn đối với mọi người dùng.
Một tổ chức thông thường không có bộ phận CNTT, vì vậy Quản trị dữ liệu trở thành trách nhiệm của người tiêu dùng điển hình. Giáo dục người tiêu dùng về cách quản lý dữ liệu cá nhân một cách hiệu quả sẽ trở thành điều tối quan trọng.
Bất kỳ ai và bất kỳ điều gì cần đưa ra quyết định về việc cài đặt hoặc sử dụng thiết bị đều cần thông tin chất lượng cao có thể được sử dụng. Mệnh lệnh Quản trị dữ liệu bổ sung này là chìa khóa để Quản trị dữ liệu 2.0. Với IoT, Quản trị dữ liệu sẽ cần phải trở thành một thuật ngữ phổ biến trong gia đình.
- Quản lý Meta Data : Để dữ liệu IoT trở nên hữu ích, Meta Data đóng một vai trò thiết yếu. Meta Data mô tả “dữ liệu trong ngữ cảnh, ”Donna Burbank nói. Meta Data tốt báo hiệu một thiết bị biết thông tin nào cần sử dụng vào thời điểm nào và cách sử dụng thông tin đó.
Meta Data cũng cung cấp cốt lõi để các hệ thống tự động thực hiện học sâu. Trong trường hợp xe tự động, Meta Data cung cấp ngữ cảnh chuyến đi, giúp lái xe an toàn hơn, có thể góp phần cứu mạng người đi bộ.
Thor Olavsrud tại CIO, Emily Williams đã diễn giải rằng “việc trích xuất thông tin chi tiết có ý nghĩa và tăng hiệu quả hoạt động sẽ yêu cầu các công cụ linh hoạt, tích hợp cho phép người dùng nhanh chóng nhập, chuẩn bị, phân tích và quản lý dữ liệu.” Quản lý Meta Data sẽ rất cần thiết trong việc này.
Gartner dự đoán rằng giải pháp Quản lý Meta Data sẽ phát triển khi các doanh nghiệp liên tục quản lý dữ liệu được tạo ra bởi các loại cảm biến, chức năng, vị trí, nhà sản xuất và số sê-ri.
