工业物联网领域进步有哪些趋势？
事实证明，二零一九年是物联网技术取得更大进步的一年，特别是在商业和工业物联网领域。为了展望未来的发展，我们需要了解从计算规模到实际边缘计算的价值，从闭环边缘到云计算机学习，以促进该领域的进步。
1.工业物联网分析和机器学习公司需要在计算小时内的表现
随着工业物联网项目逐渐远离以云计算为中心的方法，人工智能BYW51G-200和工业物联网的下一步演变将满足将算法转化为边缘计算的需要，占用的空间更小。
据调研机构Gartner该公司表示，未来四年，75%的公司生成的数据将处于边缘(与云计算相比)，比今天高出10%。边缘计算的转移不仅取决于数据的显著增加，还取决于更高的保真度分析、更低的延迟要求、安全问题和巨大的成本优势。
虽然云是存储数据和培训机器学习模型的好地方，但它不能提供高保真度的实时数据分析。相比之下，边缘计算技术可以分析所有原始数据，提供最高的保真度分析，增加异常检测的可能性，实现即时响应。成功的测试将在尽可能小的范围内实现“能力”或计算能力的数量。
2.了解“真实”与“虚假”边缘解决方案
有些市场不再像所有流行的新技术那样使用它们“边缘计算”工业物联网部署没有明确的界限。“虚假”边缘解决方案声称数据可以在边缘处理，但它确实依赖于将数据发送回云进行批处理或小批处理。
在理解边缘计算的内容时，“虚假”边缘计算被认为是无复杂事件处理器(CEP)伪造数据意味着更高的延迟，数据仍然很高“脏”使分析更加不准确，机器学习(ML)严重影响模型。
“真实”计算超高效复杂事件处理器边缘(CEP)从复杂事件处理器开始(CEP)清理、标准化、过滤、场景或原始工业数据。“真实”边缘解决方案包括集成机器学习和人工智能功能，所有这些功能都嵌入到最小（和最大）的计算足迹中。
复杂事件处理器(CEP)该功能应在工业边缘实时分析和操作技术(OT)人员快速补救提供优化的用户体验。它还为最佳机器学习/人工智能性能准备数据，并生成最高质量的预测，以提高资产绩效和流程。
真正的边缘计算可以节省大量的成本，提高效率和数据洞察力，实现工业组织的真正数字化转型。
3.机器学习/人工智能模型变得非常脆弱
将机器学习(ML)移动到边缘不仅仅是改变处理位置的问题。目前使用的机器学习大多是机器学习(ML)该模型基于云计算能力、运行时间和计算假设。由于这些假设不在边缘，机器学习(ML)模型必须适应新环境。
换句话说，他们需要“边缘化”。在2019年，“真正”机器学习的边缘解决方案将使数据预处理和后处理(ML)将模型重新定位为复杂的事件处理器，减少80%，使模型更接近数据源。这个过程被称为边缘化，它将促进更强大的边缘计算和工业物联网应用。
4.从闭环边缘到云计算机学习将成为真正的操作解决方案
机器学习(ML)成为人工智能算法“边缘化”这些模型的最佳训练和进一步迭代可用于传感器附近或物联网网关或其他工业计算选项。
工业组织会发现，在实时流数据（包括音频和视频）上产生分析结果的边缘设备应定期向云发送洞察信息，但只有代表异常活动的设备才能确保核心算法的转换。
这些边缘洞察力增强了模型，显著提高了其预测能力。然后，调整后的模型被推回到恒定的闭环中，快速响应不断变化的条件和规范，从而产生更高质量的预测洞察力，提高资产性能和流程。
5.生产工业物联网应用将实施边缘计算解决方案，只支持多云和混合云部署
混合云和多云解决方案将主导工业物联网的部署。最近的一项调查发现，到2023年，混合云市场将达到97.64亿$。边缘解决方案与云计算无关，因为工业组织希望结合多云环境提供更具成本效益的方法和灵活性。
由于企业在构建边缘到云计算环境时寻求更大的灵活性和自由选择，供应商独特的解决方案可能会失败。Google，AWS，Microsoft，C3IoT，Uptake与其他领先的云计算提供商建立更多的合作伙伴关系，以帮助企业不断改进和扩大产品。
6.物联网视频和音频传感器的快速发展促进了边缘深度学习的需要
该行业非常关注音频和视频传感器给工业物联网带来的功能。边缘计算技术在进一步部署商业和工业物联网系统中的音视频数据方面发挥着重要作用。
资产数据、音视频分析的集成将使设备和机器的维护更快、更准确，以及一系列新的创新应用。视频分析的一个例子是远程跟踪石油和天然气生产设备中大量火炬塔的环境合规性和火炬状态。
7.预防性维护位于标准维护中
工业物联网边缘解决方案的主要承诺之一是预测性维护，它可以深入了解未来可能的连接资产（如制造设备或石油钻井平台）。尽管许多组织仍落后于预测维护，但2019年将为早期用户提供更先进的技术。
标准化维护是企业前进的一步。它不仅可以预测问题，还可以利用数据分析为其运行和维护提供建议。
例如，电梯制造商想要了解传统问题，比如电梯门的摩擦。作为这项工作的一部分，他们和他们一起工作。Foghorn公司合作创建预测维护解决方案。通过对源传感器数据的分析，可以提前确定与建筑物外部传输大量数据相关的维护需求，而不考虑成本、延迟和安全。因此，服务可以在异常影响性能之前有效安排。
当规定的维护可用时，制造商将使用数据找到最可能的维护区域，并向维护人员核实专业知识、工具和部件。
