· 主题 ·

连接性,智能软件和机器学习

物联网的工作可能很复杂,但是将其分解为零散的项目会使这些工作变得更加简单。
乍得·杰克逊 乍得·杰克逊

如今,物联网(IoT)的景观充斥着令人振奋的新技术,这些技术可以赋予神奇的产品功能。收集和分析正确的数据可以产生洞察力,这些洞察力可以帮助公司转型。建立正确的智能和自动化可以改变行业。愿景宏伟。但是,当今大多数公司都在努力解决一个简短的问题:我们如何到达那里?

大多数人都知道基本的技术步骤。您必须收集数据。您必须分析数据。您必须对数据采取行动。所有这些都足够容易理解-高层次。但是,深入研究细节并不是那么容易。实际上,大多数公司并不是从这里到那里都遵循一条直线。有很多曲折,很多错误和很多学习。

收集数据通常是IoT计划中最简单但最技术性的方面之一。您可以使用大量传感器来对产品进行检测。您可以将这些读数流式传输到云中的某个位置。同样,采取行动也很简单。一旦您在传感器读数和某些事件之间建立了关联,无论是灾难性的还是奇妙的,大多数人都知道接下来需要做什么:避免或重复它。但是数据分析位?好吧,这可能非常困难。这是我们要在大海捞针中寻找针头的地方。您如何处理?

在与制造商合作的过程中,我已经看到成功的公司采用两种方法之一来分析数据。两种方法都有一个共同的特点:控制范围和重点。也许您可能不知道,对大数据不知所措可能是项目杀手。因此,让我们依次查看一下每种策略,以了解如何控制一切。

在R中沸腾海洋&D

我见过的第一个成功方法在某些方面雄心勃勃,而在其他方面则专注。在这里,公司广泛地对产品或原型进行检测。但是,他们不会在生产环境中执行此操作-至少在一开始没有这样做。他们将这种仪器化的产品推向了发展的步伐,就像在测试中制作原型一样。他们将其暴露于各种情况下并收集一切。

一旦他们拥有一定数量的数据,他们就不会尝试自己分析数据。坦白说,太多了​​。他们使机器学习软件变得松懈。他们可能会向他们提供关于他们认为是潜在相关性的最初假设。但总的来说,他们正在寻找能够带来关键发现的软件。

采用这种模式的公司正在寻求学习。他们处于发现之中,他们知道这一点。他们开始了这种努力,但将其保留在R中&D部门。他们并不想破坏当前的开发项目。此类项目的发现将应用于可能尚未开始的未来项目。但是,这种努力的许多发现可能会对整个公司产生广泛的影响。这里潜力巨大。

证明或反驳假设

寻求实现非常具体的目标的组织形式是另一种方法。他们有一个特定的事件,并且希望对其进行预测,并具有与之相关的某种关键业务影响。此外,在这种情况下,有一个技术团队对什么传感器测量值可以与该事件相关具有一些想法。总体而言,这些组织并没有广泛的学习目标。他们正在寻找证明或反驳假设。

在这种情况下,使用的仪器非常有限。他们只是希望捕获可让他们验证或不验证想法的数据。因此,数据量有限,并且数据分析更加简单。

根据开发项目的复杂程度,可以相对迅速地应用从这些努力中得出的发现。而且,它们可以为公司快速提供价值。然而,它们的价值高度依赖于单一假设。

外卖

公司没有理由不能同时从事这两种项目。第一个甚至可以馈入第二个。实际上,一家公司可能会运行每种类型的多个项目。但是在两种情况下,范围都是定义和控制的。

物联网的工作可能非常复杂,但是将其分解为零散的项目会使这些工作变得更加简单。

乍得·杰克逊是Lifecycle Insights总裁(lifecycleinsights.com)。发送有关此评论的电子邮件至 [电子邮件 protected].

分享这篇文章

订阅我们的免费杂志, 免费的电子邮件通讯或两者兼而有之!

加入超过90,000名工程专业人员的行列,他们将在新闻发布后立即获得最新的工程新闻。


关于作者

乍得·杰克逊的头像
乍得·杰克逊

乍得·杰克逊是Lifecycle Insights总裁(http://www.lifecycleinsights.com)。发送有关此评论的电子邮件至 (必须启用JavaScript才能查看此电子邮件地址)。

关注DE
#16636