Podniky, které se snaží používat internet věcí, již čelí záplavě dat a závratné řadě způsobů, jak je analyzovat. Co se však stane, pokud jsou informace nesprávné?
Špatná data jsou v IoT běžná, a přestože je těžké odhadnout, kolik informací nelze streamovat z připojených zařízení, mnoho lidí o problému přemýšlí.
Přibližně 40 procent všech dat z okrajů sítí IoT je „podivných“, říká Harel Kodesh, viceprezident softwarového obchodu Predix společnosti GE a CTO společnosti GE Digital. Většina těchto dat není špatná, pouze zbytečná: duplicitní informace, které zaměstnanci náhodně nahráli dvakrát, nebo opakující se zprávy, které nečinné stroje odesílají automaticky.
Navíc stavba nové platformy IoT na starých systémech průmyslového výkaznictví může způsobit problémy, protože starší nástroje formátují data vlastním způsobem, uvedl Kodesh. "Nebereš skutečná, elementární data, bereš to nějaký překlad."
Zařízení však někdy generují jen nepravdivé nebo zavádějící informace.
Měření špatné věci
Například, pokud se červ plazí přes senzor teploty a vlhkosti v poli, zemědělec přečte, jak teplý a vlhký je červ, což nepomáhá provozovat farmu. Pokud je senzor znečištěn špínou nebo továrním znečištěním nebo pokud je poškozen vandaly, může to také vyladit data, která vytváří..
Čím drsnější jsou okolní podmínky a čím je zařízení izolovanější, tím je pravděpodobně horší problém se špatnými daty. Kromě zemědělství tomu čelí průmyslová odvětví, jako je ropa, plyn a distribuce energie. Problémy však nemají jen senzory vzdálené. I v nemocnici může snímač krevního kyslíku upnutý na prstu pacienta začít poskytovat špatná data, pokud se dostane do nesprávné polohy.
Kromě toho některá zařízení IoT samy selhávají a začnou chrlit špatná data nebo přestanou vůbec hlásit. V mnoha jiných případech je viníkem lidská chyba: Nesprávné nastavení způsobuje to, co zařízení generuje.
Jedním ze způsobů, jak omezit špatná data, je zajistit správné nastavení rychlostního stupně.
Společnost John Deere vybavuje své obří zemědělské nástroje senzory, které detekují, zda stroje fungují správně. Sázecí stroj ExactEmerge společnosti, který se valí za traktorem, který semená semena přes pole, má tři senzory na řadu plodin, aby zjistil, kolik semen je vysazeno a jakou rychlostí. Nejméně jednou ročně, před výsadbou, zemědělec nebo prodejce a Deere tyto senzory ručně kalibruje, aby byly přesné, uvedl Lane Arthur, ředitel digitálních řešení společnosti Deere.
Více je lepší
Mnoho senzorů IoT je však příliš obtížné na pravidelnou kalibraci a údržbu. V těchto případech může být odpovědí nadbytečnost, i když nejde o stříbrnou kulku.
Duplikáty stejného senzoru na stroji, v dole nebo v poli generují více vstupů, což může být samo o sobě užitečné. Weather Underground, součást podnikání společnosti Weather Company od IBM, vytváří své zprávy částečně s daty z nekalibrovaných nízkorozpočtových senzorů v dvorech zákazníků. Za málo peněz dávají Weather Underground více datových bodů, ale kvalita je velký problém. Jeden senzor může selhat a hlásit několik centimetrů deště, zatímco druhý vedle něj žádný necítí, řekl John Cohn, člen IBM pro Watson IoT.
"Skvělá věc je, že pokud máte dostatečnou hustotu těchto typů senzorů, můžete ... matematicky najít odlehlé hodnoty a důvod, z toho, že jeden vyžaduje práci," řekl Cohn.
Společnosti mohou také použít různá snímací zařízení, zejména kamery, ke kontrole senzorů, které mohou mít potíže. Videokamera kombinovaná se softwarem pro analýzu obrazu může detekovat, zda se vzdálené zařízení zašpinilo, poškodilo nebo vandalizovalo, uvedl Doug Bellin, vedoucí manažer globálního soukromého sektoru v Cisco Systems. Někdy to mohou udělat bezpečnostní kamery pro něco jiného.
Jedna technika pro ověřování různých druhů senzorů proti sobě se nazývá fúze senzorů. Váží vstupy ze dvou nebo více senzorů, aby dospěl k závěru.
Fúze senzorů je nyní implementována v nemocnicích, kde se šíří falešné poplachy, řekl Stan Schneider, prezident a generální ředitel softwarové společnosti IoT Real-Time Innovations (RTI). Například namísto spuštění alarmu pokaždé, když krevní kyslíkový senzor na pacientově prstu vykazuje nízký obsah kyslíku, fúzní systém senzorů by neustále porovnával toto čtení s těmi od jiných senzorů na pacientovi, jako jsou respirační a srdeční frekvence.
Fantomový senzor
Jiné zdroje mohou také zastávat senzor, který už tam ani není. Společnost GE testuje každý proudový motor, který vychází ze svých továren, na teplotu výfukových plynů, což je číslo, které odráží jeho účinnost, uvedl Kodesh. GE umístí jeden senzor přímo do cesty výfukového plynu, i když po několika minutách bude vždy hořet. Mezitím senzory na bezpečnějších místech kolem motoru sbírají data současně a porovnáním jejich odečtů s tím, co zařízení s zkázaným osudem zaznamenalo před zničením, může GE znovu vytvořit přímý senzor jako virtuální - matematickou funkci.
Vyvodění závěrů z více informačních toků vezme problém s kvalitou dat do oblasti strojového učení. Právě tam se děje to nejzajímavější, říká IBM Cohn.
Například IBM používá analytickou platformu Watson k porozumění využití energie v zařízeních IBM v Irsku. Watson může nejen označit nesrovnalost, pokud klimatizace říká, že je vypnutá, ale celkový odběr energie je příliš vysoký na to, aby to byla pravda, ale časem se může naučit identifikovat konkrétní způsob, jakým tento klimatizační zařízení čerpá energii, když je přijde. Díky těmto znalostem lze systém, který říká, že není zapnutý, zachytit červeně.
Jako kontrola vadných dat vyžaduje strojové učení čas na to, aby dosáhl rychlosti, na rozdíl od přidaných senzorů nebo kamer.
"Čím chytřejší, tím chytřejší." Při prvním spuštění bych tomu nevěřil, “řekl Bellin od společnosti Cisco. "Tisíckrát, kdy běží, je to ... asi chytřejší než já."
Čím kritičtější je systém IoT, tím důležitější je vypořádat se se špatnými daty. Například fúze senzorů je nezbytná pro věci, jako je zdraví pacientů a detekce raket, protože spolehlivost je velkým problémem, když jsou sázky vysoké, řekl Schneider.
Ale některé formy IoT se bez něj pravděpodobně zbaví více zdrojů dat, řekl. "Nepotřebujete to v termostatu ve vašem domě."
Připojte se ke komunitám World World na Facebooku a LinkedIn a přidávejte komentáře k tématům, která jsou na prvním místě.
