Edge 기술과 스마트 장치의 인기가 높아짐에 따라 기업이 의사 결정 프로세스를 개선하는 데 사용할 수 있는 데이터의 양에는 한계가 없다는 것을 알게 되었습니다. 이러한 기회와 달리 많은 조직에서는 사용 중인 올바른 데이터 아키텍처가 없기 때문에 사용할 수 있는 데이터의 품질, 다양성 및 범위를 여전히 제한하고 있습니다. 맞습니다! 가치를 추구하는 데이터 패브릭 4.2 년 미화 2026 억 달러 IoT 및 빅 데이터 과학 전문가인 Yash Mehta는 시장 규모가 다양한 환경에서 IoT 성능에 불가피한 영향을 미칠 것이라고 말합니다.
데이터 패브릭을 사용하지 않으면 많은 양의 데이터가 원시 형태로 남아 있어 그다지 유용하지 않습니다. 이 문제를 해결하기 위해 기업은 풍부한 데이터를 수집할 수 있을 뿐만 아니라 대규모로 사용할 수 있도록 분석 및 통합을 용이하게 하는 엣지-코어-다중 클라우드 데이터 패브릭을 사용할 수 있습니다.
엣지의 데이터 패브릭
IoT 시스템은 기본 IP 및 기타 구성으로 자동화 및 내장되기 때문에 원치 않는 노출에 매우 취약합니다. 실시간 출발 시 대량의 데이터 스트리밍이 있으며 패브릭은 네트워크로 방전되기 전에 이를 필터링하는 데 도움이 될 수 있습니다. 에지 시스템과 결합될 때 패브릭은 저장 중이든 이동 중이든 관계없이 올바른 데이터를 보장합니다. 이는 애플리케이션 개발 및 통합 수준에서 엔지니어의 부담을 더욱 줄여줍니다.
따라서 에지 패브릭 데이터 관리 시스템은 로컬 및 분산 소비를 위해 지속적이고 조정되고 통제 가능한 데이터 스트림을 생성합니다. 놓치지 마세요. 이러한 시스템은 상호 운용성 및 즉각적인 처리를 제공합니다. 에지 시스템은 여러 환경에서 점점 더 많은 데이터 요구 사항에 직면하지만 패브릭은 다음 기능을 수행해야 합니다.
- 무선 네트워크, MTTP, HTTP 등과 같은 오류가 없는 여러 인터페이스에 액세스합니다.
- 여러 POSIX 호환 환경에서 원활한 운영.
- REST API를 포함한 모든 중요한 프로토콜 및 API 작업.
- JDBC/ODBC를 포함한 데이터베이스 간의 연결 설정.
- Kafka, Spark 등과 같은 여러 표준을 통한 데이터 스트리밍.
산업용 IoT용 데이터 패브릭
예측 모델링은 IIoT의 기반이지만 영구 데이터 없이는 수행할 수 없습니다. 데이터를 캡처 및 저장한 후 실제 문제는 양질의 공급을 보장하기 위해 데이터를 증류하는 것부터 시작됩니다. ㅏ 데이터 패브릭 관리 시스템 통합, 분석, 오케스트레이션, 아카이빙 등의 수집 후 여러 단계를 거쳐 데이터 스트림을 전달하여 격차를 메웁니다. Fabric 아키텍처는 데이터 준비를 편리하게 합니다.
이상을 감지하고 알리는 자치 조립 라인을 구축하려면 정확하고 즉각적인 데이터가 중요합니다. 패브릭이 보장하는 것.
패브릭 모델의 데이터는 장비 라인 전반의 유지 관리 추세를 예측하고 분석하는 데 도움이 될 수 있습니다. 이는 이동 중에 결함을 식별하고 시기 적절한 수리를 구현하는 데 중요합니다. 또한 품질 보증 팀은 자동화된 분석을 수행하여 표준에 따라 품질 검사가 수행되도록 할 수 있습니다. 이것은 훌륭한 예방 해킹으로 이어집니다!
즉, IIoT의 과제는 그렇지 않을 수 있습니다. 장비 수준에서 제한하고 전체 조립 라인을 삼킬 수 있습니다. 생산 단위는 전체 설정에서 문제 식별을 향상시키기 위해 더 많은 데이터 통찰력을 갈망하는 경우가 많습니다. 데이터 패브릭의 정성적 피드는 생산의 모든 문제를 해결하기 위해 지능형 예측 분석을 추가로 지원합니다. 잊지 말아야 할 것은 처방 분석은 공장 현장의 전체 작업을 최적화하기 위한 추가 기능입니다.
우리가 그 단계에 있는 동안 데이터 패브릭은 주요 의사 결정에 부인할 수 없는 영향을 미칩니다. 따라서 시장에서 브랜드의 포지셔닝을 기반으로 조직은 패브릭의 통찰력을 사용하여 생산과 직간접적으로 연결된 다른 모든 모듈의 성능을 이해할 수 있습니다. 예를 들어, 영업 7 마케팅, 재고 관리, 물류 처리 및 기타.
잊지 말아야 할 것: 올바른 데이터 패브릭 찾기
오늘날 패브릭 제품은 IoT를 준수해야 한다는 것을 알고 있습니다. 정확히 그 이유는 다양한 데이터 패브릭 제품이 대량의 데이터 유입을 수용할 수 있는 방법에 대해 많이 읽을 수 있기 때문입니다. IBM과 Denodo 외에도 최고의 패브릭 솔루션 목록 그러나 K2022View의 마이크로 DB 접근 방식은 흥미로운 추가 사항입니다. 패브릭은 비즈니스 파트너 데이터를 수백만 개의 마이크로 크기 데이터베이스에 저장하며 각 데이터베이스에는 특정 엔터티에 대한 데이터만 포함되어 있습니다.
이제 그들의 데이터 패브릭은 AI를 사용합니다. 시간이 지남에 따라 공급되고 증류된 원시 데이터를 스스로 학습합니다. IoT 장치에서 소비 및 생성되는 데이터의 양이 증가함에 따라 대량을 처리하는 패브릭의 범위도 증가합니다. 궁극적으로 알 수 없는 데이터 볼륨을 지원하는 데이터 패브릭의 역량은 업계에 더 스마트하게 적합합니다.
다양한 사용 사례 이해
첫째, 수익 중심 및 위험 감소 사용 사례에서 데이터 패브릭을 구현해야 하는 본질적인 필요성과 함께 데이터가 에지로 이동하는 것을 알 수 있습니다. 데이터 공유 규칙이 구현 프로세스에 있을 때 향후 2년 동안 이러한 일이 발생하는 것을 볼 수 있습니다. 소매 부문에서 기본 테스트를 시작해야 합니다. 이러한 회사는 더 나은 사용자 경험을 구축하기 위해 사용자 데이터를 수집하는 것을 목표로 하기 때문입니다. 또한 제품 배치를 통해 상향 판매 및 교차 판매가 가능합니다.
Edge가 반대 방향으로 Cloud로 이동함에 따라 변화를 목격하는 또 다른 방법은 의료 기록 및 데이터에 대한 더 많은 액세스를 원하는 환자가 늘어남에 따라 의료 산업입니다. 규정 준수를 감안할 때 귀하는 데이터 및 진단 영상에 액세스할 수 있는 권한을 유지할 뿐만 아니라 이 데이터를 차단하거나 선택한 보험사 또는 배송 제공업체와 공유할 수 있습니다.
결론
제품과 데이터를 안전하게 유지해야 하는 고객의 요구를 감안할 때 앱은 로컬에서 사용할 수 있도록 에지 장치에서 이 데이터를 찾기 시작해야 합니다. 제품 또는 서비스와 관련된 모든 데이터 세트는 클라우드에서 에지 장치로 전송되어야 합니다. 이것은 오늘날 우리가 보는 관계와 질서를 근본적으로 뒤집을 것입니다. Fabric-IoT 협회가 어떻게 발전하고 있다고 보십니까? 공유하십시오.
저자는 IoT 및 빅 데이터 과학 전문가인 Yash Mehta입니다..
아래 또는 통해이 기사에 대한 의견 트위터 : @IoTNow_OR 뿡뿡.
