Naarmate de populariteit van Edge-technologie en slimme apparaten toeneemt, zien we dat er geen drempel is als het gaat om de hoeveelheid data die bedrijven kunnen gebruiken om hun besluitvormingsproces te verbeteren. In tegenstelling tot deze mogelijkheid, beperken veel organisaties nog steeds de kwaliteit, variëteit en omvang van data die ze kunnen gebruiken, omdat ze niet de juiste data-architectuur in gebruik hebben. Dat is correct! Datafabrics die op weg zijn naar waarde 4.2 miljard dollar in 2026 in marktomvang hebben zeker een onvermijdelijke impact op de prestaties van IoT in verschillende opstellingen, zegt Yash Mehta, een IoT- en big data science-specialist.

Als u geen datafabric gebruikt, blijft een grote hoeveelheid gegevens in zijn onbewerkte vorm en is niet erg nuttig. Om deze uitdaging op te lossen, kunnen bedrijven een edge-to-core-to-multi-cloud datafabric gebruiken waarmee ze niet alleen overvloedige gegevens kunnen verzamelen, maar ook analyse en integratie mogelijk maken, zodat u deze op grote schaal kunt gebruiken.

Datastof aan de rand 

Omdat IoT-systemen zijn geautomatiseerd en ingebed met standaard IP's en andere configuraties, zijn ze zeer kwetsbaar voor ongewenste blootstelling. Er is een grote hoeveelheid data die in realtime wordt gestreamd en fabrics kunnen helpen deze te filteren voordat ze naar het netwerk worden afgevoerd. In combinatie met een randsysteem zorgt de stof alleen voor correcte gegevens, zowel in rust als tijdens transport. Dit verlicht verder de last van de ingenieurs op het niveau van applicatieontwikkeling en integratie.

Een edge-fabric datamanagementsysteem produceert dus een persistente, georkestreerde en beheersbare datastroom voor lokaal en gedistribueerd gebruik. Niet te missen, zo'n systeem levert interoperabiliteit en verwerking op het moment. Terwijl een edge-systeem een ​​groeiend aantal gegevensvereisten voor meerdere omgevingen tegenkomt, moet een fabric de volgende functies vervullen: 

• Toegang tot meerdere interfaces zonder fouten, zoals radionetwerken, MTTP, HTTP en andere.
• Naadloze bewerkingen op meerdere POSIX-compatibele omgevingen.
• Werken met alle belangrijke protocollen en API's inclusief REST API.
• Het tot stand brengen van connectiviteit tussen databases, waaronder JDBC/ODBC.
• Gegevensstreaming via meerdere standaarden zoals Kafka, Spark en andere. 

Datafabric voor industrieel IoT

Voorspellende modellering is de basis van IIoT, maar kan niet worden uitgevoerd zonder persistente gegevens. Na het vastleggen en opslaan van gegevens begint de eigenlijke uitdaging met het distilleren om kwalitatief voer te garanderen. EEN datafabricbeheersysteem vult de leemte door de datastroom door verschillende stadia te leiden na het verzamelen, zoals integreren, analyseren, orkestreren, archiveren, enz. Fabric-architectuur maakt het gemakkelijk om de gegevens voor te bereiden.

Bij het streven naar het bouwen van een zelfsturende assemblagelijn die afwijkingen detecteert en meldt, zijn nauwkeurige en actuele gegevens belangrijk; precies waar een stof voor zorgt. 

Gegevens van het fabric-model kunnen helpen bij het voorspellen en analyseren van onderhoudstrends over de hele uitrustingslijn. Dit is belangrijk om storingen onderweg te identificeren en tijdige reparaties uit te voeren. Bovendien kunnen kwaliteitsborgingsteams geautomatiseerde analyses uitvoeren om ervoor te zorgen dat kwaliteitscontroles volgens de normen worden uitgevoerd. Dit leidt tot een geweldige preventiehack! 

Dat gezegd hebbende, de uitdagingen in een IIoT misschien niet beperken op het uitrustingsniveau en de hele lopende band kunnen overspoelen. Productie-eenheden hunkeren vaak naar meer data-inzichten om de probleemidentificatie in de hele setup te verbeteren. De kwalitatieve feed van Data Fabric helpt verder bij intelligente voorspellende analyses om eventuele problemen in de productie te bestrijden. Niet te missen, de voorschriftanalyse is een add-on om de algehele operaties op de fabrieksvloer te optimaliseren.

Terwijl we bezig zijn, heeft datafabric een onmiskenbare impact op belangrijke besluitvorming. Dus op basis van de positionering van het merk in de markten, kunnen organisaties inzichten uit de stof consumeren om de prestaties van alle andere modules die direct of indirect aan productie zijn gekoppeld, te begrijpen. Bijvoorbeeld verkoop 7 marketing, voorraadbeheer, logistieke afhandeling en andere.

Niet te vergeten: het vinden van de juiste datafabric

Fabric-producten weten tegenwoordig dat ze moeten werken in overeenstemming met IoT. Precies waarom, je leest veel over hoe verschillende datafabric-producten een grote hoeveelheid data-instroom kunnen opvangen. Behalve IBM en Denodo zijn er nog andere in de lijst met topstofoplossingen voor 2022. De micro-DB-aanpak van K2View is echter een interessante toevoeging. De fabric slaat zakenpartnergegevens op in miljoenen micro-databases, waarbij elk de gegevens voor een bepaalde entiteit bevat.

Nu, hun datafabric gebruikt AI om de onbewerkte gegevens die in de loop van de tijd worden ingevoerd en gedestilleerd, zelf te leren. Naarmate de hoeveelheid data die wordt verbruikt en geproduceerd door de IoT-apparaten toeneemt, neemt ook de reikwijdte van de fabric toe om grote volumes te verwerken. Uiteindelijk maakt de competentie van een datafabric om onbekende datavolumes te ondersteunen het een slimmere fit voor de industrie.

Verschillende gebruiksscenario's begrijpen 

Ten eerste zullen we de verschuiving van data naar de edge opmerken, samen met een intrinsieke behoefte om datafabric te implementeren in winstgedreven en risicobeperkende use-cases. We kunnen dit de komende 2 jaar zien gebeuren wanneer de regels voor het delen van gegevens in het implementatieproces zijn. De primaire tests zouden moeten beginnen in de detailhandel, omdat deze bedrijven gebruikersgegevens willen verzamelen om een ​​betere gebruikerservaring op te bouwen. Het zal hen ook in staat stellen om via productplaatsing up- en cross-sell te verkopen.

Een andere manier waarop we verandering zien naarmate Edge in de tegenovergestelde richting overstapt naar de cloud, is de gezondheidszorg, aangezien steeds meer patiënten meer toegang willen tot hun medische dossiers en gegevens. Gezien de naleving van de regelgeving behoudt u niet alleen het recht op toegang tot uw gegevens en diagnostische beeldvorming, maar kunt u deze gegevens ook blokkeren of delen met de verzekeraar of bezorgdienst van uw keuze.

Conclusie

Gezien het product en de behoefte van de klanten om hun gegevens veilig te houden, zullen apps deze gegevens op het edge-apparaat moeten gaan lokaliseren, zodat deze lokaal kunnen worden gebruikt. Alle datasets die betrekking hebben op producten of diensten moeten vanuit de Cloud naar het Edge-apparaat worden verzonden. Dit zal in wezen de relatie en volgorde die we vandaag zien, omkeren. Hoe zie jij de Fabric-IoT-vereniging tot bloei komen? Deel het.

De auteur is Yash Mehta, een IoT- en big data science-specialist.

Reageer op dit artikel hieronder of via Twitter: @IoTNow_OR @RTLnieuws.