企業(yè)依靠其物聯(lián)網平臺提供許多服務。其中最重要的是分析。通俗地說，物聯(lián)網分析是一門科學和藝術，它試圖在連接資產生成的海量數據中找到模式。MachNation的物聯(lián)網平臺測試實驗室給出更詳盡地定義，分析是平臺管理員或操作員監(jiān)控趨勢，識別異常并從攝取的物聯(lián)網數據中獲取業(yè)務洞察的能力。

作為識別最佳物聯(lián)網分析平臺的第一步，企業(yè)應該部署各種平臺分析服務。特別是，應該為實時流媒體和存儲/歷史數據配置一個平臺上的分析服務; 為實時流媒體外部分析服務集成配置平臺; 然后將平臺上的數據導出到外部分析服務。這些配置測試將幫助企業(yè)確定物聯(lián)網平臺供應商是否在其平臺中設計了特殊或缺乏管理工具和可用性。

企業(yè)測試分析配置流程后，還應評估三種類型的分析功能。讓我們來看看這三種類型的物聯(lián)網分析，以及企業(yè)如何識別提供同類分析微服務的平臺。

1. 描述性分析

描述性分析是最基本的分析洞察形式，它允許用戶描述和聚合傳入的物聯(lián)網數據。描述性分析 - 即使是像均值和標準差這樣簡單的計算 - 也可以用來快速理解收集到的數據。在連接的工廠用例中，描述分析可能用于回答“在30分鐘的時間段內平均泵溫度、流速和RPM是多少?”這種問題。

在物聯(lián)網平臺上識別最佳描述性分析功能時，企業(yè)應該評估：

• 平臺上的描述性分析功能： 平臺執(zhí)行描述性分析查詢的能力，例如聚合或計算跨傳感器、設備或設備組的攝取數據點的基本統(tǒng)計數據，以及可視化地顯示結果。

• 平臺數據湖/大數據存儲能力： 平臺對大量攝入的物聯(lián)網數據進行存儲和查詢的能力，包括基于表的大于1000萬行數據存儲或大于5000萬條記錄的非結構化數據存儲。

2. 預測分析

預測分析旨在通過分析歷史數據來模擬未來的數據和行為。回歸分析(如線性回歸)是預測分析的一個示例。在相同的使用案例中，可以使用預測分析來回答這樣一個問題：“泵的估計故障時間是多少，證明測量溫度增加了20%?”

在物聯(lián)網平臺上識別最佳預測分析功能時，企業(yè)應該評估：

• 平臺預測分析模型構建： 平臺自動或通過編程接口生成底層平臺攝取物聯(lián)網數據的預測模型的能力。線性或多項式回歸等模型是典型的，盡管在復雜平臺中可以使用更復雜的建模。

• 平臺預測分析模型操作： 利用平臺生成或平臺集成的數據模型(如R或Python)對數據進行分類或識別異常值的能力。用戶應該強調管理模型的能力，例如模型版本控制和更新，以及在復雜事件處理(CEP)框架中集成預測模型的能力。

3. 規(guī)范分析

規(guī)范分析是幫助企業(yè)優(yōu)化未來的方向。圖像處理、機器學習和自然語言處理是用于完成規(guī)范分析的一些技術?？梢允褂靡?guī)范性分析來回答這樣的問題：“為了最大限度地延長泵的正常運行時間并最大限度地縮短維修間隔，在必須安排預防性泵維修之前，泵的最大允許溫度升高是多少?”

在物聯(lián)網平臺上識別最佳的規(guī)范分析功能時，企業(yè)應該評估：

• 平臺上的規(guī)范分析模型功能： 平臺利用平臺生成或平臺集成的數據模型(如R或Python)來優(yōu)化業(yè)務成果或相關KPI的能力。規(guī)范模型應最大化或最小化與業(yè)務相關的KPI，例如路線規(guī)劃中的交付時間或預測性維護的設備正常運行時間。

分析通過更好地理解數據，幫助企業(yè)創(chuàng)造商業(yè)價值。雖然沒有完美的物聯(lián)網平臺，但有些平臺采用了比其他平臺更高質量的物聯(lián)網分析微服務。精明的企業(yè)將測試物聯(lián)網平臺的描述性，預測性和規(guī)范性分析功能，以及平臺與第三方分析解決方案集成的能力。他們還將全面測試他們使用平臺工具配置平臺分析服務和將數據導出到外部系統(tǒng)的能力。