阻碍工业物联网发展的4个工业物联网数据误解

误解＃1：IIOT不需要唯一或新的数据库需求

确实如此。物联网分析师,包括那些在Gartner.请指出，在数据量，数据和查询复杂性和集成方面，IOT在数据卷，数据和集成方面完全挑战了全面的挑战。实际上，在独立模式或网络IIT远程监控系统中工作的机器之间的差异是剧烈的。不幸的是，组织犯错误是为了基于现有的传统数据库来实现IIT基础架构，例如Microsoft SQL Server，Oracle等）。这些数据库 - 除了昂贵 - 通常技术上无法满足必须为IIOT成功处理的大规模数据量创建的增加的需求。虽然传统的SQL数据库易于使用，但它们不会在实时查询机器数据流。

误解2:工业物联网实现需要NoSQL数据库

即使是数据库专家也常常错误地认为，大量非结构化数据是不可避免的NoSQL用例。确实，由于其高效的缩放和分布式架构，NoSQL数据库特别适合支持复杂和灵活的查询。但是，NoSQL数据库的基础设施通常非常复杂，需要对其规划，运营和管理有很大的关注。与此同时，在工业实践中，几乎总是始终存储的关系，也必须存储，包括拓扑，固件信息和ERP或物品数据。使用关系和非关系数据库意味着必须并行运行两个不同的系统并同步。另一个挑战是NoSQL数据库没有标准化的查询语言，每个都有自己的查询语言。使用像Apache Cassandra这样的NoSQL数据库，Elasticsearch或MongoDB也意味着士兵，如果您甚至可以找到一个，那么昂贵和经验丰富的程序员。避免这些挑战的替代方案是用基于更新的基于SQL的系统替换纯NOSQL数据库，该系统将ANSI SQL的熟悉性与NoSQL的可扩展性和灵活性相结合。

误解3:时间序列数据库是答案

专业时间序列数据库总是很时尚。然而，选择时间序列数据库作为工业物联网平台的基础仍然是一个常见的错误。这些数据库在密集的并行使用中，其功能和可伸缩性往往受到限制。除了数据流的可视化，工业物联网还需要对频繁的分析操作和数据模型更改提供支持。例如，这些过程可能被用来正确诊断和理解工厂生产中异常的原因。工业物联网数据库还必须允许与实时数据进行交互工作，包括同时读取、写入和执行特定查询，以供用例(如机器学习)在高负载下使用。

此外，敏捷过程的需要要求IIT数据库适应或扩展运行时的数据模式。这意味着裸露的传感器数据，ERP数据，质量数据等用于检查生产异常。例如，异常可能与某些作业相关联，或者由于来自某些供应商的特定原材料。

这种性质的数据模型更改通常需要团队完全重建时间序列数据库，这(有点讽刺的是)非常耗时，更不用说代价高昂了。为了解决这个问题，许多企业将使用时间序列数据库和单独的关系数据库来处理非时间序列数据。虽然这个解决方案可以快速实现，但是数据库的增长将迅速增加数据库的开销，并增加同步这些不同数据库中的所有数据的难度。

误解＃4：只有可以通过比您的更好，更清洁的数据实现AI

工业物联网开发人员有时会认为他们缺乏建立成功人工智能系统所需的数据或数据卫生条件。可能是数据不足导致的可怜的ai控制自动化．

然而，担心数据不足的数据意味着无法获得有用的结果，或者将制造错误的决策，简单地取消了。在实践中，大多数追求IIOT的公司都将建立一个实时数据商店来优化 - 没有取代 - 使用AI技术和机器学习进行人力决策。

这里的实用方法是监视分析结果，然后逐步地自动清理数据。试图完全清洁所有历史数据 - 因此延迟开发和实施智能IIOT系统，直到您的数据达到完善 - 将通过将AI系统带来的数量和深度来延伸到太小而无法正常向前移动。它通常更好地开始，收集原始数据并沿途开发使用情况。

培养正确的视角

能够从工业物联网受益的组织应该明白，实现这项技术将需要全新的数据管理和分析能力。传感器数据的管道必须实时集成和分析，以便正确地监测、预测和控制系统中事物的行为。传感器数据以几十种消息格式每分钟传送数千甚至数十万个读数。机器数据的快速采集和分析是先决条件，而数据驱动的自动化是未来工业物联网项目成功的关键。工业物联网授权的设施要求数据管理系统能够:

• 确保快速开发和时间价值;
• 实现实时数据分析;
• 保持一致的正常运行时间;和
• 确保托管、集成和管理的低IT运营成本。

如果他们能够识别和超越上述误解，那么实施未来的IIOT应用和未来智能工厂的手段。

所有物联网议程网络贡献者对其帖子的内容和准确性负责。观点是作者的，并不一定传达物联网议程的思想。