IoT(사물 인터넷) 분석 및 최적화 루프를 사용하면 전체 엔터프라이즈 비즈니스 컨텍스트에 따라 소프트웨어로 제어되는 하나 이상의 물리적 시스템 배포에 대한 비즈니스 최적화 인사이트를 생성하고 적용할 수 있습니다. 일반적으로 모니터 및 관리 루프 프로세스의 분석 및 최적화 루프 원본 원격 분석은 해당 인사이트를 구체화하고 엔터프라이즈 데이터 원본과 결합하여 인사이트를 생성합니다.
이 문서에서는 분석 및 최적화 프로세스 루프 아키텍처, 특성 및 구성 요소를 간략하게 설명합니다.
잠재적인 사용 사례
분석 및 최적화 루프의 몇 가지 예제 시나리오는 다음과 같습니다.
- 스마트 공간: 캠퍼스 안전 지수를 계산하고 적절한 조치를 취합니다.
- 전력 전송: 정전 및 산불 발생 추세를 상호 연결하여 모니터링 디바이스의 사전 대응형 전송 수리 및 교체를 생성합니다.
- 석유 및 가스 생산: 분지의 석유 생산 추세를 계산하고 사이트 성능과 비교합니다.
- 운송 및 물류: 탄소 배출량 추세를 계산하고, 조직 목표와 비교하고, 정정 조치를 취합니다.
- 풍력 발전 단지: 전체 풍력 발전 단지 운영의 전력 계수를 계산하고 각 풍력 터빈의 효율성을 개선하는 수단을 고안합니다.
- 이산형 제조: 시장 수요를 충족하기 위해 많은 공장의 위젯 생산율을 높입니다.
아키텍처
다음 다이어그램에서는 일반적인 분석 및 최적화 루프의 도식 및 이 루프와 다른 IoT 프로세스 루프의 관계를 보여 줍니다.
이 아키텍처의 Visio 파일을 다운로드합니다.
분석 및 최적화 루프에서 다양한 IoT, 엔터프라이즈, 프라이빗 및 퍼블릭 원본의 데이터가 클라우드 데이터 레이크로 이동합니다. 오프라인 분석은 데이터 레이크를 사용하여 숨겨진 추세와 비즈니스 최적화 인사이트를 발견합니다. 오프라인 분석 프로세스의 최적화 인사이트는 모니터 및 관리 루프와 측정 및 제어 루프를 통해 다시 IoT 설치로 이동합니다.
특징
- 분석 및 최적화 루프는 비동기적으로 작동하므로 데이터를 분석하거나 디바이스에 최적화 신호를 보내기 위한 촉박한 타이밍 기한이 없습니다. 해당 루프는 일괄 처리 작업을 실행하기 위한 긴 원격 분석 기록과 엔터프라이즈 운영 데이터 기록에 따라 달라집니다.
- 시스템 종속성에는 IoT 시스템, 엔터프라이즈 시스템의 피드 등을 포함하는 데이터 레이크를 통해 데이터를 공급하는 여러 시스템이 포함됩니다. 최적화 루프는 주로 웹 서비스 프로토콜을 사용하여 감독 시스템 및 기타 엔터프라이즈 시스템과 통합됩니다.
구성 요소
비즈니스 최적화 제어의 중요한 구성 요소는 다음과 같습니다.
- 데이터 레이크 - 더 긴 기간에 걸쳐 사용 비용을 낮추도록 최적화된 대규모 스토리지입니다. 맵 감소 처리 컨텍스트의 HDFS 스토리지는 해당 데이터 레이크의 예입니다. 데이터 레이크는 처리 시간까지 데이터 구조를 연기하므로 정형 데이터와 비정형 데이터를 모두 저장하는 데 적합합니다.
- 콜드 시계열 데이터 - 오프라인 분석에 중요하고 일반적으로 여러 IoT 시스템에서 제공되는 원시 또는 처리된 원격 분석입니다. 분석 작업은 이 데이터를 추가로 구체화하고 엔터프라이즈 및 외부 데이터 세트와 결합합니다.
- 엔터프라이즈 데이터 - 제품 수명 주기 관리, 공급망, 재무, 판매, 제조 및 유통, 고객 관계 관리 등의 엔터프라이즈 시스템에서 생성됩니다. 날씨와 같은 외부 데이터 세트와 결합된 엔터프라이즈 데이터는 호환 가능한 인사이트를 생성하기 위해 비즈니스 범위에서 IoT 원격 분석을 컨텍스트화할 수 있습니다.
- 오프라인 분석 - 일괄 처리 모드에서 빅 데이터를 처리합니다. Spark 작업과 Hadoop 맵 감소 처리는 몇 가지 예입니다. 모니터링 및 관리 루프 프로세스와 측정 및 제어 루프 프로세스는 분석 및 최적화 루프에서 얻은 인사이트를 IoT 디바이스에 적용합니다.
참가자
Microsoft에서 이 문서를 유지 관리합니다. 원래 다음 기여자가 작성했습니다.
보안 주체 작성자:
- Hanukumar Pinnamraju | 수석 소프트웨어 엔지니어링 관리자