物聯網 (IoT) 分析和最佳化迴圈可以根據整個企業商務內容產生商務最佳化深入解析，並且套用至一或多個由軟體控制的實體系統部署。 分析和最佳化迴圈來源遙測，通常是來自監視和管理迴圈程序、加以調整，並將其與企業資料來源結合以產生深入解析。
此文章概述分析和最佳化流程迴圈的架構、特性和元件。
潛在使用案例
分析和最佳化迴圈的一些範例案例包括：
- 智慧空間：計算校園安全指數並採取適當的措施。
- 電力傳輸：使電力中斷和野火事件趨勢相互關聯，以產生主動式傳輸修復和更換監視裝置。
- 石油和天然氣生產：計算盆地的石油生產趨勢，並且與站台效能進行比較。
- 運輸和物流：計算碳足跡趨勢、將其與組織目標進行比較，並採取矯正措施。
- 風電場：計算整個風電場作業的功率因數，並設計方法來改善每個風力發電機的效率。
- 離散製造：增加許多工廠的小工具生產率以符合市場需求。
架構
下圖顯示一般分析和最佳化迴圈的圖解，以及與其他 IoT 流程迴圈的關聯性。
下載這個架構的 Visio 檔案 。
在分析和最佳化迴圈中，來自各種 IoT、企業、私人和公用來源的資料會流入雲端資料湖。 離線分析會使用資料湖來探索隱藏的趨勢和企業最佳化深入解析。 來自離線分析的最佳化深入解析會透過監視和管理迴圈以及測量和控制迴圈，流回 IoT 安裝。
特性
- 分析和最佳化迴圈會以非同步方式運作，因此在分析資料或將最佳化信號傳送至裝置時，沒有迫切的時間期限。 這些迴圈取決於長時間遙測歷程記錄和企業操作資料歷程記錄，以執行批次作業。
- 系統相依性包括透過資料湖饋送資料的多個系統，其中包括來自企業系統的 IoT 系統和摘要。 最佳化迴圈主要使用 Web 服務通訊協定來與監督系統和其他企業系統整合。
單元
商務最佳化控制的重要元件如下：
- 資料湖，針對較長期間、較低使用量成本進行最佳化的大規模儲存體。 對應減少處理內容中的 HDFS 儲存體是此類資料湖的範例。 資料湖會將資料結構延遲到處理時間，因此適合用來儲存結構化和非結構化資料。
- 冷時間序列資料，對於離線分析很重要的未經處理或已處理遙測，通常來自多個 IoT 系統。 分析作業會進一步調整此資料，並將其與企業和外部資料集合併。
- 企業資料，由企業系統產生，例如產品生命週期管理、供應鏈、財務、銷售、製造和分銷以及客戶關係管理。 與外部資料集 (例如天氣) 合併的企業資料，可以情境化商務範圍的 IoT 遙測，以產生相容的深入解析。
- 離線分析以批次模式處理巨量資料。 Spark 作業和 Hadoop 對應減少處理是一些範例。 監視和管理迴圈與測量和控制迴圈流程，然後將從分析和最佳化迴圈取得的深入解析套用至 IoT 裝置。
參與者
本文由 Microsoft 維護。 它原本是由下列參與者所撰寫。
主體作者：
- Hanificationmar Pinnamraju |主要軟體工程經理