2023年物聯(lián)網(wǎng)分析的四大趨勢

　　多年來，分析已成為物聯(lián)網(wǎng)不可或缺的一部分通過活化。制造商、運輸和能源企業(yè)等工業(yè)組織以及世界各地的政府繼續(xù)采用這些技術等形式，以提高運營效率防控，并實現(xiàn)顯著的成本和運營節(jié)約。

　　人工智能的特點、流式分析和機器學習等高級分析技術與物聯(lián)網(wǎng)技術和傳感器相結合高質量，可以幫助智能工廠、電網(wǎng)基礎設施甚至城市供電適應性。但2023年這個重要領域會發(fā)生什么呢?

　　物聯(lián)網(wǎng)分析的興起

　　未來一年物聯(lián)網(wǎng)分析將出現(xiàn)四大趨勢：低代碼和無代碼自動機器學習(AutoML)的興起迎難而上、增強的數(shù)字孿生技術、計算機視覺的工業(yè)應用以及邊緣和云之間的界限模糊動手能力。這些趨勢并不意味著與前幾年有所不同服務品質，而是疫情之后市場軌跡的延續(xù)。

　　預計到2023年充分，通過低代碼和無代碼AutoML過程，工業(yè)化人工智能將有更大的可用性的發生，這些模型通過自助市場提供，并有可能通過定制和部署打包服務來增強互動互補。

　　2023年核心技術體系，我們還將看到更多專門針對能源、基礎設施優(yōu)化和工業(yè)制造領域定義的用例的專用數(shù)字孿生應用力度。預計各組織也將越來越多地采用計算機視覺和其他人工智能技術新產品，利用這些技術的行業(yè)將擴展到IT人員和數(shù)據(jù)科學家的更小眾用例之外，計算機視覺計劃將側重于產量提高持續發展、運營效率和安全性更加廣闊。

　　最后，隨著微軟Azure合作、亞馬遜網(wǎng)絡服務和谷歌云平臺等云超大規(guī)模企業(yè)開始在邊緣推出核心云服務，邊緣計算將成為云計算的延伸。工作負載將智能地分布在混合環(huán)境中勇探新路。這將意味著在2023年更快地采用物聯(lián)網(wǎng)分析長遠所需，以增強在源頭的決策。

　　低代碼擴大，無代碼

　　我們將繼續(xù)看到各行業(yè)對物聯(lián)網(wǎng)計劃的廣泛采用非常完善。這一領域的勢頭已經(jīng)持續(xù)了很長一段時間。如果我們回顧三四年前讓人糾結，我們真正關注的是概念驗證的想法不斷完善，但現(xiàn)在我們的客戶正在從這些POC過渡到更可持續(xù)和長期的概念。

　　在過去的一年里自動化方案，我們看到一些企業(yè)希望測試物聯(lián)網(wǎng)和分析項目行動力，并證明他們可以繼續(xù)創(chuàng)造價值。這并不一定是我們將從去年到明年看到的轉變空間廣闊，而是隨著客戶開始看到其項目的顯著回報落到實處，從狹隘的PoC向更廣泛的采用。

　　如今似乎很難想象分析不是每一個物聯(lián)網(wǎng)用例的組成部分，然而營造一處，隨著圍繞它的系統(tǒng)變得更容易理解和更廣泛地部署，幾年來已經(jīng)逐漸發(fā)生了變化線上線下。低代碼保供、無代碼分析的興起是可訪問性上升的主要驅動力。

　　低代碼知識和技能、無代碼分析的最大目標是讓任何人都能夠將數(shù)據(jù)轉化為見解技術創新，低代碼、無代碼環(huán)境正在向那些沒有大量數(shù)據(jù)科學家技能的企業(yè)開放深入開展，而制造業(yè)是真正采用物聯(lián)網(wǎng)和分析的行業(yè)之一更優美。分析和數(shù)據(jù)不再是白領和藍領工人的領域需求，它開始被供應鏈上的所有人使用。

　　數(shù)字孿生

　　傳感器的激增也意味著在數(shù)字環(huán)境中表示系統(tǒng)變得越來越簡單更為一致，這將導致下一個預測的增強數(shù)字孿生技術的趨勢各方面。

　　一旦我們能夠在數(shù)字世界中準確地復制現(xiàn)實世界的系統(tǒng)，我們就可以開始使用變量落地生根，以優(yōu)化物理元素而不影響日常操作占。如今也可以開始為基礎設施創(chuàng)建數(shù)字孿生，并開始移動這些杠桿成效與經驗，以預測供應鏈的任何部分是否存在問題更讓我明白了，甚至可以在問題發(fā)生之前采取措施解決問題。

　　過去提供了有力支撐，大多數(shù)分析程序都涉及獲取大量數(shù)據(jù)提供深度撮合服務，通過網(wǎng)絡移動數(shù)據(jù)，并將其放入一致的環(huán)境中競爭力。然后是創(chuàng)建算法的過程，這些算法可以查看數(shù)據(jù)并產生見解逐步改善，然后分發(fā)給消費者特點。

　　七八年前，分析技術的應用擴展到了物聯(lián)網(wǎng)落實落細。這實際上更多的是生態(tài)系統(tǒng)的擴展意見征詢，而不是一個完全的轉變。過去深入闡釋，大多數(shù)分析程序都涉及訪問大量數(shù)據(jù)集聚，通過網(wǎng)絡移動數(shù)據(jù)，并將其放入一致的環(huán)境中大大提高。然后是創(chuàng)建算法的過程新的動力，這些算法可以查看數(shù)據(jù)并生成洞察力，然后分發(fā)給消費調整推進。而傳感器技術的變化重塑了整個領域為產業發展。更便宜、更強大的傳感器變得廣泛發展契機，它們的部署有助于將決策帶到數(shù)據(jù)的來源穩定，在傳感器的邊緣，使用強大的分析實時流數(shù)據(jù)講故事。

　　計算機視覺的工業(yè)應用

　　很多人認為計算機視覺是物體檢測單產提升。但這是一個我們看到大量增長的領域，它有著廣泛的應用置之不顧。我們可以使用它來識別需要監(jiān)控的區(qū)域多樣性，并設置警報以警告操作員發(fā)生了什么性能穩定，隨著時間的推移，確定他們可以通過培訓糾正的問題領域生產創效。

　　當然進一步提升，這項技術的一個巨大好處是預測性維護，允許運營商識別和解決特別容易發(fā)生事故或問題的區(qū)域緊密協作，我們經(jīng)程峁┯辛χ?？吹礁鼜V泛的應用，而不僅僅是預測性維護。通常是實時操作缺陷檢測越來越重要。

　　計算機視覺的最大好處是它通常不是位移技術，也不需要部署大量的傳感器或改變系統(tǒng)或設備優化上下，它可以像部署攝像頭一樣簡單改革創新。這是一種低影響的措施，可以極大地提高預測性維護或安全性的質量發揮重要作用。

　　模糊邊緣和云之間的界限

　　內部部署或云計算與邊緣計算之間曾經(jīng)有一條明確的界限自行開發。邊緣是網(wǎng)絡企業(yè)的領域，它們提供位于云之外的分布式設備取得顯著成效。在過去的12到18個月里處理方法，隨著企業(yè)將邊緣分析和由此產生的決策越來越接近數(shù)據(jù)的來源，云基礎設施上的邊緣計算加速發(fā)展責任。

　　這種從云計算到內部部署的轉變引發(fā)了混合環(huán)境的出現(xiàn)服務。我們所看到的所有項目都有一條一致的路線，這有助于確定問題的范圍持續向好，并能夠針對特定的結果舉行。這就是我們看到企業(yè)在使用分析技術方面表現(xiàn)出色的地方，而不僅僅是機器學習或物聯(lián)網(wǎng)不容忽視。但我認為這是所有人在最短的時間內取得最大成功的一個方向習慣。

來源：千家網(wǎng)