Fabrication industrielle
Internet des objets industriel | Matériaux industriels | Entretien et réparation d'équipement | Programmation industrielle |
home  MfgRobots >> Fabrication industrielle >  >> Industrial Internet of Things >> Technologie de l'Internet des objets

Les 3 principaux défis de la préparation des données IoT

Sean Kandel de Trifacta

L'Internet des objets (IoT) est déjà ancré dans notre vie de tous les jours, des appareils portables aux montres intelligentes en passant par les téléviseurs connectés et les appareils ménagers intelligents.

Les entreprises, elles aussi, utilisent la technologie; dans un contexte B2B, déclare Sean Kandel, CTO et co-fondateur de Trifacta les appareils connectés font référence aux machines et aux capteurs utilisés pour tout suivre, des performances de la machine aux exigences de maintenance.

Par exemple, des capteurs peuvent être trouvés sur une ligne de production pour suivre l'état de préparation des machines et automatiser la maintenance prédictive . Ou, un hôpital peut utiliser des appareils IoT pour la surveillance à distance des patients, la chirurgie robotique ou la délivrance de médicaments.

Tous ces capteurs, appareils et autres « objets » connectés signifient en fin de compte plus de données. Et beaucoup. Mais avec plus de données viennent des défis plus complexes dans sa préparation. Pour exploiter la valeur de l'IoT et du Big Data, et fournir des informations innovantes, les organisations industrielles doivent préparer rapidement toutes ces données disparates et non structurées. Ci-dessous, nous avons nommé certains des trois principaux défis liés à la préparation des données IoT pour les exploiter à des fins d'analyse.

1. D'énormes volumes de données

International Data Corporation (IDC) une étude de marché estime que les appareils IoT créeront 40 000 exaoctets de données d'ici 2020. Pour garder cela en perspective, en 2000, trois exaoctets d'informations ont été créés dans le monde. Cela représente beaucoup de données à préparer et, dans le cadre de nombreux processus actuels, les organisations ne seront pas en mesure de suivre le rythme. Cela est particulièrement difficile dans le monde industriel, où les fabricants et autres grandes organisations industrielles collectent généralement des milliards d'ensembles de données à partir de machines, de capteurs et d'applications commerciales internes.

La préparation des données représente toujours jusqu'à 80 % du temps et des ressources impliqués dans tout projet de données, et plus vous ajoutez de données, plus ce processus prendra du temps. Alors que les organisations entreprennent de nouvelles initiatives de données IoT, il est important pour elles d'envisager de nouvelles technologies et de nouveaux processus qui leur permettront de suivre cet énorme afflux de données.

2. Complexité

Un autre défi dans la préparation des données IoT est sa nature complexe. Souvent, les organisations doivent non seulement préparer des données d'horodatage ou de géolocalisation, mais les combiner avec des sources plus structurées, telles que des fichiers csv. Cette complexité n'est multipliée que si l'on tient compte de la vitesse à laquelle ces données sont générées.

Trouver une solution à ce problème est délicat. Les ressources techniques au sein d'une organisation qui pourraient gérer cette complexité sont généralement limitées, et la mise à l'échelle de ces ressources est coûteuse. L'utilisation d'outils de préparation de données courants comme Excel ne peut pas gérer cette complexité, ce qui empêche les analystes qualifiés de travailler avec ces données. Les organisations d'aujourd'hui doivent trouver un moyen d'exploiter les ressources dont elles disposent afin de préparer les données IoT de plus en plus complexes.

3. Interopérabilité

Les systèmes informatiques d'entreprise, à la fois matériels et logiciels, ne sont pas conçus pour échanger ou traiter les vastes quantités d'informations complexes extraites des capteurs et des appareils connectés. Il est difficile d'intégrer et d'enrichir rapidement les données générées par la machine avec des données d'applications métier telles que Salesforce et Marketo par exemple, et d'autres référentiels de données. Par conséquent, les organisations d'aujourd'hui doivent rechercher des solutions qui permettent aux données de mieux communiquer entre elles, afin que l'intégralité des données d'une organisation puisse être exploitée.

Plateformes de préparation de données pour les initiatives IoT

De nombreuses organisations qui mènent des initiatives IoT se sont tournées vers des plates-formes modernes de préparation de données pour relever ces défis. Avec une plate-forme de préparation de données intelligente, certains clients de Trifacta ont vu le temps passé à préparer des données réduit jusqu'à 90 %, tout en permettant également à des ressources non techniques de préparer elles-mêmes de grandes quantités de données complexes. De plus, nous avons un partenariat avec Sumo Logic offrir aux clients une solution pour préparer des données de log complexes avec des données d'application métier.

Par exemple, une grande entreprise ferroviaire européenne utilise Trifacta pour préparer les données de capteurs générées par la surveillance de 8 000 locomotives sur 32 000 milles de voies ferrées afin de prédire quand elles nécessitent une maintenance. Avant d'adopter Trifacta, l'entreprise préparait ces données ad hoc pour plusieurs personnes et avec de nombreux outils différents, ce qui a finalement retardé l'analyse et leur réactivité aux réparations nécessaires. Désormais, cette entreprise peut préparer 100 % des données de capteurs complexes et a rapidement réduit le temps consacré à la préparation des données.

Un autre client, Kuecker Logistics Group (KLG) , utilise la plate-forme Trifacta pour préparer une multitude de données de capteurs générées à partir d'entrepôts appartenant aux plus grands détaillants du monde. Ces clients ont des opérations de chaîne d'approvisionnement étendues et complexes et un maillon défectueux ou inefficace dans la chaîne peut provoquer un effet d'entraînement en aval.

En utilisant une plate-forme de préparation de données intelligente, Kuecker a pu faire évoluer les processus de préparation de données sans embaucher de développeurs coûteux, ce qui a considérablement amélioré leur efficacité. Désormais, ils préparent les données des entrepôts des clients et identifient plus rapidement les modifications nécessaires à apporter au sein des entrepôts.

Conclusion

Les données IoT sont une opportunité passionnante, mais leurs avantages ne peuvent être réalisés qu'avec une stratégie de préparation des données appropriée en place. Les organisations doivent équiper leur équipe de plates-formes de préparation de données capables de gérer le volume et la complexité des données IoT, ainsi que de comprendre comment ces données peuvent et seront jointes à d'autres sources au sein de l'organisation. En adoptant des solutions intelligentes de préparation des données, l'univers de l'IoT et du big data ne submerge plus. Les données des capteurs deviennent la clé de l'innovation, et non un obstacle.

L'auteur est Sean Kandel, CTO et co-fondateur, Trifacta.


Technologie de l'Internet des objets

  1. IoT :préparer notre future main-d'œuvre
  2. Internet des objets :gérer l'afflux de données
  3. Les défis de sécurité des réseaux de communication de nouvelle génération
  4. Explorer les cinq principaux défis de l'IoT à travers les 5 C - Partie 1
  5. Démocratiser l'IoT
  6. Maximiser la valeur des données IoT
  7. Défis liés à la sélection du bon fournisseur de développement IoT
  8. Principales plateformes d'analyse de données IoT
  9. 3 avantages surprenants du cloud dans l'IoT