阻碍工业物联网发展的4个工业物联网数据误解

误解1:工业物联网不需要独特的或新的数据库需求

确实如此。物联网分析师,包括那些在Gartner，指出物联网在数据量、数据和查询复杂性以及集成方面提出了全新的挑战。在现实中，以独立模式工作的机器和在联网工业物联网远程监控系统中工作的机器之间的区别是明显的。不幸的是，一些组织正在犯错误，试图基于现有的传统数据库(如Microsoft SQL Server、Oracle等)实现工业物联网基础设施。除了价格昂贵之外，这些数据库在技术上通常无法满足因工业物联网成功必须处理大量数据而增加的需求。虽然传统的SQL数据库很容易使用，但它们不是用来实时查询机器数据流的。

误解＃2：IIT实现需要NoSQL数据库

甚至数据库专家甚至经常假设 - 错误地 - 将高卷的非结构化数据量达到不可避免NoSQL用例。NoSQL数据库确实非常适合支持复杂而灵活的查询，这要归功于其高效的可伸缩性和分布式架构。然而，NoSQL数据库的基础设施往往非常复杂，需要对其进行大量的规划、操作和管理。同时，在工业实践中，几乎总是需要存储关系数据，包括拓扑、固件信息和ERP或文章数据。使用关系数据库和非关系数据库意味着两个不同的系统必须并行和同步地运行。另一个挑战是NoSQL数据库没有标准化的查询语言，它们都有自己的查询语言。要使用像Apache Cassandra、Elasticsearch或MongoDB这样的NoSQL数据库，也意味着要招募专业和有经验的程序员——如果你能找到的话，这是很昂贵的。避免这些挑战的另一种选择是用更新和更高级的基于SQL的系统取代纯NoSQL数据库，这些系统结合了对ANSI SQL的熟悉程度和NoSQL的可伸缩性和灵活性。

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，对敏捷流程的需求要求IIoT数据库在运行时适应或扩展数据模式。这意味着使用裸传感器数据、ERP数据、质量数据等来检查生产异常。例如，异常可能与某些工作有关，或由于来自某些供应商的特定原材料。

这种性质的数据模型变化通常需要团队完全重建其时间序列数据库，这是（有点讽刺地）耗时，更不用说非常昂贵。为解决此问题，许多企业将使用时间序列数据库与单独的关系数据库处理非时间序列数据。虽然此解决方案很快实现，但增长将迅速使数据库昂贵，并提高在同步中保持这些不同数据库中的所有数据的难度。

误区4:AI只能通过比你拥有的更好更清晰的数据来实现

IIOT开发人员有时会假设他们缺乏数据或数据卫生来设置成功的AI系统。可能是数据不足导致的情况可怜的ai控制自动化．

然而，担心数据不足自动意味着无法获得有用的结果，或将作出错误的决定，这是完全没有根据的。在实践中，大多数追求工业物联网的公司将建立实时数据存储，以优化——而不是取代——人工智能技术和机器学习的人类决策。

这里的一种实用方法是监控分析结果，然后在数据经过您的过程时逐步自动清理数据。试图彻底清理所有历史数据——从而推迟智能工业物联网系统的开发和实施，直到你的数据达到完美——将适得其反，因为留给你的AI系统的数据数量和深度太小，无法适当地向前发展。通常，最好的做法是简单地开始，收集原始数据并在此过程中开发用例。

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:

• 确保快速发展和数量值;
• 启用实时数据分析;
• 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。

如果企业能够认识到并超越上述误解，那么实现未来工业物联网应用和智能工厂的手段对企业来说是可行的。

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。