工业物联网数据管理需求的关键考虑因素

随着各行业持续利用工业物联网（IIoT）应用，日益面临的问题是如何以及在哪里最好地处理和存储大量的IIoT数据。选择的范围有工业边缘计算、大型区域性企业，以及托管数据中心或云数据中心。

投资的规模将是一个重要的问题。麦肯锡公司（McKinsey&Company）估计，到2025年将有1750亿至2150亿美元的IIoT硬件投资，包括计算硬件、传感器、固件和存储设备。Gartner预测，到2025年，75%的企业生成数据将在边缘存储、处理、分析和操作。这是一个很大的数字，但仍有25%的数据需要在别处处理。

工厂工业边缘计算

这又回到了如何决定存储、处理和分析所有IIoT数据的最佳位置的问题。要回答这个问题，您需要研究有关数据的四个因素：数量、种类、价值和准确性。在此文中，我将解释每一个都是如何推动决策的。

数量：生成了多少数据

正在生成的数据量是首先要考虑的因素。IIoT环境生成大量不同数量的不同数据流。像温度、压力、时间和体积水平这样简单的事情产生的数据量相对较小；如果只是偶尔测量，而不是经常测量，则尤其如此。

另一方面，一个高速、高分辨率的摄像头可以监控制造车间的一个过程，以检测瓶颈或缺陷，它可能每秒产生千兆字节的数据。显然，与环境测量相比，这将有非常不同的网络、计算和存储需求。

多样性：不同种类的数据

IIoT应用程序涉及许多不同种类的数据。例如，并非所有的传感器数据都是与温度相关的低容量类型。即使是测量液体液位的传感器，在不同的应用中也可能有很大的不同。测量大罐中液体液位的传感器只能每隔10秒或更短时间取样一次，而为制药公司测量注射器液位的传感器则要经常进行测试。

同样地，摄像机也会因不同而有很大的不同。用于过程分析的摄像机可能以每秒10000帧的速度工作，而高清电视是每秒30帧。因此，根据相关应用程序的不同，数据类型可能会有很大的不同。

价值：相关性和你需要保存数据的时间

价值是确定您需要保留哪些数据以及保留多长时间。如果你测量温度作为一个制造过程的一部分，那么这个数据在这个过程完成后有什么价值吗？你有什么理由要把它留到今天、明天或明年之后？

一个例子是自动焊接过程，它包括一个摄像机捕捉实时图像，一个探头来听焊接过程发出的声音，以及温度和湿度传感器。得到的数据全部送到计算机进行分析和相应的调整，以得出最佳的焊缝。但是一旦焊接完成并通过了质量保证，你真的需要所有的数据来获得最佳的焊接吗？可能没有。

然而，在某些国家，出于合规性的目的，汽车制造商需要记录他们制造的每一道焊缝，并将其维护数十年，以防将来出现问题（恕我直言），他们需要追踪问题。因此，他们确实需要保存每个焊缝的一些数据，但可能不是所有的数据。当然，记录保留要求因行业而异，但对于识别和保留这些数据以实现风险管理和法规遵从性非常重要。

真实性：了解真相

最后要考虑的质量是数据的准确性，或者是否准确。在大多数巨大的数据流中，可能有一些数据表示异常值或不准确。

例如，设想一个测量物体直径的制造过程，也许是一个锡罐。在产生噪音的过程中，总会有振动，所以你最终得到的数据实际上代表了随机噪音，而不是你真正想要测量的。没有理由保留这些数据，因此您需要适当的参数来验证数据的质量并提取任何不相关的数据。在更大的数据集被运送到其他地方进行进一步处理之前，最有可能在边缘完成这项工作。

把它们放在一起

应该描绘出结果数据需要在哪里进行处理、存储、保护以及如何最好地传输它。

例如，自动焊接过程是实时进行的。为了进行必要的控制调整，应用程序需要低延迟。没有足够的时间将数据传送到某个云平台进行分析。分析必须在本地进行，例如，在工业边缘应用程序中。然而，汽车制造商需要长期保存的数据可能最好发送到区域数据中心或基于云的设施中存储。

除了延迟要求外，带宽成本也是一个因素。需要发送的数据越多，需要提供的带宽就越大。数据管道越大，对网络容量和基础设施的投资就越大。

有时，数据的巨大数量决定了最好先在本地处理，然后计划将这些数据的一个子集发送到区域或云设施进行额外处理。例如，流程自动化应用程序在本地处理实际运行流程所需的数据，而有关流程的数据（所需时间、质量保证结果、机器运行状况）被发送到基于云的分析应用程序，以优化流程并跟踪所涉机器的运行状况。根据实际的用例和前面提到的考虑，部署一个混合数据架构似乎是最有意义的。

在工业边缘计算、大型区域性企业或托管数据中心或云数据中心之间找到适当的平衡可能很困难。