fbpx

Thế hệ phân tích phát trực tuyến mới cho 1 thế giới kết nối

phân tích phát trực tuyến 1

Chúng ta đang sống trong một thế giới của các thiết bị được kết nối. Từ đồng hồ trên cổ tay đến chuông cửa bên ngoài nhà của chúng ta – các thiết bị IoT ở khắp mọi nơi. Theo các nghiên cứu gần đây, ước tính sẽ có hơn 24 tỷ thiết bị IoT trong vòng bốn năm tới và với sự phong phú của các thiết bị này, sẽ có một lượng dữ liệu dồi dào. Làm thế nào các hệ thống phân tích cần quản lý các thiết bị này có thể theo dõi và phân tích hàng tỷ thông điệp đo từ xa của chúng và phản hồi đủ nhanh với các vấn đề mới xuất hiện?

Ví dụ: hãy tưởng tượng một ứng dụng chăm sóc sức khỏe theo dõi hàng nghìn bệnh nhân thông qua đồng hồ thông minh. Ứng dụng này cần phân tích dữ liệu chảy vào từ mỗi đồng hồ thông minh và khớp dữ liệu đó với tình trạng và lịch sử y tế của bệnh nhân tương ứng để phân tích. Nếu nó sẽ phát hiện các vấn đề y tế mới nổi, phân loại mức độ khẩn cấp của chúng và phản hồi trong vài giây, nó phải có thể liên tục phân tích phép đo từ xa ngay khi nó đến. Các công nghệ phần mềm hiện tại chỉ ghi dữ liệu đến để truy vấn hoặc phân tích ngoại tuyến không thể phản ứng đủ nhanh để đưa ra quyết định chủ động trong thời điểm này cho bệnh nhân.

Làm phức tạp thêm thách thức này là khó khăn trong việc viết các thuật toán phân tích để truyền dữ liệu theo dõi các phép đo động của các hệ thống vật lý. Dữ liệu cảm biến, chẳng hạn như dữ liệu EKG từ máy theo dõi tim hoặc dữ liệu nhiệt độ / áp suất / RPM từ động cơ và máy nén khí, thường có dạng sóng phức tạp che giấu các mẫu mô tả các vấn đề mới xuất hiện cần chú ý.

Công nghệ phần mềm mới hứa hẹn sẽ giải quyết những thách thức này và cho phép phân tích phát trực tuyến để theo dõi số lượng lớn các thiết bị IoT một cách nhanh chóng và hiệu quả. Công nghệ này kết hợp sức mạnh của tính toán trong bộ nhớ với mô hình phần mềm song sinh kỹ thuật số để cho phép phân tích đo từ xa đến từ hàng triệu thiết bị ngay lập tức – khi nó đi vào – thay vì yêu cầu tệp nhật ký hoặc cơ sở dữ liệu lịch sử và phân tích ngoại tuyến. Nó có thể ngay lập tức báo hiệu các sự kiện bất thường và gửi cảnh báo cho nhân viên.

Các nền tảng điện toán trong bộ nhớ tận dụng sức mạnh tính toán kết hợp của nhiều máy chủ dựa trên đám mây hoặc tại chỗ làm việc cùng nhau để lưu trữ thông tin về từng thiết bị IoT trong bộ nhớ để truy cập nhanh. Họ kết hợp thông tin này với phép đo từ xa để cập nhật kiến ​​thức về tình trạng của từng thiết bị. Tính toán trong bộ nhớ có thể thực hiện tất cả những điều này trong mili giây bằng cách sử dụng mô hình đôi kỹ thuật số, một kỹ thuật phần mềm ban đầu được tạo ra để xây dựng và đánh giá các thiết bị mới. Khi được sử dụng để phân tích trực tuyến, một bộ đôi kỹ thuật số cho mỗi thiết bị giữ thông tin về thiết bị và xử lý phép đo từ xa đến. Điều này vừa đơn giản hóa việc thiết kế mã phân tích vừa cho phép nó chạy nhanh.

Mặc dù mã phân tích thường được tạo bằng các ngôn ngữ lập trình phổ biến, chẳng hạn như Java và C #, nhưng việc tạo ra các thuật toán phát hiện ra các vấn đề mới nổi ẩn trong luồng đo từ xa có thể gây khó khăn hoặc tối thiểu là phức tạp. Trong nhiều trường hợp, bản thân thuật toán có thể không xác định vì các quy trình cơ bản dẫn đến sự bất thường và cuối cùng là lỗi thiết bị không được hiểu rõ. Các thuật toán máy học (ML) có thể giúp giải quyết vấn đề này bằng cách tự động nhận dạng các mẫu bất thường trong thông báo đo từ xa của thiết bị và thông tin trạng thái liên quan mà con người khó phát hiện. Sau khi đào tạo về dữ liệu lịch sử đã được phân loại là bình thường và bất thường, tiếp theo là thử nghiệm và sàng lọc, thuật toán ML sau đó có thể theo dõi thông tin động này và cảnh báo cho nhân viên khi quan sát thấy hành vi bất thường nghi ngờ. Không cần mã hóa phân tích thủ công.

Các mô hình đôi kỹ thuật số rất phù hợp để lưu trữ các thuật toán ML và chạy chúng riêng biệt cho từng thiết bị IoT. Khi được lưu trữ trên nền tảng điện toán trong bộ nhớ, các cặp song sinh kỹ thuật số có thể liên tục chạy các thuật toán ML để xử lý phép đo từ xa cho một lượng lớn thiết bị. Ví dụ: một ứng dụng chăm sóc sức khỏe có thể sử dụng ML để theo dõi phép đo từ xa y tế từ đồng hồ thông minh của mỗi bệnh nhân và kết hợp nó với kiến ​​thức về bệnh sử của bệnh nhân để đưa ra quyết định nhanh chóng, sáng suốt về nhu cầu can thiệp.

Với tốc độ chuyển đổi kỹ thuật số nhanh chóng và việc tăng cường sử dụng các thiết bị IoT trên toàn ngành dọc, nhu cầu nâng cao nhận thức tình huống và đưa ra quyết định kịp thời đang gia tăng nhanh chóng. Các hệ thống phân tích truyền trực tuyến không còn có thể dựa vào các tệp nhật ký và phân tích ngoại tuyến để theo dõi khối lượng dữ liệu khổng lồ chảy vào từ dân số ngày càng tăng của các thiết bị IoT. May mắn thay, công nghệ phần mềm mới kết hợp điện toán trong bộ nhớ, cặp song sinh kỹ thuật số và ML mang lại tiềm năng cung cấp cho các nhà quản lý vận hành những hiểu biết sâu sắc hơn bao giờ hết về các luồng đo từ xa mà họ phải theo dõi hàng ngày.

Leave a Reply