هیچ محصولی در سبدخرید نیست.
اینترنت اشیا به صنعت حمل و نقل و لجستیک دید لازم برای بهبود کارایی و ایمنی را می دهد. با این حال، مانند هر فناوری دیگری، تصمیمات استقرار اینترنت اشیا باید بر اساس تجزیه و تحلیل هزینه و فایده باشد. این شامل تصمیم گیری در مورد اینکه کدام نوع تجزیه و تحلیل باید در کامپیوترها یا در فضای ابری باشد.
حسگرها در استقرار اینترنت اشیا می‌توانند مجموعه‌ای از داده‌ها را تولید کنند و این داده‌ها باید به جایی بروند تا تجزیه و تحلیل شوند. “شما می توانید داده ها را به یک نمونه ابری یا یک مرکز داده متمرکز در محل ارسال کنید، اما این نیاز به انتقال داده دارد، و وقتی به صنعت حمل و نقل نگاه می کنید، مناطق زیادی وجود دارد که انتقال داده از طریق تلفن همراه یا ماهواره تبدیل می شود. شان رایلی، مدیر صنعت جهانی برای تولید و حمل و نقل در Software AG توضیح داد که بسیار گران است یا اتصال وجود ندارد.
اتصال یک مشکل سیاه و سفید بسیار است – یا آن را دارید یا ندارید. هزینه کمی متفاوت تر است. سازمان ها باید در نظر بگیرند که دستگاه هایشان چه مقدار داده تولید می کند.
«اگر دستگاه‌ها اطلاعات اضافی ارسال می‌کنند، ارسال مداوم آن به ابر منطقی نیست. سونیل ساستری، مدیر مدیریت محصول در SOTI گفت: این صورت حساب تلفن همراه شما را می خورد. «این چالش کلی با اینترنت اشیا است. اگر به سطح جهانی نگاه کنید، ما در حال بررسی 75 میلیارد نقطه پایانی تا سال 2025 هستیم که چیزی در حدود 163 زتابایت داده ذخیره شده ایجاد خواهد کرد. برای سازمان‌ها بسیار مهم است که آن را مهار کنند تا هزینه‌هایی را برای ذخیره و انتقال آن داده‌ها متحمل نشوند.»
کامپیوترها می تواند به کاهش برخی از این هزینه ها کمک کند، چه مورد استفاده نظارت بر دمای محموله برای حفظ یکپارچگی زنجیره سرد، ارزیابی فضای بار برای به حداقل رساندن حمل و نقل فضای مرده، یا تشخیص ساییدگی و پارگی خودرو برای بهبود تعمیر و نگهداری کامیون باشد. .
هنگام تجزیه و تحلیل داده ها در کامپیوترهای معمولی هنوز باید بر مشکلات غلبه کرد. چه این دروازه در حال اجرای قوانین آستانه ساده باشد یا یک مدل پیش بینی، سازمان ها به راهی برای استقرار و مدیریت تجزیه و تحلیل نیاز دارند. رایلی گفت: “برای اینکه بتوانید بدون تبدیل شدن به یک کار دشوار، این کار را انجام دهید، باید بتوانید از راه دور به دروازه دسترسی داشته باشید و همچنین آن مدل ها را به روشی ساختاریافته و خودکار اجرا کنید.” «استقرار بسیاری از مدل‌های پیش‌بینی‌کننده بدون اتوماسیون، کاری دشوار است که به کارکنان اختصاصی نیاز دارد.» او گفت که برای یک ارائه دهنده منطقه ای با 150 تا 250 دارایی حمل و نقل، فقدان اتوماسیون می تواند معادله هزینه-فایده را در جهت نامطلوبی قرار دهد.
رفتن به سمت فضای ابری
فقط به این دلیل که یک مورد استفاده از کامپیوتر ها استفاده می کند، به این معنی نیست که ابر از تصویر خارج است. به گفته رایلی، ارسال داده‌ها به کامپیوتر ، انتقال داده به ابر را تا 99.8 درصد کاهش می‌دهد و سازمان‌ها را قادر می‌سازد تا از نظر اقتصادی از ابر برای موارد استفاده پیشرفته‌تر استفاده کنند.
هنگامی که از کامپیوتر استفاده می کنید، همیشه از ابر یا یک مرکز داده مرکزی اولیه استفاده می کنید. شما می‌خواهید تمام داده‌هایی را که روی دستگاه کامپیوتر است در اختیار داشته باشید، زیرا مدل‌های پیش‌بینی‌کننده مراقبت و تغذیه هستند و باید در طول زمان به دلیل اصلاح آنها یا تغییر در پارامترهای عملیاتی قطعات تجهیزاتی تغییر کنند. در حال استفاده هستند. شما می خواهید آن داده ها را به دست آورید تا بتوانید آن پارامترها را تغییر دهید یا تجزیه و تحلیل تجویزی انجام دهید.
ابر کارایی مقیاس و همچنین قابلیت های پیشرفته مورد نیاز برای انجام این وظایف را ارائه می دهد. “قابلیت های بسیار بهتری برای استخراج بینش از داده های موجود در فضای ابری وجود دارد. بسیاری از یادگیری ماشینی امروزه در فضای ابری انجام می شود و تمام آموزش ها در فضای ابری انجام می شود.
بسیاری از سازمان‌ها حجم زیادی از کار تجاری را به فضای ابری منتقل می‌کنند، زیرا رایانش ابری به ابزاری برای آن سازمان‌ها تبدیل می‌شود تا حجم وسیعی از داده‌ها را تجزیه و تحلیل کنند، بینش‌هایی را از داده‌ها جمع‌آوری کنند، نوعی یادگیری ماشینی انجام دهند و بر اساس آن داده‌ها عمل کنند و به آنها ارسال کنند. دستگاه ها یا برنامه های مرتبطی که سازمان از آنها استفاده می کند. بنابراین، محاسبات ابری نقش مهمی در کسب حداکثر سود سازمان‌ها از اینترنت اشیا بازی می‌کند.
پایان .
لینک منبع : https://www.iotworldtoday.com/2019/08/09/iot-in-logistics-edge-vs-cloud-computing-analytics