2023年物联网分析的4大趋势

人工智能(AI)、流分析和机器学习(ML)等高级分析与物联网技术和传感器相结合，可以帮助为智能工厂、电网基础设施甚至城市提供动力。但是2023年将会给这个重要领域带来什么呢?《物联网世界》今天采访了分析公司SAS的副总裁Jason Mann，讨论了这项技术的兴起以及预计将出现的趋势。

物联网中分析的兴起

根据未来一年物联网分析将出现四大趋势:低代码和无代码自动机器学习(AutoML)的兴起，增强型数字孪生技术，计算机视觉(CV)的工业应用，以及边缘和云之间的界限变得模糊。这些趋势并不标志着与前几年的背离，而是疫情之后市场轨迹的延续。

具体来说，在2023年，通过低代码和无代码AutoML，将有更多的工业化人工智能可用，这些模型通过自助服务市场提供，并有可能通过定制和部署的打包服务得到增强。

2023年，我们还将看到更多专门针对能源、基础设施优化和工业制造领域的特定用例而构建的数字孪生应用。预计组织也将越来越多地采用CV和其他人工智能技术，利用这些技术的行业种类将扩展到IT员工和数据科学家的更多利基用例之外。据曼恩称，CV计划将专注于“产量提高、运营效率和安全性”边缘计算将成为云计算的延伸。工作负载将智能地分布在混合环境中。这将意味着在2023年更快地在边缘采用物联网分析，以在源头增强决策。

低代码，无代码

我们将继续看到物联网计划在各行业的广泛采用。这一领域的发展势头已经持续了相当一段时间。如果回顾三、四年前，人们真正关注的是概念验证的想法，但现在我们的客户正在从这些POC转向更可持续和长期的概念。

在过去的一年中，我们看到一些组织希望测试物联网和分析项目，并证明它们可以继续创造价值。这不一定是我们从去年到明年将会看到的转变，而是随着客户开始看到他们的项目的巨大回报，从狭隘的概念证明到更广泛的采用的转变。

现在似乎很难想象分析不是每个物联网用例不可或缺的一部分的时代，但是，随着围绕它的系统变得更容易理解和更广泛部署，几年来已经发生了逐渐的转变。低代码无代码分析的兴起是可访问性上升的主要驱动力。

低代码无代码分析的大目标是让任何人都能够将数据转化为见解。“低代码、无代码环境正在向不具备大量数据科学家技能的公司开放，制造业是真正采用物联网和分析的行业之一。分析和数据不再只是白领和蓝领工人的领域，而是开始被供应链上的所有人使用。

数字双胞胎

传感器的激增也意味着在数字环境中表现系统变得越来越简单，这导致了增强数字孪生技术的下一个预测趋势。

一旦你能够在数字世界中准确地复制真实世界的系统，你就可以开始利用变量来优化物理元素，而不影响日常运营。现在，您可以开始创建您的基础设施的数字双胞胎，并开始移动这些杠杆来预测供应链的任何部分是否存在问题，并且您可以在问题发生之前采取措施来解决它。

过去，大多数分析程序都需要访问大量数据，通过网络移动数据，并将其放入一致的环境中。然后是创建算法的过程，这些算法查看数据并生成洞察，然后分发这些洞察以供消费。

七八年前，分析的使用扩展到了物联网。这实际上更多的是关于生态系统的扩展，而不是一个完整的转变。过去，大多数分析程序都需要访问大量数据，通过网络传输数据，并将其放入一致的环境中。然后是创建算法的过程，这些算法查看数据并生成洞察，然后分发给消费者。七八年前，传感器技术的变革重塑了这一格局。更便宜、更强大的传感器变得越来越普遍，它们的部署有助于将决策带到数据的源头——在边缘，在传感器，使用强大的分析功能实时传输数据。计算机视觉的工业应用。

许多人认为CV是对象检测。“但这是一个我们看到大量增长的领域，它有着广泛的应用。您可以使用它来确定需要监控的区域，并设置警报来警告操作人员发生了问题，并且随着时间的推移，确定他们可以通过培训纠正的问题区域。”

这项技术的一个巨大优势当然是预测性维护，允许操作员识别和解决特别容易发生事故或问题的区域，尽管Mann强调这只是用例中的冰山一角。

我们经常看到比预测性维护更广泛的应用。通常是实时操作缺陷检测。CV的最大好处是它通常不是一种置换技术。你不需要部署大量的传感器或改变系统或设备，它可以像部署摄像机一样简单。这是一种低影响的措施，可以极大地提高预测性维护或安全的质量，我认为这就是为什么它开始获得良好的采用。

模糊边缘和云之间的界限

过去，内部或云计算与边缘计算之间有一条清晰的界限。边缘是提供云外分布式设备的网络公司的领域。在过去的12到18个月中，随着组织将边缘分析以及由此产生的决策越来越靠近数据源，云基础架构上的边缘计算趋势加速发展。

这种从云到内部部署的转变引发了混合环境的出现。

我们的目标不是成为一种替代技术，而是一种增值能力。我们所有的展示或消费方式都是基于这个前提。我认为我们看到的所有项目的一致路线是界定问题范围的好处，能够针对具体的结果这就是我们看到公司在使用分析技术方面表现出色的地方，而不仅仅是机器学习或物联网。但我认为这是所有人在最短时间内取得最大成功的一个方向。