传感器上的蠕虫:当IoT数据不好时会发生什么?
企业试图使用物联网已经面临着繁殖的数据和令人眼花缭乱的方式来分析它。但是如果信息错误会发生什么?
不良数据在IOT中很常见,虽然很难获得从连接的设备流中流入的信息量估计,但很多人都在思考这个问题。
GE Digital Predix软件业务副总裁Harel Kodesh说,大约40%的数据来自IoT网络的边缘是“虚假的”。其中大部分数据都没有出错,只是无用:员工意外地上传两次的重复信息,或者空闲机器自动发送的重复消息。
此外,在旧工业报告系统的顶部构建一个新的IOT平台可能会导致问题,因为旧版工具以自己的方式格式化数据,Kodesh表示。“你没有采取真实的元素数据,你正在拍照的翻译。”
但有时设备只是生成虚假或误导的东西。
测量错误的东西
例如,如果蠕虫在一个领域的温度和湿度传感器上爬行,农民将获得蠕虫的温暖和潮湿的阅读,这没有有助于运行农场。如果传感器覆盖有污垢或工厂污垢,或者如果它被破坏者损坏,那么也可以调整它产生的数据。
周围条件和较孤立的设备越令人满意,越差的坏数据问题可能是。除了农业外,产业和天然气和燃气和能量分布等行业。但它不仅仅是有问题的遥远传感器。即使在医院,血氧传感器夹在患者的手指上也可以开始给予不良数据,如果它被撞到错误的位置。
最重要的是,一些物联网设备自己出现故障,并开始淡化不良数据,或者根本停止报告。在许多其他情况下,人为错误是罪魁祸首:错误的设置弄乱了设备生成的内容。
减少错误数据的一种方法是确保齿轮设置正确。
John Deere用传感器装备其巨大的农场工具,检测机器是否正常工作。该公司的精确植物卷在拖拉机铺设在田间的拖拉机后面,每排作物组有三个传感器,以检测种植多少种子和速率。Lane Arthur表示,每年至少每年一次,在种植时间之前,农民或Deere经销商将手动校准这些传感器,所以Deere的数字解决方案总监Arthur表示,它们准确。
更好
但许多物联网传感器太难达到定期校准和维护。在这些情况下,冗余可能是答案,尽管它不是银弹。
在机器上的相同传感器的复制品,在矿井中或在场中产生更多的输入,这可以有所帮助。天气地下,IBM天气公司业务的一部分,部分地使用来自消费者的后院的未校准,低成本传感器的数据组成的报告。因为没有多少钱,他们给天气地下地下数据点,但质量是一个大问题。John Cohn为Watson IoT的IBM CORLIBER表示,一个传感器可能会发生故障并报告几英寸的雨,而在其旁边感觉到。
“伟大的事情是,如果你有足够的这些传感器的密度,你可以......数学地找到一个需要工作的异常值和原因,”科恩说。
公司还可以使用不同的传感器,尤其是摄像机,检查可能遇到遇到问题的传感器。Doug Bellin(Cisco Systems)的高级经理Doug Bellin表示,相机与图像分析软件相结合,可以检测远程设备是否已弄脏,损坏或破坏,董事会高级经理。有时安全摄像机已经有其他东西可以做这项工作。
一种用于验证彼此的不同类型传感器的技术称为传感器融合。它重量来自两个或更多传感器的输入来得出结论。
IoT软件公司实时创新(RTI)总裁兼首席执行官Stan Schneider表示,传感器融合现已在医院实施。例如,每当患者手指上的血氧传感器显示低氧气时,传感器融合系统都会持续比较与患者的其他传感器的血液融合,如呼吸和心率监测器中的那些。
幻影传感器
其他来源也可以用于传感器,即使是不再存在。Kodesh表示,GE测试出于废气温度的工厂的每个喷气发动机,这是一种反映其效率的P.GE将一个传感器放在排气的路径中,即使它将在几分钟后总是烧伤。同时,发动机周围的更安全斑点的传感器同时收集数据,并通过将它们的读数与记录在被销毁之前的注册设备的读数进行比较,GE可以将直接传感器作为虚拟函数重新创建。
来自多个信息流的绘制结论将数据质量问题带到机器学习领域。IBM的Cohn说,这就是最有趣的东西。
例如,IBM使用其Watson Analytics平台来了解爱尔兰IBM设施的能源使用。如果空调符说,沃森不仅可以致差异,但总功率绘制太高,而且随着时间的推移,随着时间的推移,它可以学会识别空调当空调吸引力的特定方式来了。有了这个知识,一个系统说它不在的系统可以被抓住红牌。
作为检查错误数据的检查,机器学习需要时间来加速,与添加的传感器或相机不同。
“它越来越聪明,它越多。它第一次运行时,我不会相信它,“思科的贝林斯说。“它运行的千分之一,它就是......可能比我更聪明。”
IOT系统越重要,越重要的是处理坏数据。例如,传感器融合是患者健康和导弹检测等事情所必需的,因为当赌注很高时,可靠性是一个大问题,RTI的施奈德说。
但他说,某些形式的IOT可能会通过多种数据来源获得。“你在你家的恒温器中不需要那种。”