Разработка адаптивного метода сбора динамических данных с устройств Интернета Вещей

Интернет Вещей является важнейшим представителем Индустрии 4.0. Находясь на «пике завышенных ожиданий», он тем не менее активно внедряется на различных предприятиях. PricewaterhouseCoopers оценивает рост емкости мирового рынка IoT-решений до 1,2 трлн долларов к 2020 году и кумулятивный эффект от внедрения технологии в России в 2,8 трлн рублей к 2025 году. Причина такого ажиотажа – возможности технологии и широкий спектр ее применения. Увеличение сфер применения IoT ведет к увеличению устройств и связности между ними, что в свою очередь ведет к увеличению объемов данных. Предприятия, стремясь извлечь максимальную отдачу от использования технологий при автоматизации, накапливают данные, которые впоследствии могут быть использованы для анализа, и, в свою очередь, оптимизации процессов. Анализируя данные и находя скрытые закономерности, появляется возможность гибко планировать дальнейшие шаги и, как следствие, за счет оптимизации процессов и планирования сокращать издержки и максимизировать полезность и отдачу. Внедрение технологии Интернета Вещей позволяет добавить дополнительную ценность не только за счет повышения автоматизации процессов, но и за счет сбора информации, пригодной для дальнейшего анализа. Однако, существует ряд проблем, препятствующих получению этой выгоды. В первую очередь, не все организации используют получаемые метаданные с устройств Интернета Вещей, хотя их использование позволило бы оперативнее реагировать на изменения, становясь, тем самым более гибкой. Кроме того, не всегда собирается достаточное для принятия решения количество этих данных, что является следствием ограниченности ресурсов устройств сети. Более того, данные иногда бывают слишком разнородны для того, чтобы сопоставляться друг с другом и давать какой-либо репрезентативный результат. Данная работа ставит своей целью предложить решение указанным выше проблемам путем создания адаптивного метода сбора динамических данных.