Как вещи производят большие данные? В чем отличие Индустрии 3.0 и Индустрии 4.0? Мы расскажем об этом и об интересных кейсах применения Big Data в Интернете вещей.

1. Кейсы применения Big Data
в Интернете вещей
Виктор Поляков,
генеральный директор Tibbo Systems

2. Вещи производят реально «большие» данные
• Устройства мира IoT – одни из самых активных генераторов
данных
• Промышленная установка обычно генерирует 2000-10000
сигналов в секунду, а предприятие – до 100 тысяч сигналов
в секунду, то есть до 10 миллиардов в день
• Сравните с количеством банковских транзакций или заявок
на оценку кредитных рисков
• Первой проблемой является хранение
• Озеро данных на основе IoT платформы – это комбинация
реляционных, NoSQL, key-value, графовых, кольцевых,
файловых и других типов СУБД
- 2 -

3. Аналитика в IoT
Аналитические модули, которые «ловят рыбу» (паттерны и
обоснования управленческих решений) в озере данных:
• Машинное обучение (предсказание, выявление аномалий,
классификация)
• Потоковая обработка данных (StreamSQL), корреляция и
поиск первопричины событий
• Выполнение what-if анализа
• Автоматизированная работа с многомерными кубами
(OLAP)
• Создание динамических моделей процессов и объектов –
цифровых двойников
- 2 -

4. Отличие Industry 3.0 от Industry 4.0
• Очевидный первый ответ – «принятие решений без участия
человека» – не является правильным
• Разница в подходе к данным
• Системы цифрового предприятия редко взаимодействуют
напрямую, вместо этого они анализируют опыт предыдущих
лет и оптимизируют свое поведение на основе озера
данных
• Технологическая шина – река, по которой данные текут в
озеро
• На данный момент практически любое предприятие может
получить экономический эффект от глубокой аналитики
• IoT сливается с Big Data и аналитикой
- 2 -

5. Примеры Big Data в IoT
• Технологическая шина и АСТУЭ в ТрансНефтьЭнерго: 40
серверов на пяти уровнях, около 2 млн каналов, сотни тысяч
сигналов в секунду
• Мониторинг исследовательского ядерно-нейтронного
реактора, Санкт-Петербургский Институт Ядерной Физики:
18000 тэгов, частота опроса 10 гц, сбор данных с шасси
реального времени National Instruments, лабораторный
анализ исходных данных (осциллограмм) без агрегации
• Мониторинг зон хранения урожая сахарной свеклы,
Русагро: прогнозные модели на основе данных с нескольких
тысяч датчиков, прогноза погоды и многих других
показателей
- 4 -

6. Примеры Big Data в IoT (продолжение)
• Мониторинг сети доступа крупного телекома: 500 000
единиц сетевого оборудование генерируют около 100 млн
событий в день, по итогам автоматической корреляции
остается около 10 000 событий значимых для операторов
• Система комплексной автоматизации морского порта Huelva
Port Authority в Испании: около 2 млн событий о погрузке,
разгрузке, смене зон хранения и изменении внутреннего
состояния контейнеров в день, получаемых с RFID
считывателей, сложная аналитика для оптимизации
логистических процессов
• Система мониторинга услуг электронного правительства
Казахстана: появление каждой заявки в каждой точке ИТ
инфраструктуры является отдельным объектом анализа
- 4 -

7. Спасибо за
внимание
Виктор Поляков,
victor@tibbo.com