Har de seneste år oplevet en markant stigning indenfor interessen for IOT og Big Data* , og de 2 ting går hånd i hånd, for det er jo ikke særlig sjovt at samle en masse data op, for så bare at smide dem væk / smide dem i en stor bunke. Men bunken af data er dog en god start 🙂
Grunden til at jeg skriver dette indlæg er, at vi er i fasen, hvor mange taler om IOT, men ingen rigtig hvad hvad det er…og hvad man skal bruge det til. Dette passer naturligvis ikke, der er massevis af virksomheder som har brugt IOT i massevis af år (vindmøller som det klassiske eksempel, der sender massevis af data omkring vind, temperatur og produktion osv. osv.).
Når jeg taler om IOT så er det mere fordi at, det er blevet tilgængeligt for ganske almindelige dødelige små og mellemstore virksomheder, hvor man før skulle bruge en proprietær leverandør af noget special udstyr (meget dyrt) for at komme i mål. Nu kan man “bare” købe de enkelt dele der skal til for at samle de data man gerne vil, og analysere data nærmere.
Lad mig komme med nogle eksempler:
- Temperatur
- Luftfugtighed
- Co2 niveau
- VOC (Lugt), Volatile Organic Compounds
- Vibration
- Støj niveau
- Billed analyse
- Afstand (ultralyds afstandmålere)
- osv osv.
Grundforudsætningen for tilgængeligheden er at “Skyen” er blevet moden i mellemtiden. Det er blevet meget nemt at sende disse data til skyen, analysere dem, og agere på dem. Det er det, der i min verden er big data.
I Microsoft Azure kan man bruge f.eks. “Azure Streaming Analytics” til at analysere data nærmere og gemme dem i et brugbart format til rapportering / alerts mv.
Seneste projekt jeg har var involveret i, gik ud på at samle data fra Møde lokaler, primært PIR (bevægelses sensorer) ,Co2 og VOC niveau, sende disse data til Azure IOT Hub. IOT Hub gemte data i rå form, Azure streaming Analytics abonnerede også på de data der kom ind ude fra Lokalerne, og her kommer det smarte så:
- Co2 og VOC Niveau kan bruges til at afgøre hvor mange mennesker der i et lokale (ikke præcist på nogen måde i starten, men det kan man lære modellen over tid, til at blive bedre til at gætte)
- PIR sensor input kombineret med andre sensorer kan gøre sådan at lyset ikke slukker selvom der er mennesker tilstede i lokalet, og dermed ikke melde lokalet ledigt fejlagtigt.
Men det helt smarte kommer ligeså snart at man har data gemt:
- Hvor belagte er lokalerne i virkeligheden (holdt sammen med Outlook bookninger evt.)
- Det bliver nemt at lave forretnings applikationer, hvad med en app der kan pege dig i retning af det nærmeste ledige mødelokale (ikke bare det der er ledigt i Outlook, men ægte ledigt)
- Når først man har data gemt over tid, bliver optimerings mulighederne mange flere.
*
læs big data, som analyse af data strømme, ex. temepratur hvert sekund fra 100.000 sensorer, her bliver en alm on prem SQL server hurtigt udfordret på en anden måde, end normale applikationer. Her er der typisk brug for et andet tankesæt end det klassiske.
Mvh. Morten Moos
