Большинство людей, когда слышат об "Интернете вещей" думают о видеокамерах, подключенных к интернету, умных розетках и выключателях, термометрах и прочих говорящих колонках, однако существует индустриальный интернет вещей, который не на слуху, но который представляет собой большой пласт технологий.

Аграрные предприятия получают данные с разнообразных датчиков на полях и на фермах и, используя статистику продаж ритейла, принимают решения не только, как оптимизировать производственную цепочку, но и как подстраиваться под изменяющиеся факторы (засуха, урожайность и т.п.). Собирая метрики с нефтеперерабатывающего оборудования и с каждой заправочной станции, нефтяные компании собирают огромные массивы данных и с помощью алгоритмов машинного обучения понимают, как именно следует переработать нефть, чтобы конкретная бензозаправка получила необходимое количество бензина.

Сенсоры, которые предоставляют эту информацию, генерируют огромное количество данных, которое должно быть особым образом принято, обработано, проанализировано и сохранено для дальнейшего использования, все это в специфике выдерживания очень высоких нагрузок.

За последний год мы участвовали в нескольких проектах по разработке IIoT-систем и платформ обработки данных IIoT и хотим рассказать о том, как выглядят эти платформы, о специфике их построения, масштабирования и поддержки.

1. Практические применения индустриального интернета вещей - обзор.
2. Проблемы сбора и надежной обработки потоков данных от сенсоров.
3. Построение цифровых платформ обработки данных.
4. Принципы хранения потоковых данных IIoT.
5. Принципы анализа больших данных IIoT. Машинное обучение и искусственный интеллект.
6. Отказоустойчивость и катастрофоустойчивость систем обработки данных.
7. Практическое применение - примеры действующих архитектур, проблем и путей их решения.