隨著智能傳感器和其他物聯(lián)網(wǎng)設備逐漸普及，所收集的數(shù)據(jù)質(zhì)量至關重要。然而，這些數(shù)據(jù)通常受到環(huán)境、人為錯誤和黑客的影響。

智能設備和傳感器的價值在于其收集的數(shù)據(jù)，但這些設備通常存在于惡劣的環(huán)境中，需要正確配置才能運行，并且經(jīng)常被黑客利用。

當傳感器數(shù)據(jù)錯誤或者沒有按預期時會發(fā)生什么?

請考慮以下幾點：

研究發(fā)現(xiàn)，無線網(wǎng)絡和物聯(lián)網(wǎng)(IoT)設備的電子噪音“可能導致網(wǎng)絡性能不佳甚至應用程序故障”。該研究發(fā)現(xiàn)在先進的實驗數(shù)字化工廠就有這樣的情況。

很多工業(yè)和企業(yè)IoT設備具有可被黑客利用的大量安全漏洞，包括遠程電源管理器。IoT醫(yī)療設備風險更大，很多被黑客入侵。

美國德克薩斯州一家煉油廠發(fā)生爆炸，造成15人死亡，180人受傷，據(jù)估計，這部分是由于設備不正確校準提供錯誤讀取數(shù)據(jù)導致。

下面我們將探討從IoT設備收集準備數(shù)據(jù)所面臨的挑戰(zhàn)。我們采訪了一些技術專家，不準確的物聯(lián)網(wǎng)數(shù)據(jù)是否是問題，如果是這樣，嚴重程度如何，主要原因是什么以及如何處理這些問題。我們還詢問了這些專家如何提高數(shù)據(jù)質(zhì)量的建議。

問題范圍

環(huán)境因素和惡劣環(huán)境可能會使傳感器收集的數(shù)據(jù)出現(xiàn)偏差。“從我的經(jīng)驗來看，任何大型復雜IoT系統(tǒng)的數(shù)據(jù)都不能完全相信，”IoT集成商Bright Wolf公司銷售工程師Eddie Gotherman表示，“如果你有成千上萬的設備和傳感器，肯定會有一些壞數(shù)據(jù)和噪音。”

這些設備和傳感器的高密度以及無線網(wǎng)絡可能會產(chǎn)生非常大的干擾和噪音，導致難以準確記錄數(shù)據(jù)。

傳感器和IoT設備還會隨著時間的推移而老化，這是導致問題IoT數(shù)據(jù)的另一個主要原因。

咨詢公司 Moor Insights & Strategy網(wǎng)絡和服務器高級分析師John Fruehe表示，傳感器和設備并不總是主要責備對象。外部因素也可能導致良好的傳感器記錄和傳輸不好的數(shù)據(jù)。

“讓我們看一個簡單的例子：企業(yè)使用IoT傳感器來控制其空調(diào)系統(tǒng)，”他表示，“該傳感器測量空氣溫度，然后響應調(diào)整空調(diào)溫度。如果有人移動書架并覆蓋了傳感器，這可能導致會議室太冷，因為傳感器比周圍房間溫度更高。如果你只看傳感器傳入的數(shù)據(jù)，你會認為傳感器壞了，因為其數(shù)據(jù)并不符合房間的整體溫度。但當你檢查環(huán)境時，你會看到傳感器及其數(shù)據(jù)沒有問題，而是周圍環(huán)境導致的問題。”

根據(jù)網(wǎng)絡安全公司Indegy市場戰(zhàn)略副總裁Dana Tamir表示，人為錯誤是糟糕IoT數(shù)據(jù)的最常見原因。

“在很多情況下，人們對設備進行更改，導致不正確的設置，而產(chǎn)生不好的數(shù)據(jù)，”Tamir稱，“通常情況下，這些設備很舊，沒有內(nèi)置安全設備，沒有辦法限制人們的更改，也沒有辦法跟蹤他們做了什么。這使得非常難以了解數(shù)據(jù)什么時候變壞以及什么導致的問題。”

當黑客攻擊時

IoT設備和數(shù)據(jù)遭受攻擊的問題幾乎出現(xiàn)在“我參加的所有工業(yè)IoT會議中，”Aruba公司戰(zhàn)略合作伙伴副總裁Michael Tennefoss稱，“人們想要知道，當我的傳感器被攻擊會怎么樣?”

攻擊者經(jīng)常會利用IoT設備和傳感器中固有的漏洞。由于設計這些設備的工程師“并不是網(wǎng)絡安全專家，也就是為什么有這么多IoT安全泄露事故的原因，”Tennefoss指出，基本安全功能缺失，很多舊系統(tǒng)沒有安全功能。

在很多情況下，企業(yè)不知道其IoT設備被攻擊，因為他們在工作時間正常運行，攻擊者非常聰明地在休息時間滲透網(wǎng)絡并竊取生產(chǎn)數(shù)據(jù)。

壞數(shù)據(jù)的后果

工業(yè)數(shù)據(jù)泄露事故可能會造成嚴重甚至危及生命的后果。“當工業(yè)系統(tǒng)的數(shù)據(jù)或設備受感染時，造成的影響比信息系統(tǒng)受攻擊大得多，”Tamir稱，“對于工業(yè)系統(tǒng)，我們不是談論數(shù)據(jù)、數(shù)字和金錢，而是可能導致輕微中斷到重大災難的物理系統(tǒng)。對控制系統(tǒng)的攻擊或未經(jīng)授權更改可能會導致有害物質(zhì)溢出或者爆炸，死亡。”

風險和報酬

企業(yè)應該做些什么來緩解不良IoT數(shù)據(jù)帶來的風險?首先，他們需要知道不良數(shù)據(jù)的存在，而這并不容易。RTI公司產(chǎn)品和市場副總裁David Barnett以風力渦輪機中測量震動的加速度計為例。如果加速度計報告振動的突然變化，這可能標志著以下兩種情況之一：加速度計故障，或者渦輪機損壞或即將故障。工程師如何確定哪種情況?

工程師可盡可能多地關聯(lián)單個傳感器或傳感器組的數(shù)據(jù)與其他傳感器和數(shù)據(jù)源。在風力發(fā)電機的例子中，如果你將單個加速度計的數(shù)據(jù)與渦輪機其他加速度計的數(shù)據(jù)相關聯(lián)，以及其他信息(例如渦輪機的輸出)，你很快可以確定傳感器數(shù)據(jù)是否有問題以及這是否表明渦輪機即將出現(xiàn)故障。

如果功率輸出沒有變化，加速度計報告的信息與其他傳感器不同，這說明加速度計及其數(shù)據(jù)有問題。但如果加速度計數(shù)據(jù)與其他數(shù)據(jù)一致，功率輸出下降，則問題出在渦輪機，而不是傳感器。

Marx補充說，為了確定數(shù)據(jù)是好是壞，企業(yè)應該為“正常”IoT設備和數(shù)據(jù)創(chuàng)建基準。這說起來容易做起來難，因為正常的標準通常會隨著環(huán)境變化以及一年的時間而變化。

企業(yè)應首先建議一般的基準線，然后在其模型中構(gòu)建正常的變量。

Moor Insights & Strategy的Fruehe補充說，企業(yè)應將其傳感器及IoT數(shù)據(jù)與盡可能廣泛的信息來源相關聯(lián)。例如，制造商應密切監(jiān)控其供電，特別是如果使用機器人。供電情況的波動可能導致一毫秒或更長的延遲，這可能聽起來不多，但足以導致汽車不完美的焊縫。

同樣地，在芯片制造廠或制造醫(yī)療設備的工廠，必須密切測量空氣過濾器和空氣質(zhì)量，因為單?；覊m可能導致制造故障。

另一個考慮因素是IoT數(shù)據(jù)有各種不同的格式，這意味著數(shù)據(jù)需要被整理成通用格式，所以需要了解IoT數(shù)據(jù)的來源--它來自哪里，如何清理數(shù)據(jù)以及誰進行清理。這是確定數(shù)據(jù)好壞的唯一方法。

最后，Tennefoss建議當企業(yè)通過物聯(lián)網(wǎng)數(shù)據(jù)對潛在問題進行排查時，不要采用一刀切的方法。企業(yè)應該區(qū)分設備導致的數(shù)據(jù)問題或傳感器故障，以及不可用數(shù)據(jù)、損壞數(shù)據(jù)與惡意數(shù)據(jù)。只有以這種方式明確問題原因，才能解決問題。

為什么自動化重要

人類不可能手動編譯、對比和分析海量IoT數(shù)據(jù)，企業(yè)越來越多地使用機器學習來標記異常數(shù)據(jù)和行為。

“通過機器學習，你可以更容易地了解什么是正常數(shù)據(jù)以及什么是異常數(shù)據(jù)，”Tennefoss稱，“當你需要分析上下文數(shù)據(jù)時機器學習也非常好用，例如時間或位置。”

IoT數(shù)據(jù)可幫助提高質(zhì)量、效率和生產(chǎn)力。“所有這些新數(shù)據(jù)改變了人們對運行工廠的看法，”Marx稱，“在某種程度上，我們現(xiàn)在都變成了數(shù)據(jù)科學家，無論職位是什么。但你所做出的決定取決于你擁有的數(shù)據(jù)，所以最重要的是選擇合適的系統(tǒng)來確保IoT數(shù)據(jù)的可信度。”

IoT設備及其收集的數(shù)據(jù)：領導者的經(jīng)驗教訓

IoT數(shù)據(jù)可生成有價值的見解，幫助制造商提高質(zhì)量、效率和生產(chǎn)率

為了發(fā)現(xiàn)有問題的設備和數(shù)據(jù)，企業(yè)必須為“正常”IoT性能設定基準，但這說起來容易做起來難。

IoT數(shù)據(jù)有不同的格式，企業(yè)必須了解其來源、它如何被整理以及由誰來處理。