讓物聯網觸地-從「邊際運算分析」著手
一個小小的感應器就能改變全世界？是的，只要三個步驟，就能顛覆產業發展、重塑你我生活樣貌。準備好，一起洞悉顛覆世界的物聯網應用了嗎？
作者: SAS台灣業務支援部資深顧問白文傑
原文刊登自:天下雜誌
在未來，運送蔬菜的紙箱可以感測到蔬果是否即將腐壞、街道上的感測器可以告訴駕駛人哪裡有停車位、數位電錶會主動通知屋主家裡發生用電狀況、百貨迎賓機器人會主動告知消費者他想購買的商品在哪裡，又為他提供最優惠價格組合、農田上的稻草人則會回報農耕品成長狀況，車廠主動通知車主車況及維修站備料狀況…等。
透過「感知(Sense)」、「瞭解(Understand)」與「行動(Act)」三步驟，上述的物聯網應用場景再也不是天方夜譚，而是真實發生在你我身邊的日常。
讓邊界設備智能化，方可助物聯網觸地
麥肯錫預測，全球物聯網產值將於2020年達到11兆1千億美金，龐大的產值與物聯網應用蘊含的效益(高生產力、高營運績效與加速創新等)，吸引無數企業投入該塊市場，不過，若仔細回顧過去幾年的市場狀況，可以發現，物聯網應用確實是喊得震天嘎響，但真的落地的服務遠不如預期，促成該狀況的原因有很多，其中，一個很關鍵的因素是，欠缺一套可以端對端的進行即時數據蒐集、彙整、過濾、分析運算與決策的分析平台。
「隨著硬體成本的下降、軟體服務的到位，物聯網應用開始發酵，包括製造與零售流通等產業都開始佈局各種智慧應用，例如智慧工廠與全通路零售等。然而進一步解析領先企業的成功原因，搶先擁有完成『即時處理分析』的能力才是左右物聯網應用成功與否的關鍵。」SAS台灣業務支援部資深顧問白文傑表示，光只是蒐集數據資料並沒有任何意義，重點是，企業能否因應市場(客戶)需求即時過濾、分析各種數據資料，並即時行動。而近年SAS為了強化即時的效率，更主攻邊界設備(Edge Device)智能化，也就是讓感測元件在傳遞數據的瞬間，即開始展開邊際運算分析 (Edge Analytics)。
舉例來說，在航空業，飛機引擎每秒可傳送出上千筆跟轉速、溫度、震動與油壓等運作相關的數據資料，航空業者若蒐集所有的資料來分析，則一趟台北到新加坡4個多小時的旅程，可能會蒐集到200 TB的資料，若是透過傳統的分析方式，如何追上每天超過10萬架的飛機所產生的資料?但若在感測元件傳遞數據的設備上置入即時分析模型，即可先行辨識即時資料流的模式，一邊過濾掉雜亂的資訊，一邊透過模型辨識出重要的因子，可減少資料中心的工作負載，並在飛機落的前，相關的零件早已到位，維修人員更能以最快的速度進行故障排除，降低飛機停留地面時間。
將分析拓展至邊界設備，除了能在快速提取的資料達到「知其所不知(Know unknowns) 」外，更重要的還因為機器學習不斷自我修正與產生關聯性、記錄異常值，使其也達到挖掘出「不知其所不知(Unknown unknowns)」的領域。試想，若是將轉速、溫度、震動與油壓等資料畫在一張二維的圖表上，我們可以分析出一個已知的正常範圍，那當有超出已知的範圍之外，肯定有未知的事情發生了。透過一次次將未知轉化成已知，則可創造更高標準的飛行安全，這就是Analytics for IoT所帶來的效益。
白文傑補充，IoT 的資料與3V(Volume, Variety, and Velocity)息息相關，但同時也具備下列的3個特性：髒、密集、缺乏上下文。SAS近年來在協助國際企業開始打造物聯網應用時，總結出三個關鍵的佈署步驟：
步驟一：感知(Sense)
即時地聽取所有端點回傳的資料，包含來自設備、歷史數據、社交媒體及線上系統等資訊，並依照業務所需過濾雜音，透過進階分析或機器學習即時的找出關鍵信號的行為。
步驟二：了解(Understand)
要了解物聯網的資料，需要透過統計和預測模型來處理快速且大量的資料，並能包容髒資料(dirty data)。在分析生命週期中透過視覺化、假設然後進行測試找到物聯網資料中有用答案的關鍵因素，並生成業務價值。
步驟三：行動(Action)
如果不行動，那麼感知和了解變不具意義。當你可以在最接近資料源的邊界設備上進行分析，你就可以更有效地對物聯網資料採取行動。行動可以包含對誰及在那裡發佈即時警示? 系統如何回應偵測到的行為模式? 哪些資料應該傳遞出去或留存調查? 持續即時的分析資料，讓決策系統綜效地評估最適化的行動方針。
白文傑以芬蘭的國有鐵路運營商 – VR Group – 為例指出，為了確保1,500輛列車每日準時抵達各站點，以提供客戶更便捷且安全的乘車體驗，VR
Group在列車車輪、轉向架與鐵軌等主要與次要系統上安裝感測器以監控磨損狀況(感知)，透過SAS的即時分析平台過濾、分析各項數據以掌握車隊的即時運作狀況，可搶先預測關鍵零組件的可能故障時間(了解)，讓維護與預警的工作，得以被優化(行動)，讓VR Group智能掌控安全管控的風險。
「VR Group透過感知、了解與行動等三個步驟，除成功的將維修工作縮減成原來的三分之二，更大幅降低了備料(零組件)的庫存水位、提升列車可靠度，讓客戶體驗到更便捷且安全的乘車服務。」白文傑表示，VR
Group為了極大化物聯網效益，還計劃導入機器學習等服務，實現自動化的感測器資料分析工作，進而優化VR Group工程人員的生產力與營運績效。
除了芬蘭的VR Group，還有不少政府機關、企業與第三方協會計劃透過整合即時分析與機器學習等技術，實現各種智慧應用，打造更便捷、舒適與安全的智慧生活。
台灣製造與金融業已有領頭羊，開始將即時分析導入物聯網布局
那麼，台灣呢？
「台灣包括製造、零售與金融等產業，都有業者開始透過物聯網分析應用，優化營運績效，應用如零售業的優化貨架管理、半導體業的提升產品品質，以及金融業的偵測與預防詐欺」白文傑以某金融業者為例指出，因為其早前佈建數位通路的腳步較快，因此對各通路的即時資料如網路銀行、行動銀行、信用卡、客服及風險相關分數等掌握度高，近期已開始透過即時分析，建構客戶360度視圖，不但可以精準預測客戶人生階段變化，適時、適地的提供相關產品推薦，亦開始監控及阻斷異常交易，降低第三方詐欺的損失。
而工廠產業良率，對製造業而言影響成本動輒千萬，過往製造業導入分析多是滿足此需求，然而對產品生命週期分析而言，這已是最後一步。目前台灣製造業幾個領頭羊，已搶先試行 Analytic for IoT，從用電、設備狀態、環境變化等，進行監測、事件警告與耗能分析，並進階做到智慧化設備管理分析以及協助製程優化。也就是提早一步運用設備感測資料及日誌，找出異常發生的模式、監控並預測未來故障機率，精準預測零件生命週期。加以導入機器學習，讓機器在大量物聯網資料中探索「不知其所不知(Unknown unknowns)」的領域，找到未知但關鍵的因素，已初具AI人工智慧的雛形。
開展你的物聯網生態，以RaaS加速你的佈局效率
綜觀目前台灣整體物聯網發展腳步，「物聯網的佈署架構複雜，光在不同硬體裝置、不同的通訊協定與不同平台上溝通，就令許多客戶望之卻步。即使找到了適合的系統整合廠商，再一次次龐大投資後，企業又得面對建置數據分析團隊的挑戰」，白文傑直指企業痛點: 「SAS遇到太多客戶反映這樣的挑戰，也惋惜客戶在層層佈建後，卻在最重要的資料價值提煉關頭功虧一簣。因此SAS近期開始提供更具成本效益的Result as a Service(RaaS)服務機制。」
他說明，Result as a Service(RaaS)是SAS今年甫推出的服務，對於有複雜分析需求，組織內卻尚未有成熟體制與人力的企業，SAS直接派員與企業主確認分析的目的及欲了解的洞察，後續企業主只需將相關數據提供給SAS，SAS即可依客戶安全性原則，透過雲端或離線的方式，配置SAS資料科學家與具該產業營運經驗的顧問共組團隊，為企業提供客製化的分析報告。顧客不僅可免除分析軟硬體購買、分析團隊設置的營運成本，還可享有SAS顧問團隊的高效率服務，進一步據此加速驗證物聯網應用場景的適切性，是可達成三贏的服務。
白文傑提醒:「打造物聯網生態圈，最大的挑戰其實是考驗企業配置資源的能力。發展物聯網，最終的核心是要能從裝置互聯、網路互聯的海量資料中，做出趨近完善且符合多重個人化需求的決策。掌握此佈署原則，其實要讓物聯網落地，雖然仍需費些時日，但執行戰略已愈來愈清晰，營運整合指日可待。」
