是什么使像动作激活的电灯开关这样的自动化设备与功能相同的IoT设备不同？一言以蔽之：数据。
使用连接到物联网的设备，当传感器检测到动作并且执行器打开灯时，这些动作将被捕获为数据并将其发送到云或数据中心进行记录和分析。
在有数据的地方，需要一种IoT架构来告知数据去向，使用哪种格式，如何到达那里以及根据数据采取什么行动。
在本文中，我们将快速概述IoT架构，并探讨其如何引导数据往返于设备和数据中心。
数据流：从边缘到服务器/云的物联网架构通常被描述为一个四个阶段的过程。
在此过程中，数据通过网络从传感器传输，最后到达企业数据中心或云以进行存储，处理和分析。
在物联网中，“事物”是指可以是机器，建筑物甚至人。
物联网体系结构中的过程还以指令或命令的形式将数据发送到另一个方向。
这些指令或命令告诉执行器或其他物理连接的设备采取某些措施来控制物理过程。
当检测到即将发生的故障时，执行器可以做一些简单的事情，例如开灯或关闭装配线。
让我们看一下IoT架构的四个阶段。
阶段1：传感器和执行器。
该过程从传感器和执行器开始。
联网设备监视（对于传感器而言）或控制（对于致动器而言）某些“事物”。
或物理过程。
传感器捕获有关过程状态或环境条件的数据，例如温度，湿度，化学成分，罐中的液位，管道中的流体流量或装配线的速度等。
在某些情况下，传感器可以检测需要的条件或事件几乎即时的响应，以便执行器可以实时执行补救措施，例如调整流体的流量或工业机器人的运动。
在这些情况下，要求传感器与分析/触发执行器之间的延迟非常低。
为了避免数据到服务器的往返延迟，数据分析以确定故障以及将控制发送到“对象”的延迟，该关键处理过程需要非常接近于要监视或监视的过程。
受控。
这个“边缘”是指可以通过模块上的系统（SOM）设备（例如DigiConnectCore®模块和/或具有Python的DigiCellularRouter）执行处理。
阶段2：Internet网关和数据采集系统数据采集系统（DAS）从传感器收集原始数据，并将其从模拟格式转换为数字格式。
然后，数据收集系统将数据聚合并格式化，然后使用无线广域网（例如Wi-Fi或蜂窝网络）或有线广域网通过Internet网关发送数据，以进行下一阶段的处理。
此时，数据量已达到最大值。
这个数字可能非常大，尤其是在工厂环境中，成百上千的传感器可能同时收集数据。
因此，需要将数据过滤并压缩到最佳传输大小。
阶段3：预处理边缘分析一旦IoT数据被数字化和聚合后，将需要对其进行处理以进一步减少数据量，然后才能进入数据中心或云。
边缘设备可以执行一些分析，作为预处理的一部分。
在此阶段，机器学习在提供系统反馈和持续改进过程方面非常有帮助，而无需等待公司数据中心或云返回指令。
这种类型的处理通常发生在靠近传感器位置的设备上，例如在现场配线室中。
阶段4：在云或数据中心中进行深入分析在该过程的第四阶段中，可以使用功能强大的IT系统来分析，管理和安全地存储数据。
这通常发生在企业数据中心或云中，在云中，可以组合来自多个现场站点/传感器的数据，以提供整个物联网系统的更广阔的图景，并为IT和业务经理提供可行的见解。
公司可能在不同的地理区域运营，并且可以分析IoT数据以识别关键趋势和模式，或者发现异常情况。
在此级别上，可以使用特定于行业和/或公司的应用程序来执行深入分析并应用业务规则来确定是否需要采取措施。
输入的数据可以指示对设备设置的期望更改或优化过程的其他方式，从而形成有助于持续改进的循环。
阶段4还包括将数据存储在数据仓库中以进行记录保存和进一步分析。
流程需求平台
