Search
近年來，隨著惡劣天氣警報和 COVID-19 更新等常見案例，以及利用新人工智慧（AI）技術的預防措施，緊急消息系統的使用量有所增加。這些創新非常有價值，但是，就像其他所有由技術推動的行業一樣，人們也開始關注類似的問題 - 隱私。人工智慧和數據科學，能夠根據人們的行為推斷出很多資訊。CCPA 和 GDPR 等法規，要求組織披露如何使用收集到的數據。即使這樣，儘管這些技術目的在幫助人們，但它們仍然會引起隱私問題。問題是，公共安全在哪些地方會成為隱私問題？
組織可以透過以下四種方式，來平衡保護人員，和保護個人數據之間的界限…
佈署 IoT Edge 和霧運算技術以開發智慧建築服務
2021年2月19日 星期五
《3S MARKET》這篇報導把物聯網的架構與實作，描寫的非常詳細，雖然在建築的細節上描述不多，但報導中也提及這是個實際驗證，可適用在很多的場域。不知道，有多少人真正看得懂？當然，連這篇都看不懂的人，就別說他真正了解物聯網、Edge 與 Cloud。
事實上這篇報導的描述不難了解，真正物聯網與邊緣運算的挑戰，是在實作。實作真正面臨的，是這些數據處理、融合、分析上的完整度，還有 —— 找到實作的場景！
摘要
基於 SoC 架構的嵌入式系統的進步，使許多商業設備的開發變得足夠強大，足以運行操作系統和複雜的算法。這些設備整合了一組具有連通性、運算能力和成本降低的不同感測器。在這種情況下，物聯網（IoT）的潛力不斷增加，並帶來了其他發展可能性：「事物」現在可以增加數據源附近的運算量；因此，可以在本地系統上，佈署不同的物聯網服務。
這種範例稱為「邊緣運算」，它整合了物聯網技術和雲端運算系統。邊緣運算可以減少感測器與中央數據中心之間，所需的通信頻寬。此方法需要管理感測器、執行器、嵌入式設備，和可能不連續連接到網路的其他資源（例如智慧手機）。這種趨勢對於智慧建築設計非常有吸引力，在智慧建築設計中，必須整合不同的子系統（能源、氣候控制、安全性、舒適性、使用者服務、維護和營運成本）以開發智慧設施。在這項工作中，分析和提出了一種基於邊緣運算範例的智慧服務設計方法。
這種新穎的方法，克服了現有設計中與服務的互操作性，和可伸縮性有關的一些缺點。描述了基於嵌入式設備的實驗架構。能源管理、安全系統、氣候控制和資訊服務，是實施新智慧設施的子系統。
1. 簡介
建築自動化系統使用開放式通信標準和介面，可以整合多種不同的建築控制規則，例如供暖、通風、空調、照明和百葉窗、安全功能和設備。但是，現有建築物通常不具有這些系統。
通常，每種安裝類型都提供特定的服務：供暖通風和空調（HVAC）控制氣候服務，攝影機和感測器提供安全服務等。僅當設計能源管理系統時，不同的子系統相關，但僅透過以下方式，連接建築物的能源管理系統。能源管理服務，集中在專用軟體中。
對於使用者和維護技術人員來說，提供不同服務的不同製造商，發現很難整合新的服務和功能。自動化建築將用於控制和數據採集的軟體，與工業協議和介面整合在一起。此外，將新服務整合到這種解決方案中並不容易，這取決於已安裝軟體的開發。
這些工業發展還為能源管理，提供了雲端連接解決方案和智慧服務。這些服務，也在集中式電腦系統中開發。數據被傳輸到這些系統或雲端進行分析。本文提出使用佈署在物聯網（IoT）技術中的邊緣和霧運算範例，主要有兩個目的：
A. 在自動化和非自動化建築物中，促進新的智慧和可互操作服務的整合（整合）。
B. 允許在建築物的所有子系統之間，分配智慧服務（互操作性）。
透過該建議，可以促進建築物子系統之間的關係。它還促進創建新的智慧服務（例如，新的分佈式智慧控制算法；使用電源管理捕獲的數據，來檢測人類活動；捕獲設備連接的模式辨識，運算可再生電力預測，在安全服務中使用電力數據等）。在這項工作中，我們設計了一個中間軟體的體系結構，該體系結構具有兩個主要層，這些層基於嵌入式設備、IoT 通信協議和硬體支援，來開發人工智慧算法（圖1）。
為了實現這一目標，我們在建築物的設施中添加了兩個概念等級：邊緣節點和霧節點。每個等級都有不同種類的設備和功能。我們佈署並實現了基於層的中間軟體的體系結構，以對模式進行實驗。
本文的組織結構如下：第 2 節回顧了智慧建築技術，建築物中的 IoT 佈署以及邊緣運算範例。第 3 節提出了一種在建築物（自動與否）中佈署邊緣和霧運算範例的方法。第 4 節介紹了進行的實驗。最後，第 5 節介紹了結論和未來的工作。
2. 相關工作
本節介紹與這項工作相關的主要研究領域。首先，我們在分析雲端運算層之後，回顧了基於邊緣運算範例的資源和服務供應。最後，我們研究了實現智慧建築的技術，並在最後的小節中，總結了先前研究的貢獻。
2.1. 邊緣運算資源和服務供應
最近，網路在兩端被標記為「邊緣」和「核心」，以查明處理發生的位置。邊緣端靠近數據源和使用者，核心端由雲端伺服器組成。透過這種方式，邊緣運算範例將運算推送到 IoT 網路的邊緣，以減少數據處理延遲，和發送到雲端的數據數量。基於雲端的後端，可以處理對時間不太敏感，或源設備本身不需要結果的處理請求（例如，物聯網網路狀態下的大數據分析）。
在邊緣運算資源供應方面，正在進行的 Horizon 2020 RECAP 項目，提出了一種整合的雲端 - 邊緣 - 霧端架構，目的在解決應用放置、基礎架構管理和容量供應。雲端/邊緣基礎架構監控功能豐富了應用，基礎架構和工作負載模型，這些模型又被回饋到優化系統中，該系統可以協調應用並持續配置基礎架構。
徐等人進行的研究。 提出了一種用於邊緣運算的實用感知資源分配方法，稱為 Zenith。借助 Zenith，服務提供商可以與邊緣基礎設施提供商，建立資源共享合同，從而允許延遲感知資源調配算法，以滿足其延遲需求的方式，來調度邊緣任務。
邊緣節點資源管理（簡稱 ENORM），是管理邊緣/霧節點資源的框架，可透過監控應用需求，來自動擴展邊緣節點。可以透過靜態優先等級分配，來確定特定應用的優先等級。供應和自動縮放機制，是基於線性搜索的相對簡單的實現。
當源本身是可行動的時，邊緣雲範例也是可行的。 Chen 等人研究了行動設備向邊緣節點（特別是在無線電接入網路邊緣）的智慧運算分流。在這項工作中，作者提供了任務卸載算法，將分佈式運算卸載決策表述，為多使用者運算卸載功能。在同一項工作中，Wang 等人研究了聯合協調卸載任務，到多個邊緣節點的問題，並提出在邊緣等級引入及准入控制，以及兩階段調度方法，與傳統的最近邊緣選擇方法相比，改進了卸載性能。
2.2. 雲端運算服務配置
就社會和行業採用資訊技術而言，雲端運算範例是最具創新性的策略之一。提供的優勢提高了效率，並降低了成本，同時提供了可透過 Internet，普遍存取訪問的按需 IT 資源和服務。
當前，雲端運算服務種類繁多，甚至如何提供，這是一個受到廣泛研究的主題，正在提出許多的方案。甚至有評論總結了雲端運算範例的相關研究。
本小節介紹了有關以下問題的先前工作，這些問題與本手稿的主題有關：（i）安全性； （ii）服務品質（QoS）； （iii）提供邊緣服務。
（i）安全是雲端運算中一個具有挑戰性的問題。雲端服務位於應用環境之外，並且超出了防火牆的保護範圍，因此，需要附加的安全層。另外，邊緣和霧運算應用的行動性和異構性，使得難以定義單個過程。因此，需要一種分佈式安全策略。
此外，必須有一個標準化的環境，才能正確解決此問題，並指定霧運算和邊緣設備，如何相互協作。網路邊緣上的多個霧節點之間的敏感數據通信，需要資源受限的事物的輕量級解決方案。另一個與安全性相關的問題是數據位置。在雲端中運行數據分析是很常見的。因此，關於數據安全或隱私的公有雲與私有雲的爭論就出現了。
（ii）分配給雲端應用的資源，通常是根據合同規定的服務水準協議（SLA）所設置的。但是，實際上，由於偶爾執行大量事務，而導致分配的基礎結構飽和，可能會出現瓶頸。為了解決此問題，可以在資源可用時，動態擴展雲端基礎架構。當前，最具創新性的趨勢，目的在建構自動 SLA 合同合規系統。在 Faniyi 和 Bahsoon，以及 Singh 和 Chana 進行的研究中，可以找到與品質服務管理相關建議的詳盡綜述。考慮到這一點，提出了幾種策略來預測，應用的資源需求和 QoS 的要求。最近的工作試圖將安全性和 QoS 問題結合起來，以提供全面的性能指標。
（iii）最後，濫用雲端服務，是該領域的另一個問題。物聯網環境是霧和邊緣設備不斷加入或離開，動態的執行前後關聯。因此必須在網路邊緣提供彈性的服務。為此，在網路的可用設備之間，共享應用工作負載，可以為高階運算應用提供靈活性。提出了可靠的服務供應方法，來為系統提供更高的彈性，並提供靈活和優化的雲端服務。
在本主題中，將雲端框架和中間軟體技術，設置為與雲端層，以及具有不同介面操作系統，和體系結構的設備之間，進行通信的平台。
2.3. 物聯網在建築服務工程中
物聯網開發為在建築物上，開發數位服務提供了新資源。建築物中常見的物聯網應用，包括節能的過程環節、維護改進、雜務自動化和增強安全性。由於全球變暖，建築物的節能是一個重要的課題。
物聯網技術引入智慧建築，不僅可以減少本地溫室氣體排放，還可以將減少溫室效應擴大到更大的領域。目前，物聯網還被用於建築領域，以協助設施管理。物聯網使營運系統能夠提供更準確和更有用的資訊，從而改善營運，並為房客租戶提供最佳體驗。有基於物聯網的建議，這些建議顯示建築系統，如何與雲端進行通信，並分析所獲取的數據，以開發新的業務見解，從而能夠推動真正的增值和更高的績效。
實驗研究顯示，物聯網平台不僅可以改善，工業能源管理系統中實體的互連性，而且可以降低工業設施的能源成本。 FacilitiesNet 表示，建築物聯網（BIoT）正在推動我們獲取資訊，彼此互動和做出決策的方式發生重大轉變。BIoT 不僅與連接性或設備數量有關，而且還與交付實際和相關結果有關。當前，有很多基於物聯網的智慧家庭應用的例子。
然而，智慧設備或「物」，僅僅是連接到網路的設備或嵌入式系統。增值來自設計協調系統，和提供智慧服務，以提供實際收益的能力。這些特徵基本上，取決於對不同類型連接事物的異質性，及其互操作性的管理，並取決於數據處理提供的情報潛力。
Tolga 和 Esra 進行的研究得出的結論是，就智慧家庭系統中的軟體和硬體而言，物聯網技術尚未變得穩定。原因之一，有可能是物聯網技術仍處於發展階段。McEIhannon 所撰寫有關物聯網應用的邊緣雲和邊緣運算的未來，其評論得出了類似的結論。這篇評論提到概念和發展，目前還處於早期階段，從學術和行業的角度來看，許多挑戰都需要解決。
物聯網帶來了新的機會，但許多企業仍在尋求了解和分析，其將如何影響，並與現有的 IT 結構和管理策略整合。為此，必須創建專門的使用模式和技術，來彌合這一差距。
2.4. 發現
以下結論闡明了這項研究建議的新穎之處：
雲端運算作為「實用」的一般概念，非常適合智慧家庭應用的常規需求。但是，在某些情況下，將所有運算都移到雲端中，是不切實際的。
邊緣計算作為一種計算範例而出現，可以在物聯網設備生成的數據附近執行計算。這種範例可能有助於滿足最新應用的安全性和 QoS 的要求。
當前，控制子系統的高級建築設施，通常使用 Internet、IoT 協議和 Web 服務。專有系統是使用標準的 Internet 通信協議設計的，用於管制和監控。先前的工作顯示，基於無線感測器網路、Web 介面和工業控制模式，用於氣候控制、電源管理或安全性的控制系統，使用不同的監視和控制技術。監控應用分析，得自監控和數據採集系統中的這些子系統。對於不同的子系統，有不同的解決方案。考慮到上述情況，本工作中提出的模式，引入了以下新穎元素：
A. 介紹了一種分層架構（整合了邊緣和霧端等級），以及提供子系統之間互操作性，以及在建築物控制中開發智慧服務的方法，該方法使用了邊緣和霧端範例，這些範例將 IoT 協議整合在一起，並在本地 Intranet 中操作 AI 技術，讓雲端服務的通信層，完善了該層的架構。
B. 介紹了一種基於使用者為中心的方法，用於在互操作性需求下設計、驗證和改進新服務。
C. 該提案允許使用可以在已建的建築物中，實施的非專有硬體和軟體系統。
3. 計算模式設計
建築物中的設施子系統分為有照明、氣候、能源、安全、警報、電梯等。在自動化建築中，這些子系統由專門的控制技術控制和監控。在非自動化建築物中，不存在這些服務，並且子系統透過電子和電氣方式進行控制。在這兩種情況下，所有子系統都為建築營運，提供必要的服務。
從邏輯上講，每個子系統都在其場景中起作用，並且不能與其他子系統互操作。嵌入式電子控制器和連接的不同感測器，可以使每個子系統自動化。這些服務都是基於直接反應性控制規則。除了嵌入式控制系統和感測器之外，通信技術（基於 Internet 協議）和新的行動設備還為開發管制、監控和數據訪問服務，提供了新的可能性。
在智慧型動設備上開發，並連接到 Web 伺服器的人機介面和專用應用，是近年來已實現的服務的範例。每個子系統中的專家（氣候、安全性、電源等），都具有可以轉換為專家規則的知識。這些規則被轉換為用於管理、維護、控制、優化和其他活動的控制算法。這些規則是可以，在可程式設備上編程和實現的。但是，它們是靜態的，不會在出現新情況時發生變化，並且不能互操作，也無法適應每個安裝的特性。
例如，氣候或安全專家決定，如何使用標準啟動條件，來配置每個子系統。每個控制規則僅在一個子系統（此範例中為氣候或安全性）中工作，因此，這些子系統之間沒有互操作性。考慮到這種情況，提出的模式有助於並允許，基於不同子系統的互操作性，來整合新的數位服務，並將人工智慧（AI）技術的新服務，引入當前設施。
例如，諸如電梯控制的設施，可以用於安全服務或建築能源管理服務。氣候控制設施，可以與安全子系統整合在一起。整合到模式中的天氣預報軟體系統，可以由能源管理服務，或建築物空調服務使用。
目的是讓每個子系統中的專家，參與設計整合服務，並將所有子系統轉換為可互操作的系統。該模式會開發自動規則，並允許在考慮安裝行為本身的情況下進行決策。該模式基於一個過程，該過程包括四個開發階段（圖2）和分為不同級別的硬體 - 軟體體系結構（圖3）。該體系結構的主要等級，是邊緣等級和霧等級。這兩個層次介紹了在建築物中，應用物聯網技術的新穎性。下面介紹了模式的各個階段（分析、設計、實施和啟動）。
．分析：在此階段確定了不同的專家使用者（氣候、安全、電力、水、能源、管理人員，以及資訊和通信技術（ICT）技術人員）。諮詢專家使用者，以指定需要控制的主要過程。資訊通信技術專家作為整合環節，參與了這一過程。第一種方法產生了設計控制規則，和潛在服務所需的事物（對象）。在此階段，使用以使用者為中心的方法，並捕獲子系統的需求。
．設計：我們提出了一個三層架構（邊緣、霧端和雲端），如圖 3 所示。
．實施和數據分析：在此階段中已安裝和整合了子系統。服務基於每個子系統中的規則，分析事物（對象）生成的數據，以設計基於機器學習的服務。
．啟動：最初，在每個子系統的監督下制訂專家規則。然後，使用回饋過程安裝規則。最後，透過人工智慧技術，可以推斷出自動的和經過調整的規則。
3.1. 分析與設計
專家使用者對此過程，進行不同的審查。以使用者為中心的技術，用於設計整合流程。目的是獲得所需的所有事物（對象），它們之間的關係，以及潛在的服務。一旦指定了事物（對象）和服務，就必須關聯通信協議和控制技術。選擇了物聯網協議和嵌入式控制器；提出了人機介面；指定了邊緣層和霧層及其功能；分析專家規則和智慧服務。最後，提出了維護和操作方法。所有這些任務在專家技術人員，和資訊技術專家之間共享。
結果是事物的定義，它們之間的關係，以及與邊緣和霧層的交互作用。該過程中代表了建築物的所有子系統，數據感測器、執行器、控制器、規則和過程經過設計，可以整合所有子系統。數據集、對象和設備，由物聯網概念表示。事物由具有狀態和配置數據的實體，和前後關聯組成。事物數據位於霧和邊緣節點中，儲存的不同配置中的關聯性。
事物以數據向量表示：[ID、類型、節點、前後關聯情境]。
– ID是辨識碼。
– 類型可以是感測器、執行器、變量、過程、設備、介面、數據儲存，或可以在 IoT 生態系統中寫入、處理、通信、儲存或讀取數據的任何對象。
– 節點指定建築物子系統、功能描述、層類型（邊緣、霧端、通信或雲端）、IoT 協議和時程存取訪問。
– 前後關聯表示在 IoT 生態系統中，用於發布或讀取數據的時間、日期、位置，與其他事物的關係、狀態和訪問頻率。
表 1 是由事物（[ID、類型、節點]）。所有事物都可以訪問配置文件（CF），以了解如何使用可用數據，以及如何使用適當的訪問權限配置新數據。前後關聯數據位於內建記憶體，或是靜態儲存。使用定義的事物，設計不同的控制規則。這些控制規則是分佈在連接到網路的不同嵌入式系統中，控制過程的一部分。事物表示佈署在安裝的不同子系統中，所有的可用資源。在此等級上，設計師對所有事物進行分析、指定和關聯。基本控制算法是使用此資訊實現的。配置關聯性允許層和設備之間，所有事物的互操作性。
在此階段的另一級設計，必須提出物聯網管理中，使用的節點要求和規範。設計的流程和服務，將在邊緣或模糊節點中實施。必須指定每個節點，以確定其內部功能、通信及其服務。在獲取數據的地方，開發了智慧和處理能力。邊緣和霧層的節點，位於數據感測器、執行器和控制器附近。本文提出的方法，使用具有兩個功能的兩層（邊緣和霧端）。每一層都可以佈署互連節點的網路，以促進互操作性。
邊緣和霧層的功能是：
邊緣層功能：在連接感測器/執行器的嵌入式設備上，開發的控制軟體。某些 AI 算法可以安裝在邊緣節點上。中央處理器（CPU）和計算資源有限。安裝了通信介面，以允許在本地網路中進行整合。
霧層功能：局域網級別的通信、AI 範例、儲存、配置關聯性和監控活動。霧節點透過處理、通信和儲存，來處理 IoT 的Gateway、伺服器設備，或其他設備中的數據。在此等級實施本地、全球的整合服務。利用這些節點的硬體、軟體和通信功能，開發了基於機器學習範例的算法。霧層設備還可以在很少單位的設施或服務中，執行邊緣節點功能。
透過這兩個等級，可以優化建築設施，以獲得不同子系統之間的整合和互操作性。
表 1 顯示了每件事與關聯性配置，和節點規範的關係。節點標識其所屬的子系統（控制、能源、氣候等），層（霧端、邊緣、通信和雲端）及其執行的功能。
3.2. 架構設計
在分析和設計階段，獲得對象（事物）及其關係。規範和要求用於實現每個層。實施取決於提供所需功能的設計，和現有技術（硬體、通信和軟體）。在此階段，開發了一種適合現有設施的體系結構。物聯網協議提供互操作性，而 AI 範例則提供了適應性和優化性。邊緣運算節點用於控制設備，霧運算節點安裝在本地網路節點上。這些等級為配置、安裝和運行新流程，提供了強大的資源。
物聯網協議，傳達所有子系統數據。每個子系統由對象/事物（虛擬等級）組成，安裝為可連接的感測器/執行器/控制器設備（硬體等級）。
物聯網通信中，針對建築場景建立的要求是：標準協議、低功耗、易於存取訪問和維護、支援整合新模組，非專有硬體或軟體，以及低成本設備。
MQTT 協議，是目的在用於提供整合和互操作性資源，異構通信場景的主要物聯網協議之一。該協議被提議作為感測器、執行器、控制器、通信設備，和子系統之間的通信範例。
MQTT 協議的一些主要功能，在不同的著作中有所顯示，這使其特別適合於這項研究。他們之中有一些是：
．它是針對資源受限的場景開發的發布 - 訂閱消息協議。
．它具有低頻寬要求。
．這是一個非常節能的協議。
．編程資源非常簡單，使其特別適合於嵌入式設備。
．具有三個 QoS 等級，它提供了可靠和安全的通信。
MQTT 開發了無所不在的網路，該網路支持 n-m 節點通信模式。任何節點都可以查詢其他節點，並對其進行查詢。在這些情況下，任何節點都可以充當基地台的角色，能夠將其資訊傳輸到遠端處理位置。無處不在的感測器網路（USN）中的節點，可以處理本地數據。如果使用 Gateway，則它們具有全局可訪問性；他們可以提供擴展服務。
節點（邊緣或霧），可以具有本地和全局存取訪問權限。這些設施具有不同的可能性和益處。本地數據處理，對於基本過程控制是必需的，而全局處理則可用於模式檢測和資訊生成。從這個意義上講，擬議的平台使用了組合功能：連接到 IoT 雲端服務，本地網路區域上不同的 USN。在這種情況下，運算層（邊緣或模糊等級）將用作控制流程和雲端服務之間的介面。該層可以在與雲端進行通信之前，進行處理數據。
實現邊緣和霧端運算節點需要執行三個操作：
．連接和通信服務：所有設備必須在同一網路中，並且可以互操作。所有感測器和執行器都可用於開發服務。此活動的一個示例，是在 Internet 上遠端讀取建築物的電源參數、環境條件和開放的天氣預報數據。此活動中應實現其他功能，例如連接的安全性、可靠性和互操作性。
．嵌入式設備（邊緣運算層）中的控制算法和數據處理：在此活動中，這些設備中實現的基本控制規則和數據分析服務，可以開發新功能。此階段可以應用於數據過濾、運算氣候數據或分析功耗、直接反應控製，或使用模式辨識技術檢測事件。
．Gateway 節點（霧運算層）上的高階服務：此等級使用和管理 AI 範例，和 IoT 通信協議。霧運算節點對數據執行智慧分析，對其進行儲存，過濾並將其傳遞到不同等級，以糾正較低級別的新控制措施，或者生成雲端中服務感興趣的資訊。此階段的應用示例，包括分析新模式、預測用水量，或功耗、智慧檢測和其他預測服務。
3.3. 測試與回饋
在測試階段使用標準方法，邊緣和霧層提供不同的功能。提出了針對不同子系統的機器學習模式，並且可以將其安裝在邊緣或霧節點上。必須執行以下操作，來測試機器學習應用：
A. 定義和捕獲數據集：必須辨識、捕獲和儲存主要變量。在不同的建築子系統中，過程數據集是由連接到邊緣層的感測器捕獲的數據。使用通信協議監控和儲存數據集。一個案例是電表，該電表在配電盤中連接到嵌入式設備（邊緣節點），該嵌入式設備傳送電力數據，以在霧節點設備中儲存和處理。
B. 訓練數據集和形式辨識模式。先前數據集的一個子集，用於訓練不同的模式。評估針對從未用於訓練的數據測試模式，此過程的結果已由專家使用者驗證。目的是獲得一組代表性的結果，以了解模式在現實世界中的表現。
C. 實際場景中的驗證：必須在邊緣和霧節點上，實施新的服務和控制算法。這些模式具有用於分析數據，實施特定模式，並使用結果開發最佳參數的算法。在此階段，可以修改或進行改善模式。
D. 用統計術語和模式演變，得出測試結果：基於 AI 算法的模式而將產生近似值，而不是精確的結果。分析應用結果以確定置信度，並允許模式演化。該活動支持開發新的 AI 服務，或對已實現的算法進行修改。有監督的自動更改，是維護和改進系統的過程。此階段的過程，包括所有模式層。
建議對使用邊緣和霧，任何的安裝進行這些活動。如前所述，該模式既可以安裝在既有舊的建築物中，也可以安裝在新建築物中。對於新建築設計，基於建議模式的安裝更易於整合。此外，可以提供的服務的潛力，也使其對於既有建築物具有吸引力。
4.在建築子系統中，實施智慧服務
該模式在預先存在的住宅建築物上，進行了測試。設計和實施電源管理、管制和監控服務。物聯網協議（MQTT 和 HTTP）和 ML 範例，用於建議的層體系結構。基於 KNN 的機器學習方法，和樹決策算法用於管理功耗（家用電器），和可再生能源發電（風能和太陽能）。使用房屋中的霧節點，在雲端平台上實現監控和統計數據。該節點連接到控制可再生，和家用電器子系統的不同邊緣節點。
在圖 6 中，邊緣節點，整合在先前安裝的可再生子系統中。透過邊緣層上的這種新設備、電源管理、安全控制和操作流程得以整合，並且可以與其他子系統互操作。可以設計新的智慧服務。邊緣節點將數據傳輸到霧節點 Gateway，該 Gateway 管理功耗和發電，並控製家用電器。該節點中的輸入，是可再生能源發電的數據。輸出控件是 ON-OFF 開關，用於優化發電、安全性和操作。
4.1. 分析與設計
分析了住宅建築，以設計電源管理，安全和控制服務。 在第一種方法中，所需的主要事物（對象），它們之間的關係和不同的服務，如表 2 所示。
4.2. 執行
分析房屋中的建築子系統，以整合這個執行模式層：邊緣控制、霧服務，與雲端的通信和雲端服務。 選擇了本實驗工作中使用的感測器、執行器和控制過程（事物）。 表 3 列出了使用的嵌入式設備。
家庭服務中的控制過程，需要反應時間和互操作性。人機介面、數據存取訪問和分析服務，是本地和雲端運算上的服務。上面提到的兩個需求，都使用不同的協議處理：控制/通信上的 MQTT，和雲端服務上的 HTTP（RESTful API）是用於整合，並使所有子系統互操作的 IoT 協議。在提出的該層模式中，還使用 MQTT 協議、控制、數據處理，以及使用 RESTful 協議，到雲端的數據通信，來開發機器對機器（M2M）應用。
MQTT 使用開放的消息協議，該協議可以將遙測樣式的數據（即在遠端位置收集的測量結果），以消息的形式，從設備和感測器，沿著不可靠或受約束的網路傳輸，到伺服器（BROKER）。消息是簡單、緊湊的二進制數據包，有效載荷（壓縮的標頭，比超連結傳輸協議（HTTP）少得多的詳細資訊），並且非常適合推送簡單的消息傳遞方案，例如溫度更新或移動通知。例如，消息也可以很好地用於，將受約束的或更小的設備，和感測器連接到 Web 服務。
MQTT 通信協議，使所有對象可以互操作。透過此協議實現的發布者和訂閱者模式，可以互連所有設備和事物。該通信層由安裝在霧節點上的代理設備管理。不同的發布者和訂閱者，在不同的節點上實現。安裝了一個 Gateway 設備（霧節點）和兩個嵌入式控制器（邊緣節點），來控製家用電器和電源管理。事物和流程佈署在所有節點上。
邊緣節點控制子系統，霧節點根據決策樹，以及專家定義的規則，實現 AI 範例。霧設備將數據傳輸到雲端平台，以開發儀表板螢幕，來監看子系統的狀態。
可以開發新的雲端平台服務：事件檢測、機器學習處理、統計分析等。專家使用者設計基本的控制算法。在學習和訓練過程之後，將根據專家系統的結果，對這些算法進行調整和修改。在這項工作中，目標是在不損失生產力的情況下優化資源（控制和能源）。在邊緣或霧節點中，執行不同的控製過程；分類過程和決策樹在霧節點中實現。算法以 Python 語言實現。此語言的開源庫用於不同的應用。
4.3. 佈署與測試
對於現有建築物，邊緣節點交錯插入已安裝的控制器、配電板，以及感測器和執行器中。如果在分析階段指定了新的東西（電錶、氣候和控制器），則會安裝一些新的感測器/執行器。這項工作中佈署的邊緣節點具有以下優點：
．請勿干擾先前的安裝操作。
．他們使用新的專家規則和自動規則，引入新控件。
．他們測試和重新配置，在分析、學習和測試驗證中，設計更新的專家規則。
圖 7. 佈署在配電盤中的節點。 使用 IoT 協議通信，在不同節點中開發數據捕獲、控制算法、數據分析、儲存和通信服務
在電力管理過程中，專家使用者根據電力消耗、發電量、消耗負荷曲線、氣候數據和氣候預測數據，對具有選定流程的時間表，進行可程式處理。邊緣節點捕獲數據，並將其發送到霧節點。
霧節點處理室內和室外環境的日記數據，以及天氣狀況。霧節點還可以捕獲其他感測器數據。對房屋中的這些數據消耗和生成方式，進行檢測和分類。消費和發電結果，作為數據添加，以便與儲存的數據一起進行分析。可以使用機器學習方法開發，作為家用電器或人類活動檢測的智慧服務（圖8）。
4.3.1. 機器學習：數據捕獲過程（邊緣節點）和家用電器分類（霧節點）
連接在主配電盤中的電表，用於捕獲數據，並使用標準的 K 近似值，最近鄰（KNN）分類算法，來開發形式辨識模式。 KNN 是機器學習系統中最常見的方法之一。電表捕獲電流；如果連接了新的家用電器，則電流數據會更改。不同的家用電器具有不同的變化等級。
用於辨識家用電器的不同模式的主要變量，是連接時的電流水準差異。數據捕獲過程流程圖（圖9），顯示了在邊緣節點中實現的算法，以捕獲預處理並傳遞電力數據。
在此過程中，監督階段使用訓練數據集。接下來，真實場景中的驗證，將測試分類模式。家用分類設備將用於不同的服務：人類活動的辨識、負載控制、可再生能源管理、空調、安全性等。在訓練階段，已捕獲了不同的家用電器開機，以獲得一組形式。每個家庭都有一個矩心向量，將用於分類過程中的檢測。如上面所示的算法所示，分類器處理將產生連接時的電流數據作為輸入。KNN 分類過程流程圖（圖10）描述了 KNN 方法，它在霧節點中實現。
4.3.2. 可再生電源管理。控制電力自耗的決策樹
每個建築物都有不同的需求曲線，以及在接入電網方面的特定情況。為此，整合和可互操作的設施，可以實施適用於每種情況的不同解決方案，從而提供對太陽風資源的最佳管理，優化電源效率，簡化管理流程，並實現最高的成本節省。當可再生能源超過消耗的能源時，在使用 AC 耦合到電網的設施中，會出現問題。
在實驗工作中，太陽能在一天的中央時段的能量，大於所消耗的能量（圖11）。但是，在分析了消耗曲線之後，可以在這段時間內連接負載，以避免注入電網。可以透過設計一種算法，來滿足這一要求，該算法可以預測，何時發生此事件，以自動連接不同的負載。利用所有感測器和執行器的整合，和互操作通信，已經開發了在不同節點中，所實現的算法（圖12）。
13. 在電源管理子系統上開發的決策樹。 它由專業使用者設計，並整合在邊緣節點上。該決策樹的目的，在優化可再生能源的使用。
4.3.3. 基於 Edge 和 Fog 節點的 Control Home
圖 14 顯示了安裝在住宅房間中的邊緣節點。 該節點可以控制四個設備（設備），並捕獲感測器數據（功耗、發電量、溫度、濕度等）。該設備可以使用 MQTT 協議進行通信。該協議允許設備之間，進行其他類型的通信：智慧手機、新邊緣節點等。圖 7 和圖 14 顯示了可以在其他建築物中，佈署的標準實現。在所有系統中，都有配電板，這些配電盤佈署了霧節點和邊緣節點，如圖所示。
4.3.4. 使用物聯網協議的雲端服務
雲端服務可以監控，透過霧節點或人機介面（HMI）訪問的數據。 IoT 協議（MQTT）從任何已連接 Internet 的設備推送數據。事件檢測、儲存統計分析等其他服務，完善了該資源的功能。提供類似服務的不同平台，顯示了商用物聯網技術的狀態：Amazon IoT、Microsoft Azure、Ubidots 和 Thingspeak，是提供 IoT 平台的公司一些案例。提供了資源以及客戶端，和 IoT 平台之間的應用程式介面（API）通信，以便可以使用它們。
用於設計儀表板監控和管制的 HMI 資源，是這些平台上的主要實用功能之一。霧節點使用雲端 API 傳達數據和資訊，可以實施其他控制服務。在這些雲端平台上，預先建構了用於監控數據的儀表板設計。使用 API 實用功能，霧節點中的過程處理，會將數據發送到每個儀表板。API 文件指定了在設備、IoT 平台和 Mobile-Alerts Cloud 之間，交換數據的結構，以及用於加速項目的代碼案例和形成資料庫。
圖 15 顯示了在 Ubidots 雲平台上，設計的儀表板。Ubidots是本實驗工作中使用的物聯網平台。該模式可以在實現這些協議的層，和平台中使用不同的標準協議。圖 16 顯示了在雲端平台中，IF 變量 THEN 動作的事件配置。大多數物聯網平台，都提供此功能。
5. 結論
為了設計物聯網系統，越來越多地提出邊緣霧模式。但是，每個範例都提供特定應用領域的解決方案。不同子系統之間的整合和互操作性，可以改善這種情況，並提供更好的服務。這項工作的主要目的，是透過提出一種基於邊緣層和霧層，兩層體系結構的運算模式，來解決這個問題。透過這兩層，可以基於使用邊緣或霧節點中，嵌入式的設備捕獲數據所產生的新型有用資訊，來設計和開發新服務。這些節點使用雲端平台和 IoT 協議（例如 MQTT）。
MQTT 是作為不同層（霧 – 邊緣 – 雲）之間提出的通信協議，並進行實驗的。雲端平台用於開發儀表板的面板資訊和 Internet 上的新服務，例如控制、儲存和通信事件。該平台可用於透過 API，交付不同的服務。
該模式可以在現有建築物和新建築物中，開發這些服務。在這種情況下，要求每個子系統中的專家和專業人員，參與新服務的設計。
為了測試該模式的功能，並顯示如何在實際設施中，實現該模式，在住宅中進行了一項實驗性工作。在此霧和邊緣節點前後關聯中，描述了實現的幾個範例。開發了模式辨識和決策樹方法，以展示人工智慧在設計 IoT 解決方案中的潛力。已安裝服務的結果顯示，邊緣和霧節點佈署，產生了預期中整合和互操作性的好處。
提出的工作演示了，如何將邊緣和霧範例，整合到可以增強其優勢的新架構中，從而擴展了應用領域。該體系結構的主要科學貢獻，是整合、技術的互操作性，及其為開發 AI 服務提供的設施的範例。所有這些改進，都在已開發的實驗的不同示例中顯示。具體的優化和改進，將在以後的工作中進行。此外，使用機器學習平台，和 AI 範例的新控制規則，將確保可以創建和改進新的智慧服務。
附圖：圖1.自動建構子系統和資訊技術環境。
圖2.基於使用者為中心關係的模式。
圖3.通信架構。 每個等級都有不同的功能。 提出了兩個通信等級：IoT（使用消息隊列遙測傳輸（MQTT））和 Web（使用代表性狀態傳輸（REST）協議）。這些協議的層，涵蓋了已建立的整合和互操作性要求。
圖4. 在建築物的現有設施上實施的邊緣霧架構示例：邊緣節點是較低的層次，必須與安裝的設備進行新連接。互連所有子系統的霧節點，是透過整合連接到邊緣節點的新設備來實現的。邊緣和霧節點，可以佈署在所有建築物子系統中。
圖5. 住宅建築中的第一個實驗工作。
圖6. 整合在先前安裝的可再生子系統中，邊緣節點的示例。 該節點可以使用新算法控制 ON-OFF 開關，以管理發電過程，以及通信和監控電源數據。
表1.事物示例描述。寫入 ID、類型和節點數據，以配置 XML 文件。配置關聯性儲存在霧節點中。
表 2. 實驗工作中的分析和設計要求。
表 3. 實驗室內使用的嵌入式設備。
圖 7 顯示了分佈在配電板上的節點（邊緣和霧狀）。在此節點中，設計並安裝了功率計、ON-OFF 開關控件和 AI 服務。
圖 8. 佈署的智慧電源功能。在霧節點中實施的分類過程，可用於檢測電連接和人類活動。可以使用 IoT 通信實現其他服務
圖9. 邊緣節點中捕獲，並預處理的用電量數據；MQTT 協議用於通信數據。另外，其他節點可以使用捕獲的數據，來提供其他智慧服務，佈署了整合和互操作性。
圖10. 分類過程。處理捕獲的電數據以檢測家用電器連接。可以使用 IoT 協議整合，來設計其他智慧服務。
圖11. 該圖顯示了實驗工作中的消耗和生產數據。 在自儲存的電力自備設施中，沒有儲存並且沒有注入電網，所產生的能量必須即時使用，並且不得超過所消耗的能量。 能源經理必須預測此事件，並提前連接電荷。
圖 12. 用電自耗設施中的可再生電源管理。
圖 13 是在電源管理子系統中，開發的算法的示例。 可以在邊緣節點上安裝此過程。該節點獲取氣候數據預測，並預測系統是否可以在不儲存的情況下，使用可再生能源。
圖14. 佈署的邊緣節點。該節點可以使用新算法，控制 ON-OFF 開關，並可以在每個房間或建築物中，通信和監控感測器數據。
圖 15. 在雲平台上配置的儀表板。顯示了風力發電數據和預測風力。
圖 16. 在雲端平台上配置事件的儀表板：IF 事件 THEN 動作。 該服務顯示了，如何使用雲端訪問來控制設施。與霧節點的 Internet 通信，可以控制建築物中的不同子系統，並使用電子郵件，SMS 或其他 Internet 服務來通報事件。
資料來源：https://3smarket-info.blogspot.com/2021/02/iot-edge.html?m=1&fbclid=IwAR0uijX5WdNrfzmGjVsakFGaEsWivPgyH1zumxVr7fwvvgqtdFFTI6jJXS8
德勤發佈2020技術趨勢報告：五個新趨勢可引發顛覆性變革
北京新浪網 10-26 18:12
來源：產業智能官
「2020 年的趨勢將顛覆整個行業，並在未來十年重新定義業務，即使數字創新已成為各種規模企業的常規行為。」德勤管理諮詢新興技術研究總監兼政府及公共服務首席技術官 Scott Buchholz 在一份報告中如是說。
近日，《德勤 2020 技術趨勢報告》（中文版）正式發佈（以下簡稱《報告》），報告指出了五個可能在短期內引發顛覆性變革的關鍵新興趨勢：「數字孿生：連結現實與數字世界」；「架構覺醒」；「技術道德與信任」；「人感體驗平台」；「財務與 IT 的未來」。
值得注意的是，這是德勤第十一年發佈技術趨勢年度報告。今年的技術趨勢報告繼續在開篇回顧了 11 年來的技術趨勢發展，展示了技術趨勢隨時間推移的演進全過程以及最新宏觀科技力量作為業務轉型基礎帶來的共生效益和不久的未來的新興科技力量。與此同時，《報告》還指出，未來三大顛覆性技術（即環境體驗、指數智能和量子技術）正蓄勢待發，我們將在本世紀20年代末開始感受到它們的影響。
一、九大宏觀科技力量
隨著以技術為驅動的創新的空前擴張，一場高風險的「打地鼠」的競爭遊戲由此展開，企業利用技術保持先進的能力將決定其生死存亡。
過去十年內，數字化體驗、分析技術和雲技術為各項技術賦能，展現了他們自身的價值，已然成為眾多企業有效地推進戰略和新商業模式的核心基礎。接下來十年中，數字現實、認知技術和區塊鏈將成為企業變革的顛覆性驅動力。它們的應用範圍將越來越廣，各行各業的案例成倍增加。技術業務、 風險和核心系統現代化是驅動企業變革和創新的基礎技術，它們需要保持穩定、強勁、可持續發展。
基於此框架下討論新興技術，可以簡化技術進步對企業所造成的顛覆性影響。同時，圍繞九大宏觀科技力量衍生更多細分領域和更加細化的技術創新點和趨勢點。
十年前我們首次探索數字化體驗、分析技術和雲技術之時，只能看到其中的可能性，並不能確切地估測 它們的影響。現如今，這些技術已經為大家所熟知，並在對業務、運營模式和市場造成了顛覆性影響之 后，發展勢頭依舊迅猛。
（1）數字化體驗
數字化體驗依然是企業變革的重要驅動因素。實際上，在德勤 2018 年全球 CIO 調查報告 中，64% 的參與者表示接下來的三年裡，數字化技術將對他們的業務造成影響。在去年的超越營銷：體驗重塑中，我們已經審視了這一趨勢，企業正逐漸摒棄傳統意義上以獲客為核心的營銷模式，轉而致力於創造更多以人為本的互動——包括與其員工和商業夥伴的互動。
（2）分析技術
分析技術包括能夠提供深刻洞察的基本技術和工具。數據管理、數據治理以及數據運營體系這些重要因素不僅僅是人工智慧項目的核心基礎。同時，鑒於企業內對數據儲存、數據隱私和數據使用的嚴格要求，這些重要因素也是必須面對和考慮的重大策略點。
60%的首席信息官（CIO）表示，在未來的三年內， 數據和分析技術將對他們業務帶來影響。但這個問題正變得更具挑戰性。「靜止的數據」 和「使用的數據」這兩個久經考驗的概念被「動態數據」所連接，藉助工具和平台動態數據進而支持數據流、數據攝取、數據分類、儲存和訪問。值得欣喜的是，雲技術、核心系統重塑、認知技術和其它技術正在為異常複雜的挑戰帶來全新的解決方案。
（3）雲技術
雲技術已經全面深入企業。90% 的企業在使用基於雲技術的服務,並且這一比例有增無減。實際上，就信息技術領域的投資預算來看，接下來三年內對雲技術的投資會翻倍。正如我們 2017 年所預計的那樣，雲技術已經不僅僅只是作為基礎應用，它帶來了 「一切即服務」 的藍海，使任何 IT 能力都可以變成基於雲的服務供企業使用。在眾多企業當中，少數超大規模企業主宰了公有雲和雲技術服務市場,在雲技術的賦能下，為其它宏觀力量的進一步創新提供基礎和平台，例如分析技術、雲技術、區塊鏈、數字現實，以及未來的量子技術。
雲技術還驅動我們思考並重塑一些陳舊的企業管理和業務職能。
當今的顛覆性驅動力（即數字現實、認知技術和區塊鏈）都是由體驗、分析技術和雲技術發展而來。未 來十年，這些新的趨勢雖然不再新鮮，但它們將和過往的重大趨勢一樣，在人們持續深刻的理解和應用 中，推動重要的變革。
（4）數字現實
數字現實技術，包括 AR/VR 、混合現實、語音交互、語音識別、普適計算、360°全方位攝像和沉浸式技術等，幫助用戶突破鍵盤和屏幕的禁錮，與用戶感知無縫銜接，用戶可更加自然地參與互動。數字現實的目的是打破傳統的空間界限，讓人與底層技術進行自然、本能、甚至下意識的互動。
（5）認知技術
機器學習、神經網路、機器人流程自動化、機器人程序、自然語言處理、以及更廣泛的人工智慧領域等認知技術可能推動所有產業變革。這些技術將人機互動個性化、場景化，通過 定製化語言或圖像信息，驅動業務流程，實現無人值守。
企業對認知技術的需求大幅增長一一互聯網數據中心（IDC）預測 2022 年 企業此項支出將達 776 億美元，與此同時，信任和技術道德問題也迫在眉睫。
（6）區塊鏈
德勤 2019 年全球區塊鏈調查報告中，超過半數的參與者表示區塊鏈技術至關重要，較前一 年增長了 10% 。83% 的人能夠明確構思區塊鏈技術的實際應用，較前一年增長了 9% 。調查結果顯示，2019 年，企業已經不再討論「區塊鏈是否可行？」，轉而關注「我們該如何利用區塊鏈？」
金融服務和金融科技公司持續領航區塊鏈技術的發展，但其它領域也開始推行區塊鏈技術， 尤其是政府、生命科學與醫療健康、科技、媒體、通訊等領域。
再提技術業務、風險和核心系統重塑似乎有些枯燥無味，但不可否認，它們是業務的核心所在。企業在這些已經發展很成熟的領域，依然繼續進行著可觀的投資。綜合來看，正是因為它們不僅為數字化轉型、創新與增長提供了可靠的、可規模化的基礎，也是在分析技術、認知技術、區塊鏈等顛覆性技術成功投資的必要條件。
（7） 技術業務
隨著技術應用與業務戰略的融合，技術業務也在不斷發展。隨著企業更多地通過重塑 IT 來實現運營效率提升和與業務部門合作者一起進行價值創造，很多 IT 團隊通過實施促進跨業務協作的開發體系（如敏捷和 DevOps ），逐漸將傳統的項目制交付調整為產品化運營。
強大的技術功能讓企業更敏捷地響應技術驅動的市場和業務的變化。一隻強大的數字化技術運營團隊能夠幫助企業迅速回應技術對市場的影響以及相關業務挑戰。
（8）風險
在以創新為驅動力的時代，企業面臨的風險遠遠超越了傳統的網路風險、監管風險、運營風險及財務威。2019 年的 CEO 和風險管理調查報告指出，企業最大的風險廣泛涉及新顛覆性技術、創新、生態系統合作夥伴、企業品牌及名譽、文化等。對此，很多公司清楚地意識到他們還未對此類風險做好準備，或沒有想法在管理此類風險方面進行投資。
除合規和安全的必要要求，企業還面臨新興技術對產品、服務和商業目標的潛在影響，這些使得企業正在把更為廣泛的信任作為企業戰略。
（9）核心系統現代化
核心系統現代化體現了數字化轉型、用戶期望及數據密集型演算法給核心系統的前台、中台和後台帶來的持續性壓力。無論是在財務數字化、實時供應鏈，還是在客戶關係管理系統，核心系統都承載了關鍵業務流程。
在如今這個即時、持續和定製交互的時代，企業需要降低整體的技術負債。實現核心系統 現代化的成熟舉措，比如重塑現有的遺留系統，更新 ERP 系統及重寫其他系統，這些目前來講尤為重要。
二、未來三大顛覆性技術
隨著三大顛覆性技術（即數字現實、認知技術和區塊鏈）崛起，並準備在未來十年為業務做出重大貢獻 的同時，未來三大技術發展和創新的新星（環境體驗、指數型智能和量子技術）正蓄勢待發。我們將在 本世紀 20 年代末開始感受到它們的影響。
a：環境體驗
環境體驗展望了這樣一個構想：在未來，技術只是環境的一部分。計算設備的功率不斷增加，體積不斷縮小。這些越來越小的設備將我們的輸入從非自然的（指向、點擊和滑動） 演變為自然的（說話、手勢和思考），它們與我們的交互從被動的（回答問題）變成主動的（提出意料之外的建議）。
隨著設備變得無縫和無處不在，它們和我們越來越密不可分。想像未來的世界，一些微小的，已連接的，內容感知的設備被嵌入辦公室、家中或者其他地方，成為背景活動的一部分。例如，你如果在腦海中想「我要在一個小時之內出發去機場」，就能觸發一系列背景活動，包括安排航班值機，準備可供生物特徵識別的虛擬登機牌，將無人駕駛汽車目的地設置為正確的航站樓，將家中的智能系統狀態調為「離開」，以及暫停出差期間的快遞服務等等。
b：指數智能
指數智能建立在當今認知技術能力上。如今，機器智能能夠發現數據中蘊藏的規律，但是無法判斷這些規律是否有內在的意義。同時，它目前還缺乏識別和響應人類互動和情感的細微差別的能力。而且，機器智能的認知能力還非常有限，比如機器能夠打敗國際象棋大師，卻不能理解房間發生了火災需要逃跑。
未來有無限可能。隨著對語義和符號識別的理解，機器逐漸能從假想的相關中梳理出真實的因果關係。藉助來自人感訥驗平台的技術組合，我們的虛擬助手將越來越能夠識別並適應我們的情緒。隨著研究人員開發出更廣義的智能，指數智能將超越統計和計算的層面。我們敢說，最終，這將導致更有能力的人工智慧誕生。
c：量子技術
量子技術利用亞原子微粒的反直覺特性處理信息，進行新型計算，實現「不可非法侵入式」 交流，技術微型化等等。量子計算中，這些量子比特（或量子位）的特殊屬性有可能發生 指數型變化。通過操縱單個粒子，量子計算機將能夠解決某些高度複雜的問題，這些問題 對於目前的超級計算機來說，太大，太雜亂，包括從數據科學到材料科學。
隨著研究者們不斷突破技術限制，量子計算機將逐漸取代傳統的計算機。數據科學家將能 夠處理前所未有宏大的數據量，並從中獲取相關性信息。材料科學家利用量子比特模擬原 子，這是無法在傳統計算機上實現的。同時，在通訊、物流、安全、密碼學、能量等不同領域，我們都能預見無限可能。
為了幫助大家更好的理解各類前沿技術動態，基於宏觀科技力量及其可被預期的時間範圍，報告歸納整理了一張完整的統一化視圖。
三、五大關鍵新興趨勢
一）技術道德與信任
技術變革常態化的同時，贏得全方位的信任變得更具挑戰——但也充滿機遇。
隨著數字技術的出現，企業要用戶以新的更深層次的方式信任他們，過去是獲取用戶個人信息，現在則是通過數字痕迹追蹤用戶的線上行為。同時，技術引起的問題也經常成為新聞頭條，例如安全漏洞、不當或非法監視、個人信息濫用、虛假信息傳播、演算法歧視、缺乏透明度等等。這些事件導致利益相關方之間不信任（包括客戶、僱員、合作 夥伴、投資者和管理者），嚴重損害企業聲譽。的確，消費者對商家的信任正在逐漸下降，人們對公共機構的態度也越來越謹慎，員工則要求企業明確闡述其核心價值觀。
德勤 2020 年全球市場趨勢報告中提到，當今時代，品牌信任對企業來講尤為重要，關係到企業的方方面面。無論是客戶、監管機構，還是媒體，都期望品牌商在其開展業務的各個領域都是開放、誠信和始終如一，從產品生產、促銷活動、到員工文化和合作夥伴關係維護等。
被技術顛覆的企業，它的每一個方面都意味著可以贏得或失去任何一個客戶、員工、合作夥伴、投資者和/或監管機構信任的機會。如果領導者能夠充分貫徹企業價值觀和技術道德觀，努力履行「做好事」的承諾，企業就能夠與利益相關者建立長期牢固的信任關係。在這種情況下，信任就變成了一個全方位的 承諾，並且確保信任是企業的技術，流程，人員都在共同努力維護的基礎。
技術道德這一術語指的是不局限於或側重於任何 一項技術的綜合價值觀，這個價值觀是指導企業對技術使用的整體方法及通過部署這些技術驅動業務戰略和運營企業應考慮主動評估如何以符合公司宗旨和核心價值觀的方式使用技術。
在數字時代，信任是個複雜的議題，企業面臨著無數的生存威脅。雖然顛覆性技術通常會給企業帶來指數型增長，但僅憑技術卻無法建立長期信任。因此，領先企業們正在通過全方位的維持利益相關者所期望的高度信任。領先企業們正在嘗 試通過各種方式，來維持利益相關者所期望的高度信任。
人工智慧、機器學習、區塊鏈、數字現實和其它 新興技術正以前所未有的速度和深度融入我們的 曰常生活。企業該如何通過客戶、合作夥伴和員工使用這些技術來構建信任呢？
解讀企業價值觀。
如今，技術根植於業務，機器學習也驅動著業務決策和行為，因此，必須先了解企業的技術解決方案，才能進一步解讀和評價企業價值觀。數字化系統可以被設計用來減少偏差，讓企業能夠遵循自己的原則運 營。
保障措施可以防止用戶以不健康或不負責任的方式使用技術，從而幫助提高利益相關者的利益。例如，一家公司對可能成癮的遊戲強制限定遊戲時間和遊戲花費一個內容提供商提醒用戶關注信息來源的準確性；雲計算提供商在 戶超出其預算之前自動發出警報。
建立強大的數據基礎。
如果不能系統性地、統一地追蹤數據內容及來源，並確定可訪問數據的人員，就沒有辦法營造良好的信任環境。強大的數據基礎讓利益相關者擁有共同的願景， 為數據負責，採用安全的技術手段實現有效的數據管理。管理者需要讓利益相關者了解他們提供的數據將如何運用，此外，除非為了法律或監管的目的，在利益相關者要求時須刪除相關數據。
強化防護措施。
德勤 2019 年未來網路調查報告顯示，管理者為網路問題花費的時間越來越多，網路防禦體系意味著您要 保護您的客戶、員工和商業合作夥伴，讓他們遠離與他們——或者說你們——的價值觀不同的群體。從最開始就需要建立並實施網路安全風險策略略，並將其貫穿於商業運營和政策制定的全過程，這絕不僅僅是信息技術部門的問題。企業領導者應當與信息技術部門一起制定全面的數字安全風險策略，考慮安全、隱私、 誠信和保密等各方面，增強利益相關者的信任，提高企業競爭力和優勢。因此，需要評估企業的風險容忍度，明確弱點所在，並判斷企業最具價值的數據和系統，制定風險緩解策略和恢復計劃。
二）財務與 IT 的未來
IT 和財務領導者共同努力為創新融資尋找靈活的途徑。
德勤的研究發現，56% 的首席信息官（CIO）期望應用 Agile, DevOps 或類似的靈活 IT 交付模式，來提高 IT 的響應能力並激發更廣泛的創新的雄心。
但目前有些難以克服的障礙阻礙這些努力：資金的來源和分配。IT 的運營和開發流程正變得越來越靈活，更加側重產品，而財務部門仍舊按照過去數十年的方式來制定預算、融資和財報。結果顯而易見：IT 需求與財務流程之間的矛盾。若這個問題得不到解決，那麼它可能會破壞首席信息官（CIO）的創新計劃，乃至整個企業的戰略目標。
IT 對資金的需求與財務的漫長流程之間的矛盾並非形成於一夜之間。而是在過去十年中曰漸累積。雲技術和平台技術一步步地顛覆了傳統運營模式，迫使財務部門不得不重新評估財務管理方法。
《報告》指出這種變革體現在三方面：
從資本支出轉向運營支出
從在現場轉型到基於雲的系統，涉及大量的支出從資本支出轉移到運營支出。事實上，團隊一直都有一些資本支出和運營支出。新的準則是「誰開發誰管理」。從會計的角度而言，短期運營支出增長會影響季度財報。
衡量難以捉摸的投資回報率。
技術創新舉措通常是難以達到內部收益率預期的嘗試，可能產生正回報也可能不會。在財務及短期收益上， 創新投資通常不具備傳統 IT 項目的信心水平， 因此這類投資往往也很難通過標準管理流程獲得有力支持。在某些情況下，這會導致財務部門難以建立精確的流程，來跟蹤長期投資回報率。例如，對於無限期重複使用的平台這類的固定預算投資，跟蹤其投資回報率更是難上加難。
計算交付價值。
根據德勤《 2018 年全球首席信息官(CIO)調查報 告》，65% 的受訪者表示他們在評估 IT 投資時， 通常採用具體案例具體分析的方法，而不是遵循常規財報流程。顯然，在評估 IT 帶來的價值這件事上，首席信息官 (CIO )與首席財務官 (CFO)不在同一立場。
作為財務與未來的T趨勢的一部分，我們預計有更多首席信息官(CIO)、首席財務官(CFO)以及他們各自的團隊，將會積極探索解決這些及其他在融資、會計與財報上所面臨的挑戰的方法。
三）數字孿生技術
利用下一代數字攣生技術助力企業設計、優化和轉型。
當下，企業正以多種方式使用數字彎生技術。在汽車和飛機製造領域，數字彎生技術逐漸成為優化整個製造價值鏈和創新產品的重要工具；在能源領域，油田服務運營商通過獲取和分析大量井內數據，建立數字模型，實時指導鑽井作業在醫療保健領域，心血管研究人員正在為臨床診斷、教育、培訓,創造高模擬的人類心臟的數字彎生體；作為智慧城市管理的典型案例， 新加坡使用詳細的虛擬城市模型，用於城市規劃、維護和災害預警項目。
數字彎生可以模擬物理對象或流程的各個方面。它們可以展現新 產品的工程圖和尺寸，也可以展現從設計到消費者整個供應鏈中 所有子部件和相應環節——即」已建成「數字彎生，也可採用 「即維護」模式——生產車間設備的實物展現。模擬模型可以捕獲 設備如何操作，工程師如何維護，甚至該設備生產的產品如何與客戶關聯。數字彎生可以有多種形式，但它們無一例外都在捕獲和利用現實世界的數據。
數字孿生髮展勢頭迅猛，得益於快速發展的模擬和建模能力、更好的互操作性和物聯網感測器， 以及更多可用的工具和計算的基礎架構等。因此， 各領域內的大小型企業都可以更多地接觸到數字孿生技術。IDC 預測，到 2022 年，40% 的物聯網平台供應商將集成模擬平台、系統和功能來創建數字孿生，70% 的製造商將使用該技術進行流程模擬和場景評估。
與此同時，通過訪問大量數據，使得創建比以往更為詳細、更為動態化的模擬成為可能。對於數字孿生的長期用戶而言，這就好比從模糊的黑白快照過渡到彩色高清數碼照片一樣，從數字源中獲取的信息越多，最後呈現的照片就越生動逼真。
長期來看，若想要實現數字孿生技術的全部潛力， 可能需要集成整個生態圈內的系統和數據。創建 一個完整的客戶生命周期或供應鏈(囊括了一線供應商和其自身的供應商)的數字化模擬，可以提供富有洞察力的宏觀運營觀點，但仍然需要將外部實體整合到內部數字化生態系統內。直至今曰，大多數企業仍對點對點連接之外的外部集成感到不滿意。克服這種猶豫可能是一個長期挑戰, 但最終，所有的付出都將是值得的。未來，期望企業會利用區塊鏈打破信息孤島，繼而驗證信息並將其輸入數字孿生體中。這可以釋放先前無法訪問的大量數據，從而使模擬更加細節化、動態化、更具潛在價值。
四）人感體驗平台
通過Al、神經科學、人本設計重塑人機聯接。
人感體驗平台趨勢顛覆了傳統的設計方法，它首先確定我們想要實現的人性化和情感體驗，而後決定使用何種情感和 AI 技術組合能夠達成這一效果。企業將面臨的一大挑戰是，如何針對不同的客戶群體、員工群體和其它利益相關者，確定能引起他們共鳴和引發他們情緒的具體響應或行為，並進一步開發情感技術，使其能夠識別和複製某一段體驗中的特質。
在不久的未來，我們將會看到人們對人性化的技術需求曰益增長。在數字化革命進程中，我們目前進入到一個階段，就是每個人之間未必有 接，但每個人一定都與技術有聯結。我們正在消除流程和交互，直接與機器互動。因此，我們渴望我們正在迅速失去的東西：有意義的聯結。為此，我們期望技術能夠用更 加人性化，更人道化的方式跟我們互動。設計能夠滿足這一期望的技術需要對人的行為有更深刻的洞察，並不斷創新，以提高我們預測和響應人們需求的能力。不久的將來，人感體驗很有可能會帶來長久的、可持續的競爭優勢。
五）架構覺醒
演進架構師角色，從而轉變系統架構並支持業務 發展的速度。
越來越多的技術領導層和高管們逐漸意識到，如今，技術架構領域的科學在戰略上比以往任何時候都更加重要。事實上，為了在技術創新顛覆的市場中保持競爭力，已成立的企業需要不斷演 他們的架構一一這一過程可以從改變技術架構師在企業內扮演的角色開始。
這種轉變的目的非常明確：把經驗最豐富的架構師安排到最需要他們的地方——即加入到設計複雜技術的軟體開發團隊中。一旦這些架構師被重新部署和賦能，他們便可幫助簡化技術棧， 提升技術敏捷性，從而為新興企業獲得市場優勢。另外，他們還可以直接負責實現業務成果，解決架構難題。
此外，擁抱架構覺醒這一趨勢的企業將開始重新定義架構師角色，使其更具協作性、創新性，並能對利益相關者的需求做出回應。具有全局觀的架構師可能會發現，自己正在多部 門混合的項目團隊中，與專注於應用程序的架構師 以及來自 1T 和業務部門的同事共同作戰。未來，他們的使命將不僅是利用傳統的架構組件，還要利用顛覆性力量（如區塊鏈、AI、及機器學習）大胆創新。
資料來源：https://m.news.sina.com.tw/article/20201026/36690918.html
