Παρά το γεγονός ότι υπάρχουν πολλές διαφορετικές απόψεις σχετικά με τις έννοιες του δικτύου αισθητήρων, του Διαδικτύου των πραγμάτων (IoT) και του πανταχού κοινού δικτύου στην κοινωνία, είναι γενικά αποδεκτό ότι το IoT αναφέρεται στην πραγματοποίηση-απόκτησης, μετάδοσης, αποθήκευσης, γνώσης, ανάλυσης και χρήσης πληροφοριών μεταξύ πραγμάτων, πραγμάτων και ανθρώπων και μεταξύ διαφόρων τύπων αισθητήρων από ανθρώπους.
Οι βασικές πτυχές του IoT μπορούν να συνοψιστούν ως ολοκληρωμένη ανίχνευση, αξιόπιστη μετάδοση και έξυπνη επεξεργασία. Η ολοκληρωμένη ανίχνευση αναφέρεται στη χρήση αναγνώρισης ραδιοσυχνοτήτων (RFID), GPS, καμερών, αισθητήρων, δικτύων αισθητήρων και άλλων τεχνικών μέσων ανίχνευσης, σύλληψης, μέτρησης, οποιαδήποτε στιγμή, οπουδήποτε στο αντικείμενο για συλλογή και λήψη πληροφοριών. Η αξιόπιστη μετάδοση αναφέρεται στην αξιόπιστη αλληλεπίδραση και κοινή χρήση πληροφοριών μέσω διαφόρων δικτύων επικοινωνίας και του Διαδικτύου οποιαδήποτε στιγμή, οπουδήποτε. Η έξυπνη επεξεργασία αναφέρεται στην ανάλυση και την επεξεργασία μαζικών-διατομεακών, διατομεακών-διατομεακών-και διασταυρούμενων-γεωγραφικών δεδομένων και πληροφοριών για τη βελτίωση της εικόνας του φυσικού κόσμου, των διαφόρων οικονομικών και κοινωνικών δραστηριοτήτων και την πραγματοποίηση έξυπνης λήψης- αποφάσεων και ελέγχου. Σε σύγκριση με το παγκόσμιο χαρακτηριστικό διασύνδεσης και διαλειτουργικότητας του Διαδικτύου, το IoT έχει τοπικά και βιομηχανικά χαρακτηριστικά.
Το Industrial Internet of Things έχει ένα ευρύ φάσμα εφαρμογών. Διάφοροι τύποι τερματικών με δυνατότητα ανίχνευσης περιβάλλοντος, υπολογιστική λειτουργία βασισμένη στην πανταχού παρούσα τεχνολογία, κινητή επικοινωνία κ.λπ. ενσωματώνονται συνεχώς σε όλες τις πτυχές της βιομηχανικής παραγωγής, που μπορούν να βελτιώσουν σημαντικά την παραγωγική απόδοση, να βελτιώσουν την ποιότητα του προϊόντος, να μειώσουν το κόστος του προϊόντος και την κατανάλωση πόρων και να ανυψώσουν την παραδοσιακή βιομηχανία σε ένα νέο στάδιο ευφυούς βιομηχανίας.
Οι τεχνολογίες, οι ρόλοι και οι αλληλεπιδράσεις των πλατφορμών IoT μπορεί να διαφέρουν από κλάδο σε κλάδο, ειδικά όταν χρησιμοποιούν ψηφιακές τεχνολογίες όπως το IoT. Από αυτή την άποψη, οι πλατφόρμες IoT ενισχύονται από τα ακόλουθα τέσσερα στοιχεία:
1. Τεχνολογία
2. Οικοσύστημα ανάπτυξης
3. Δημιουργία λύσεων
4. Χρήστες
Η βάση αυτών των τεσσάρων στοιχείων είναι η τεχνολογία, από αισθητήρες έως πρωτόκολλα επικοινωνίας έως εργαλεία ανάλυσης, η ενεργοποίηση της τεχνολογίας βρίσκεται στο επίκεντρο της ικανότητας του IoT να βελτιώνει τη λειτουργική απόδοση και να διευκολύνει τη δημιουργία νέων προϊόντων. Στη συνέχεια, το οικοσύστημα ανάπτυξης μπορεί να χρησιμοποιήσει αυτά τα εργαλεία ακατέργαστης τεχνολογίας για να δημιουργήσει την τέλεια λύση για να καλύψει τις ανάγκες των χρηστών της πλατφόρμας.
Οι πάροχοι πλατφόρμας θα πρέπει να σχεδιάζουν τα προϊόντα τους για χρήστες και στις δύο πλευρές της συναλλαγής. Επομένως, είναι σημαντικό να παρέχουμε στους χρήστες διαφορετικές διαδρομές όπου οι αντίστοιχες ομάδες ανθρώπων μπορούν να βρουν σχετικό περιεχόμενο, υπηρεσίες και λύσεις. Αυτές οι διαδρομές θα περιλαμβάνουν φιλτράρισμα περιεχομένου με βάση τη βιομηχανία ή τους ρόλους των χρηστών. Εν ολίγοις, όσο πιο διαισθητική είναι η διαδραστική διεπαφή της πλατφόρμας, τόσο πιο αποτελεσματικές είναι συνήθως οι διαδρομές για την παρουσίαση περιεχομένου και τόσο πιο εύκολο είναι τόσο για την προσφορά όσο και για τη ζήτηση να βρουν αυτό που αναζητούν. Αυτή η σχέση μεταξύ χρηστών και δεδομένων βρίσκεται στο επίκεντρο της δημιουργίας αξίας στις πλατφόρμες IoT. Προσελκύοντας προγραμματιστές λογισμικού και άλλους κατασκευαστές λύσεων, οι πλατφόρμες IoT μπορούν να προσφέρουν ένα ευρύτερο φάσμα λύσεων στους χρήστες. Ως αποτέλεσμα, η πλατφόρμα εμπνέει τη δυνατότητα δημιουργίας μεγαλύτερης αξίας.
Από λειτουργική άποψη, αποτελείται από τέσσερις κύριες λειτουργίες: CMP (Connectivity Management), AEP (Application Enablement), DMP (Device Management) και BAP (Business Analysis).
CMP (πλατφόρμα διαχείρισης συνδεσιμότητας)είναι η πλατφόρμα διαχείρισης σύνδεσης. Χρησιμοποιείται γενικά στο δίκτυο του χειριστή, ειδικά για σύνδεση στην κάρτα SIM IoT. Αυτή η πλατφόρμα μπορεί να πραγματοποιήσει διαμόρφωση σύνδεσης IoT και διαχείριση σφαλμάτων, να εξασφαλίσει σταθερότητα καναλιού δικτύου τερματικού, διαχείριση χρήσης πόρων δικτύου, διαχείριση τιμολογίων σύνδεσης, διαχείριση χρέωσης, αλλαγές πακέτων κ.λπ.
DMP (πλατφόρμα διαχείρισης συσκευής)είναι μια πλατφόρμα διαχείρισης συσκευών. Περιλαμβάνει κυρίως μια σειρά λειτουργιών όπως απομακρυσμένη παρακολούθηση, προσαρμογή ρυθμίσεων, αναβάθμιση λογισμικού και αντιμετώπιση προβλημάτων για τερματικά IOT. Και μέσω της παροχής ανοιχτής διεπαφής κλήσεων API για να βοηθηθούν οι πελάτες με την ενσωμάτωση συστήματος σε ολόκληρο το σύνολο των λύσεων διαχείρισης συσκευών M2M από άκρο-προς-τερματισμό, οι συνολικές χρεώσεις προσφοράς. Μπορεί να θεωρηθεί ότι το DMP προσανατολίζεται κυρίως στον έλεγχο της βασικής κατάστασης της συσκευής, όπως ενεργοποίηση, απενεργοποίηση, διακοπή ή{6}}προειδοποιήσεις συσκευών IoT σε πραγματικό χρόνο και άλλη διαχείριση συσκευών που δεν περιλαμβάνει σενάρια ανώτερης εφαρμογής IoT.
AEP (Application Enablement Platform)είναι η ανώτερη πλατφόρμα ενεργοποίησης επιχειρήσεων. Αυτό το λογικό επίπεδο συνδυάζεται με τα σενάρια εφαρμογών ανώτερου επιπέδου για να παρέχει στους προγραμματιστές σύνολα εργαλείων ανάπτυξης εφαρμογών (SDK), ενδιάμεσο λογισμικό, αποθήκευση δεδομένων, μηχανισμό επιχειρηματικής λογικής, διεπαφές API τρίτων-και άλλες λειτουργίες. Μπορούμε να το κατανοήσουμε ως μια πλατφόρμα ανάπτυξης συστήματος που συνδυάζει σενάρια εφαρμογών. Με τη συνεχή συσσώρευση επιχειρηματικής εμπειρίας και τεχνολογίας που εμπλέκονται στον κλάδο, η ανταγωνιστικότητα της πλατφόρμας θα μετατοπιστεί σταδιακά από τη συνδεσιμότητα στις επιχειρηματικές δυνατότητες της πλατφόρμας σε πολλαπλά{4} σενάρια.
BAP (Business Analytics Platform)μπορεί να ονομαστεί πλατφόρμα επιχειρηματικής ανάλυσης. Αυτό το λογικό επίπεδο περιέχει δύο κύριες λειτουργίες: υπηρεσίες μεγάλων δεδομένων και μηχανική εκμάθηση. Τα δεδομένα που συγκεντρώνονται στην πλατφόρμα cloud αναλύονται, υποβάλλονται σε επεξεργασία και οπτικοποιούνται. Και η μηχανική μάθηση είναι η εκπαίδευση δομημένων και μη δομημένων δεδομένων που κατατίθενται στην πλατφόρμα για να σχηματίσουν προγνωστική, γνωστική ή πολύπλοκη λογική επιχειρηματικής ανάλυσης. Και στο μέλλον, η μηχανική μάθηση θα μεταβεί αναπόφευκτα στην τεχνητή νοημοσύνη.