Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
«Анализ рынка облачных IoT-платформ и приложений для оптимизационного управления автотранспортом

25, июнь 2019  —  J ' son & Partners Consulting представляет результаты исследования « Анализ рынка облачных IoT -платформ и приложений для оптимизационного управления автотранспортом ».

Транспорт и логистика – наиболее крупная сфера применения индустриального Интернета Вещей ( IIoT -платформ) как в натуральном - по количеству подключенных объектов, так и в денежном выражении. Причина – в высоком уровне проникновения облачных платформ. К облачным IIoT -платформам, реализующим функционал мониторинга и оптимизации использования коммерческого транспорта (функционал систем Fleet Management ) по состоянию на конец 2018 года было подключено более 10% таких объектов. Это на два порядка больше чем в промышленности, и на порядок больше, чем в управлении недвижимостью.

В отличие от других сфер применения IIoT -платформ, в транспортной отрасли прикладные платформы Fleet Management , большая часть которых изначально являлась аппаратно-зависимыми, самостоятельно реализуют интеграцию с источниками данных (тахографами, донглами, навигаторами и т.п.), и, как правило, не используют для получения этих данных платформы M 2 M . Функции мониторинга M 2 M -подключений, реализуемые развернутыми на стороне операторов сотовой связи платформами M 2 M , пока являются необязательным дополнением к функционалу платформ Fleet Management , но не источником данных для них.

Тем не менее, разработчики и провайдеры платформ M 2 M в последние годы активно развивают партнерские экосистемы с разработчиками прикладных функций, включая поглощение наиболее перспективных из них, что способствует формированию полноценных экосистем вокруг базовых платформ M 2 M . Также этому способствует явное стремление разработчиков прикладных платформ уйти от аппаратной зависимости в части устройств телеметрии – подключение к платформе не должно требовать обязательной покупки и установки фирменного устройства. В последние два года значительное ускорение развитию рынка IIoT -платформ для транспорта и логистики в направлении формирования полноценной экосистемы придал пересмотр автопроизводителями своей роли на этом рынке.

По оценкам J ' son & Partners Consulting глобальный объем потребления сервисов облачных платформ M 2 M в части подключения устройств телеметрии объектов транспорта (М2М) и прикладных платформ, реализующих функционал систем Fleet Management , достиг в 2018 году $12 млрд, а темпы роста потребления в период 2014-2018 гг. составили 20% CAGR .

В России потребление облачных сервисов интеграционных ( M 2 M ) и прикладных платформ в настоящее время практически отсутствует, составляя около 200 млн рублей ($3 млн) в год. Функционал сбора данных с подключенных объектов транспорта реализован преимущественно с использованием проприетарных on - premise систем Fleet Management , размер внедрения и техподдержки которых в 2018 году составил, по оценкам J ' son & Partners Consulting , 11,4 млрд рублей без учета затрат на услуги связи.

Причины превалирования on - premise модели развертывания систем Fleet Management в России носят преимущественно экономический характер. Из трех ключевых факторов (повышение времени нахождения автомобиля в исправном состоянии ( uptime ) и экономия на тех.обслуживании; экономия на затратах на страхование автотранспорта и ответственности водителей; снижение удельного расхода топлива), в России актуален лишь последний.

Проведенные J ' son & Partners Consulting расчеты показывают, что средний уровень использования грузового автотранспорта не позволяет окупить стоимость использования облачных платформ Fleet Management . Это означает, что даже при существенном снижении стоимости подписки рынок для облачной модели в России ограничен интенсивно используемыми грузовиками большой грузоподъемности (20% от общего автопарка грузового и легкого коммерческого автотранспорта, составляющего около 7,7 млн. автомобилей), находящимися в составе небольших автопарков (единицы и десятки автомобилей). При этом владельцы наиболее крупных автопарков в России, включающих грузовики всех размеров, используют on - premise модель развертывания систем Fleet Management .

Низкий уровень проникновения облачных платформ Fleet Management в России является объективным фактом, обусловленным явным несоответствием стоимости использования платформ достигаемому экономическому эффекту, а также высокой долей в структуре перевозок крупных ведомственных автопарков, имеющих бюджеты для традиционной модели внедрения систем Fleet Management , подразумевающей on - premise развертывание, покупку вечных лицензий и оплату услуг по внедрению и кастомизации приложений.

Основные результаты исследования « Анализ рынка облачных IoT -платформ и приложений для оптимизационного управления автотранспортом », а   также другие материалы изучайте на корпоративном видеопортале JSON . TV

Публикации по теме
Интернет вещей
 
Новости J'son & Partners

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.