物联网的兴起连接了大量的设备，提供了大量的数据。

下一代场景，当我们谈论物联网时，是对我们通过物联网设备接收到的大量数据进行分析和预测的可能性。

在SAP生态系统中，预测是可能的无论是在云端还是在边缘。

在某些特定的环境中，例如低连接场景或实时场景，有可能在边缘运行预测算法变得非常重要和有用。

您可以利用SAP云平台物联网和边缘服务功能在本地创建这样的场景。

在下面的文章中，我将解释如何实际实现一个现实的工业场景，在边缘做出预测。

我们的故事讲述的是油漆墨水公司，一家为多个行业提供专业油漆服务的公司。例如，他们有来自多个汽车行业的订单。

即使技术允许复制用于绘制物体的颜色，基于颜色代码，本示例中使用的公司希望其工业过程和物体具有高质量水平。

验证包括对绘画、工件的分析一件一件地。这个过程是由一个带有传感器的传送带组成的，就像照相机一样，它可以读取传送带中工件的颜色成分（RGB）。

每个工件的绘画并不完全一致，例如，由于，他们已经实现了一个基于KNN（K-最近邻）算法的代码来验证对绘画的分析，该算法分析物体的多个点，并在继续包装之前确定物体是否具有足够高的绘画质量。如果质量不够高，工件将被自动丢弃。

正如你所想象的，在这种情况下，对颜色进行实时分析非常重要，以便加快所有后期生产任务，而皮带上没有积木。

他们决定在边缘进行分析，以满足这一目标。

培训基本KNN算法的一部分已经在SAP Data Intelligence的云中完成。

在我的SAP Data Intelligence租户中，我使用Jupyter在笔记本中实现了一个python算法，人工智能软件下载，该算法使用大量已经分类的数据来训练KNN模型，并将输出保存在文件中作为PMML模型。

它还可以公开一个端点重新计算模型，用额外的训练数据提高识别能力。

为了在边缘实现预测性分析，怎样做淘客，我们继承了SAP云平台物联网边缘平台的特性，创建了一个新的OSGi捆绑包，该捆绑包与我们的边缘平台并行运行，并利用了SAP的特性边缘服务持久化服务。

实现的模块将在Java中使用PMML模型所需的库导入到OSGi环境中，例如JPMML库。

在这种情况下，我们需要为绘制的对象分析几种度量，这些度量表示对象不同区域的RGB颜色。为了提高系统性能，由于完成测量采集所需的时间约为10秒，我们已经决定将所有需要的度量值放在一堆中。

安装在Edge平台顶部的SAP Edge Services Persistence Service模块非常简单，而且是本地的。

Persistence Service将所有度量值存储到本地SQLAnywhere数据库中，并允许在一些REST/Java API或API中获取它们在一个定制的SQL查询中。

所有的数据都被传递到evaluator模块，以获得KNN预测，基于输入值。

每个分析点作为分析结果，用于构建预测指标，该指标传递一定的策略，以验证绘画的整体质量。

准时预测和整体指标都流式传输到SAP云平台物联网，以便进一步分析，改进KNN模型，并允许通过使用SAP Edge Services流式处理服务的功能在流式处理值的顶部应用规则。

您可以轻松地将此场景扩展到其他博客文章中描述的场景。在规则的设置中，您必须应用它，例如预测索引，而不是用于该示例的温度。

此示例使用JPMM，淘客是啥，但您可以轻松地用自己的首选库或自定义实现替换此库。

作为第一个操作，在SAP云平台物联网租户内部创建设备模型。如果可能的话，为了在模型和用于KNN pmml模型文件的输入之间有一个直接的映射，我建议使用指定为输入参数标签的相同属性名，我们在SAP云平台物联网中创建了一种传感器类型，内置3种功能。

颜色：此功能允许接收RGB传感器捕获的RGB值作为测量值颜色预测：包含计算预测的标签（逐点）以及用于计算亲和指数的3个最近邻居有效性颜色分数：每个分析对象一个（每10秒测量一次），并根据最近10秒内收到的所有测量值给出接近指数。它允许我们识别绘画是否有足够高的质量。

打开边缘服务策略服务并单击tile边缘服务管理tile，然后在列表中搜索并单击您的网关。

现在您可以将持久性服务部署到您的网关中，允许自动存储度量值。

单击名为服务的选项卡，然后单击加号按钮将新服务部署到SAP Edge平台。

在下一个窗口中，选择下拉列表中的持久性服务并保存以开始部署。完成服务的部署后，服务的状态将从"已请求"更改为"已安装"。您还可以使用某些调用权限策略相应地配置此服务的用户管理和用户标识提供程序。