我乘坐新本田CRV的第一次旅行是沿着I-81号州际公路穿过弗吉尼亚蓝岭。这是一个美丽的驱动器，直到我注意到一个橙色警报图标在我的仪表盘上。我不知道这是什么意思，所以停下来看看手册。原来这是一个低胎压警报（如果图标看起来像一个轮胎远）。我仔细地看了看我的新轮胎，永久免费的云服务器，它们看起来都很好，直到我看到钉子从一个后轮胎的胎侧伸出。我很快就去了下一个出口的加油站，用一个临时备胎以每小时不超过45英里的速度开车回家。直到……

下个月，我开车去修理一个全新的轮胎，我看到灯又亮了。我把车停在路边，看了看轮胎，没发现什么问题，继续工作。下班后把车开到当地轮胎店吉恩轮胎。吉恩看着轮胎，说它们很好，然后叹了口气"你不知道，"他说，"这种情况一周发生多少次。那些传感器大部分时间都是错误的，"

快进到今天，当我已经习惯了演习。灯亮了。我看看轮胎。甚至测量压力（是的，我现在旅行时用的是老式的轮胎压力表）。重新调好灯，继续走。我估计20个错误读数与一个正确读数的比率。与同事交谈时，我意识到除了我之外，这对任何人来说都不奇怪。

这和化学品有什么关系？这件事让我不安地想起几年前我和一家化工公司的一次谈话，这家公司经常通过铁路运输危险化学品。除了GPS跟踪装置外，轨道车还可以配备许多传感器。这些传感器将通过蜂窝网络传递信息，如车厢内的温度、罐车舱口是开着还是关着、车厢的手刹是否已设置、车厢是否受到撞击等。所有这些信息对于确定是否存在化学品泄漏或其他类型释放的风险至关重要。你可能会认为，公司会急于为所有的铁路车辆配备这种传感器，但事实上，除了运输剧毒物质（如氯）的铁路车辆外，大多数运输化学品的铁路车辆都没有配备这种传感器。为什么？一个原因是传感器读数不够可靠。

如果一个舱口在铁路沿线某个没有装载或卸载轨道车辆的地方登记为打开，国内大数据，则接收传感器读数的托运人有义务查明发生了什么。这可能需要派一架直升机去检查——如果轨道车被证明是正常的，企业应用中心，这是一个相当昂贵的提议，这显然是这家公司经历了很多次。其结果是，他们的许多/大多数轨道车都没有配备传感器，因为成本（包括响应错误警报的成本）根本无法证明其好处。

所有这些都让我对物联网有了更广泛的思考。在我们从制造厂的设备接收到的大量数据中，有多少是准确的？据估计，连接到物联网的"边缘"设备中有多达40%的数据是不准确的。那么，企业信息化应用，一个差劲的数据分析师该怎么办呢？

我为我的车提出的解决方案与识别虚假物联网数据的方法类似。我用另一个"传感器"来验证车载传感器的读数。结果发现冗余是一种常见的方法——对报告相同或相关数据的传感器进行聚类，并比较读数，以确定其中一个传感器的超阈值读数是否准确。

另一种方法是使用完全不同类型的传感器。在轨道车舱口的例子中，一些公司在每辆运载危险物质的轨道车上都增加了网络摄像头。每当接收到舱口打开或撞击读数时，摄像机就会拍摄轨道车顶部的照片。图片用于验证传感器读数，并确定是否需要采取紧急行动。

然后，有一种方法，将来自多个来源的数据结合起来，得出结论，通过机器学习可以随着时间的推移而改进。如果泵的能耗似乎在波动，但流量和温度读数在范围内，会发生什么情况？是其中一个传感器错误，还是该泵在不同情况下的功率不同？机器学习有助于提高对该泵"正常"行为的识别，减少虚假警报的数量。

所有这些都应该提醒我们，淘客基地，物联网应用的价值不仅仅取决于设备和设备的智能部署，但是在管理和驱动对设备数据的反应的平台的分析能力上。查看SAP的Leonardo产品，了解物联网分析业务价值的一些示例。