你手里拿著大量的數據并不意味著你可以理解和利用它們。因為在聯網設備范圍廣、品種多的情況下，一個供應商很難給出整個倉庫的最佳解決方案。 就算有人出來了，他的計劃也很可能會再次被推翻，光是這個成本就已經太高了。
想要為高效安全的網絡環境搭建一個倉庫，就必須建立一個P2P網絡，每個設備都可以提供一個業務交換和通信設備等業務信息。但是，在這么多的供應商和倉庫中還保留了一些傳統設備的情況。該計劃幾乎是不切實際的。如果不能更好地解決這個問題，那么物聯網倉庫設計師面臨的簡直就是一座現代通天塔。
為確保所有數據通信都能相互理解并最大化案例的有效性，一種可能的解決方案是建立樞紐模型。我們可以構建很多物聯網，通過中央服務器負責接收來自各種設備和傳感器的數據。規則引擎負責分析數據，然后集線器將正確的指令發送給控制器接受，例如由于陽光東南部外墻溫度較高，需要立即降低冷藏區2的溫度。
該中心必須能夠翻譯不同類型的數據和單位，例如，從攝氏到華氏。它還必須配備通用的數據模型，以便對來自不公平設備供應商的不同信息的數據進行比較和整合，以確保系統能夠“理解數據”。
在某些情況下，由于系統的數據量太大，通過網絡將數據移動到中央服務器是根本不可能的。比如倉庫的墻壁上只安裝了一個傳感器，它采集到的數據有溫度、濕度、硬件版本、軟件版本、剩余電量、位置變化等，如果你想聽我有一長串我會說話。
此信息可能每 30 秒更新一次，也可能由于環境要求，有幾秒鐘的時間再次更新。但是，由于信息量太大，將這些數據全部發送到中央服務器是不可能的。而且整個倉庫也不止這一個傳感器，加起來大概有幾千；他們可能連型號都不一樣。
這個時候就需要信息集成解決方案，保證系統可以過濾出必要的信息，轉換成通用的數據模型，然后發布報表、維護等指令。例如，我們只能在整個區域外墻外壁的傳感器3到50的倉庫區域的情況下，確定溫度平衡3。
在我們說之前，P2P 模型物聯網對于我們在倉庫或任何大區域網絡用例的情況下都是必不可少的。但是這個程序會帶來巨大的安全隱患。
整個系統的安全性取決于系統范圍內安全性最差的那個設備。如果一個設備的安全供應商很差，那么其他供應商的設備再安全也沒用；一個設備錯誤，可能會導致意想不到的蝴蝶效應。對于栗子，一個安全漏洞設備可能會報告室外溫度錯誤，導致設備發出恒溫指令錯誤，整個區域的溫度錯誤，因此食物所在的區域也全部變質。
想要解決這個問題，整個倉庫的P2P模式必須走物聯網一定的道路，讓系統通過傳感器確認傳感器數據，再對傳感器數據進行雙重核對。對于栗子來說，如果一個室外傳感器測得的溫度特別高，而且它附近的溫度傳感器給它但已經普遍低于這個溫度時，系統不僅要立即發出指令，調整傳感器的溫度數據。系統應發出警報，驗證并確認傳感器及其外圍傳感器的可靠性，以再次比較數據。
通過確認周界傳感器數據來驗證數據可靠性是一種非常實用的方法。此外，我們還可以讓系統通過查看數據讀數中的歷史異常情況來判斷這些異常情況是否與氣候條件、庫存、年月日時間等因素有關。
物聯網也是一個缺點，我稱之為“神經病設備”，指的是聯網設備或傳感器故障突然莫名其妙地開始向系統發送錯誤讀數。該設備的“神經”癥狀有很多潛在原因；很可能有軟件錯誤、級別低或設備本身存在缺陷等。比較少見的原因也可能是不小的裝修工程油漆濺到了設備上，一塊膠合板覆蓋了傳感器。
這些“神經設備”雖然不會對系統造成外部安全威脅，但其破壞力是不可估量的。比如我們的倉庫，如果管理員沒有按照我們之前的建議去做保險，那么這個失敗可能會讓一個區域充滿食物變質。正如我們之前所說，當心這些“神經設備”和改進系統的安全方法可能是通用的。比較歷史異常讀數確認周界傳感器讀數，這些程序可以有效地防止系統做出毀滅性的決定或指令發出危險。
許多公司認為物聯網是一項業務，他們可以把物聯網應用到現有產品中。但在這些雄心勃勃的計劃實現之前，物聯網設計者必須清楚物聯網的弊端和風險。你知道最簡單和最重要的方法是什么嗎？首先，謹慎選擇供應商。記得選擇可以集成和擴展的平臺來開發通用的數據模型。總之每一步一定要小心，要預見最壞的情況，創造最完美的解決方案。有了這些，你就可以成功。