Analiza brzegowa pomaga inteligentnym i zorientowanym na dane firmom przejść bezpośrednio do analizy danych po zebraniu danych przez urządzenia IoT.
Tradycyjnie firmy zbierały dane z różnych źródeł, przechowywały je w chmurze lub w magazynie lokalnym i analizowały je później. Jednak ten model analizy danych jest istotnym wąskim gardłem dla rozwoju Internetu rzeczy (IoT) i Przemysłowego Internetu rzeczy (IIoT).
Analiza brzegowa jest odpowiedzią!
Ten artykuł przeprowadzi Cię przez zwięzłą podróż do analityki na brzegu sieci, dzięki czemu możesz bez wysiłku opracowywać rozwiązania lub przekształcać firmy cyfrowe.
Spis treści:
Wprowadzenie do analizy brzegowej
Jak sama nazwa wskazuje, analiza danych brzegowych to metoda analizy danych na brzegu sieci. Edge oznacza źródło danych. W przypadku IoT są to czujniki, siłowniki, ramiona robotyczne, HVAC, sterowanie przenośnikami, przełączniki sieciowe i inteligentne urządzenia.
Aplikacje do analizy brzegowej wykonują analizę danych bliżej urządzenia IoT, które zbiera dane w czasie rzeczywistym z jednostek produkcyjnych, systemów użyteczności publicznej itp. W ten sposób procesy biznesowe o krytycznym znaczeniu czasowym mogą przebiegać płynnie, bez czekania na logiczne dane wejściowe z centralnego serwera.
W skrócie, gromadzenie danych, przetwarzanie, analiza i działania wykonywane w inteligentnym urządzeniu wynikają z analizy danych brzegowych. Na przykład urządzenia Amazon Echo lub Nest Home są dostarczane z analizą brzegową.
Te urządzenia słuchają twoich poleceń. Analizuje przechwycony dźwięk w języku maszynowym, który przeszukuje sieć w poszukiwaniu wyników. Urządzenie prezentuje również wynik zapytania dostępny w internecie.
Potrzeba analizy brzegowej
Wykorzystanie inteligentnych urządzeń w branżach takich jak energetyka, handel detaliczny, produkcja, bezpieczeństwo, logistyka, motoryzacja itp. Stale rośnie. Ale przepustowość Internetu nie rośnie z tą samą prędkością lub przepustowość jest zawsze ograniczona.
Dlatego zbieranie terabajtów danych z urządzeń IoT i przesyłanie ich do chmury jest czasochłonne. Nie wspominając już o analizowaniu danych i przesyłaniu użytecznych spostrzeżeń do urządzenia inteligentnego za pośrednictwem tej samej sieci.
Spowoduje to utworzenie korka i wyłączenie sieci systemu IoT!
W tym przypadku firmy muszą korzystać z aplikacji i urządzeń do analizy brzegowej. Inteligentne urządzenia, które mają krytyczne znaczenie czasowe, będą w stanie analizować zebrane dane na miejscu i natychmiast podejmować działania.
Na przykład autonomiczny pojazd musi zahamować, jeśli wykryje na swojej drodze nagłą i niechcianą przeszkodę.
Nie może się doczekać, aby zebrać dane audiowizualne przeszkody, wysłać je do aplikacji w chmurze i czekać na dane wejściowe. Zamiast tego pojazd w ułamku sekundy podejmuje decyzję o zmianie kierunku lub włączeniu awaryjnego hamowania.
Jak działa analiza brzegowa?
Analityka na brzegu zwykle monitoruje wiele macierzy urządzeń brzegowych lub IoT. Przede wszystkim aplikacja analityczna śledzi stan i wydajność wszystkich podłączonych inteligentnych urządzeń.
Jeśli wykryje problemy z przepływem pracy, aplikacja analityczna spróbuje rozwiązać problem lokalnie. Jeśli problem będzie się powtarzał, aplikacja brzegowa zatrzyma wadliwe urządzenie. Następnie powiadamia ludzkich techników.
Podczas tej zorganizowanej ścieżki następujące urządzenia pełnią krytyczne role:
- Czujniki IoT zbierają dane środowiskowe, takie jak ciśnienie, temperatura, wilgotność, obroty itp.
- Urządzeniami brzegowymi mogą być dedykowane urządzenia brzegowe, takie jak Sony REA-C1000 do analizy danych na miejscu lub smartfony i tablety do sterowania urządzeniami IoT.
- Bramy brzegowe oferują większą moc i pamięć niż urządzenia brzegowe i działają jako pośrednik między serwerem w chmurze a urządzeniami IoT.
- Inteligentne siłowniki, które wykonują zadania sugerowane przez analizę danych brzegowych. Na przykład inteligentne zawory wodne, inteligentne przełączniki, inteligentne ramiona robotyczne, inteligentne sterowanie przenośnikami i polecenia komputerowe.
Powyższy obraz przedstawia schematyczną reprezentację rozwiązania IBM IoT Edge Analytics w sektorach zarządzania hotelarstwem, takich jak hotele.
Korzyści
# 1. Większe bezpieczeństwo
W analityce on edge nie ma potrzeby przesyłania danych do chmury. Surowe dane pozostają na urządzeniu, na którym zostały wygenerowane. Ponieważ nie ma szans na zhakowanie lub zainfekowanie danych podczas przesyłania, pozostaje ono bezpieczniejsze.
#2. Zapobieganie opóźnieniom i analiza danych w czasie zbliżonym do rzeczywistego
Niektóre procesy biznesowe wymagają natychmiastowej analizy danych dla operacji. Edge Analytics pomaga im w podejmowaniu autonomicznych decyzji, identyfikując i gromadząc spostrzeżenia u źródła.
Ponieważ ta analiza odbywa się w pobliżu danych, zajmuje trochę czasu. Nie wiąże się z transmisją danych do zdalnych serwerów, dzięki czemu uzyskujesz natychmiastowe wyniki.
W scenariuszach takich jak identyfikacja przestępców na podstawie transmisji CCTV lub analiza danych z samolotu lub zakładu produkcyjnego masz tylko ułamki sekund na wykonanie połączenia. Tam korzystanie z tej technologii pomaga podejmować natychmiastowe decyzje.
#3. Wysoka skalowalność
W miarę jak firmy rozwijają się, rosnąca liczba danych powoduje większe obciążenie centralnej analizy danych. Dzięki decentralizacji procesu, analityka brzegowa pozwala skalować procesy, zapewniając lepsze możliwości analityczne.
#4. Mniejsze wykorzystanie przepustowości
Przesyłanie danych z urządzeń źródłowych do centralnego serwera i odwrotnie wymaga ogromnej przepustowości. Wiele zdalnych lokalizacji nie ma wymaganej przepustowości danych lub siły sieci do transmisji. W takich przypadkach analiza brzegowa oszczędza przepustowość.
#5. Zmniejszony koszt
Konwencjonalne metody analizy dużych zbiorów danych będą cię kosztować dużo pieniędzy. Chociaż firmy mogą przetwarzać dane na swoich serwerach w chmurze lub rozwiązaniach w chmurze publicznej, przechowywanie, przetwarzanie, analiza i wykorzystanie przepustowości są drogie.
Ta technologia wykorzystuje urządzenia IoT lub pobliski sprzęt do analizy danych. W rezultacie koszty analizy i przepustowości sieci internetowej będą niższe.
Ograniczenia
# 1. Bezpieczeństwo urządzeń zdalnych
Podczas gdy analityka na krawędzi chroni Twoje wrażliwe dane przed zagrożeniami cyberbezpieczeństwa podczas transmisji danych, dotyczy to urządzeń zdalnych podatnych na takie zagrożenia.
Odnotowano kilka przypadków włamań do kamer bezpieczeństwa, a Twoje również mogą paść ofiarą takich ataków. Jeśli twoje środki bezpieczeństwa cybernetycznego nie obejmują tych zdalnych urządzeń, posiadanie silnego zabezpieczenia dla twojego podstawowego systemu nie pomoże.
#2. Utracone dane
Konstrukcja analityki brzegowej umożliwia wykorzystanie najbardziej odpowiednich danych do analizy. Reszta danych z dużego surowego zestawu danych jest ignorowana.
Ponieważ ta technologia przechowuje tylko te istotne instancje na serwerze centralnym, może nie być najlepszym podejściem dla firm, które muszą odbierać i przechowywać wszystkie nieprzetworzone dane.
#3. Kompatybilność urządzeń i sieci
Analytics on edge to nowa technologia, więc mogą wystąpić problemy z kompatybilnością i transmisją danych, jeśli używasz starych urządzeń i technologii sieciowych. Dlatego firmy muszą kupować nowe urządzenia, aby wdrożyć tę technologię w swojej organizacji.
W konsekwencji zwiększy to koszt analizy brzegowej dla tej firmy. Ponadto może wymagać pełnej aktualizacji systemu, co może zakłócić działanie.
#4. Potrzeba opracowania własnego rozwiązania
Do tego zadania dostępne są różne platformy analityczne. Jednak niektóre firmy mogą potrzebować osobiście opracowanej platformy do analizy brzegowej w zależności od urządzeń, które mają analizować.
#5. Wybór odpowiedniego oprogramowania
Niektóre systemy dostępne na rynku udostępniają tylko swoje dane wyjściowe w chmurze. Dlatego firmy nie widzą surowych danych źródłowych za analizą. Aby tego uniknąć, musisz użyć najnowszego oprogramowania do analizy, aby uzyskać wszystkie niezbędne dane.
#6. Wymaga oceny użyteczności
Jest najbardziej odpowiedni do scenariuszy bezpieczeństwa, wydajności i szybkiego podejmowania decyzji. Dlatego firmy powinny ocenić, czy tego potrzebują, zanim zdecydują się na rozwiązanie.
Przypadków użycia
Analiza zachowań klientów
Sprzedawcy zbierają dane z kamer sklepowych, czujników parkowania i tagów wózków sklepowych za pośrednictwem szeregu czujników. Dzięki analityce brzegowej firmy te mogą wykorzystywać te dane do oferowania swoim klientom rozwiązań dostosowanych do ich zachowań.
Zdalne monitorowanie i konserwacja
Przemysł wytwórczy i energetyczny potrzebują natychmiastowej reakcji lub alertów, gdy maszyny przestają działać lub wymagają konserwacji. Zamiast scentralizowanej analizy danych, jest to odpowiednia technologia do szybszej identyfikacji przyszłych wąskich gardeł.
Inteligentny nadzór
Jest również przydatny do wykrywania intruzów w czasie rzeczywistym. Firmy mogą korzystać z tej usługi, aby zwiększyć swoje bezpieczeństwo. Ta technologia wykorzystuje surowe obrazy z telewizji przemysłowej do lokalizowania i śledzenia wszelkich podejrzanych działań.
Przewidywanie awarii
Awaria sprzętu IoT może okazać się katastrofalna w skutkach. Analiza brzegowa tych urządzeń sprzętowych IoT może dokładnie przewidzieć takie problemy. Z jego pomocą organizacje mogą podejmować proaktywne działania i wydłużać czas pracy bez przestojów.
Obecnie analityka na krawędzi wykorzystuje głównie niestandardowe urządzenia i aplikacje do określonych zastosowań przemysłowych. Znajdź poniżej niektóre narzędzia i urządzenia, aby poznać trend:
Urządzenie analityczne Sony Edge
Dostępne do tej pory urządzenie REA-C1000 firmy Sony to w pełni funkcjonalne urządzenie do analizy brzegowej. Można do niego podłączyć kamery sieciowe Sony w celu przechwytywania i analizowania prezentacji na żywo dla zdalnych widzów.
Posiada zaawansowane technologicznie funkcje, takie jak wyodrębnianie pisma odręcznego, nakładanie treści, autonomiczne treści, śledzenie prezentera, dzielenie obrazu, śledzenie gestów publiczności i wiele innych.
AWS IoT GreenGrass
AWS IoT GreenGrass to usługa w chmurze typu open source i środowisko uruchomieniowe brzegowe do opracowywania, wdrażania i kontrolowania oprogramowania urządzeń IoT.
Przenosi logikę i przetwarzanie danych w chmurze na lokalne urządzenia IoT. W związku z tym urządzenia mogą działać przy niskich lub przerywanych przepustowościach sieci.
Linia brzegowa HPE
HPE Edgeline nadaje się do intensywnego użytkowania inteligentnych urządzeń w zakładach produkcyjnych, platformach wiertniczych itp. Przenosi oprogramowanie brzegowe i sprzęt technologii operacyjnych (OT) bezpośrednio na halę produkcyjną.
W związku z tym inteligentne urządzenia mogą szybko uzyskiwać dane wejściowe z lokalnego systemu przetwarzania danych, a nie z serwerów w chmurze.
Zestaw deweloperski Intel IoT
Możesz używać oprogramowania i sprzętu firmy Intel do opracowywania inteligentnych urządzeń opartych na analizie brzegowej do użytku biznesowego. W skład zestawu narzędzi wchodzą następujące produkty:
- Stos oprogramowania ze sterownikami, zestawami SDK, systemem operacyjnym, przykładami i bibliotekami
- Intel Dystrybucja OpenVINO
- Procesor Intel Movidius
- Intel Arria 10 FPGA
Azure IoT Edge
Usługa Azure IoT Edge przenosi obciążenia związane z analizą i sztuczną inteligencją na inteligentne urządzenia działające na brzegu sieci. Ta platforma programistyczna do analiz brzegowych obejmuje następujące funkcje:
- Sprzęt brzegowy IoT od zaufanych dostawców
- Wolny czas pracy na krawędzi
- Moduł logiki biznesowej do uruchamiania oprogramowania na brzegu sieci
- Interfejs chmury platformy Azure
Analiza brzegowa a tradycyjna
Podstawową różnicą między analityką brzegową a analizą tradycyjną/serwerową jest miejsce analizy danych.
W systemach brzegowych analiza danych odbywa się w pobliżu lub na urządzeniu IoT, które zbiera dane i wykonuje polecenia. Z drugiej strony analityka serwera odbywa się z dala od inteligentnego urządzenia zbierającego dane.
Inne znaczące różnice można znaleźć w poniższej tabeli:
Cecha/funkcjonalność Analityka krawędziAnaliza tradycyjnaKoszt posiadaniaWysokiNiskiLatencjaPraktycznie zeroZwykle niski do średniego
Wysoka, jeśli serwer jest obciążony większymi obciążeniami niż jego pojemność Zgodność urządzeńBrak
W przypadku zmiany urządzeń potrzebujesz konkretnych rozwiązań. Większość aplikacji analitycznych opartych na chmurze i serwerze jest wysoce kompatybilna z różnymi urządzeniami Szybkość analizy danych Szybciej niż analityka serwera Wolniej niż analityka brzegowa Konfiguracja systemu Konfiguruj za każdym razem, gdy zmieniasz markę i model urządzenia Skonfiguruj raz i korzystaj z aplikacji przez lata Luki w zabezpieczeniach Praktycznie niemożliwe do zhakowania Podatność na ataki hakerskie i phishing Utrata łączność Systemy IoT będą nadal działać Systemy IoT zostaną zatrzymane Aplikacje analityczne Ograniczone opcje na rynku Na rynku dostępnych jest wiele aplikacji do analizy danych opartych na serwerach Koszt serwera Niski lub żaden Wysoki
Często zadawane pytania
Co to jest analiza wideo Edge?
Analityka wideo Edge oznacza analizowanie obrazów wideo w lokalizacji blisko maszyny wejściowej zamiast przenoszenia danych wideo na serwer w chmurze.
Kamera lub koder przetwarza obraz w celu wygenerowania metadanych w analizie Edge. W ten sposób firma uzyskuje szybszy czas reakcji i musi przeznaczać mniej przepustowości na transfer danych.
W jakiej sytuacji preferowany jest Edge Analytics?
Najlepszym scenariuszem dla analizy brzegowej jest sytuacja, w której konieczne jest monitorowanie urządzeń. Te analizy są również przydatne, gdy masz słabą łączność sieciową na danym obszarze.
Usługi finansowe i produkcja to sektory wrażliwe na opóźnienia, w których ta technologia jest odpowiednia. Ponadto firmy, które chcą zwiększyć skalę, powinny również zdecydować się na analitykę brzegową.
Ostatnie słowa
Więc teraz wiesz, czym jest analiza brzegowa, jak działa, jakie są jej zalety, narzędzia, przypadki użycia i nie tylko.
Teraz możesz śmiało podejmować decyzje biznesowe, aby wyposażyć swoje systemy IIoT w urządzenia do analizy brzegowej, aby szybko sterować urządzeniami zdalnymi.
Alternatywnie artykuł pomoże ci zaprojektować lub opracować nowatorskie rozwiązania IoT i IIoT, jeśli jesteś inżynierem lub programistą IoT.
Następnie możesz sprawdzić popularne urządzenia IoT.