Az Edge analytics segít az intelligens és adatorientált vállalkozásoknak, hogy az IoT-eszközök által végzett adatgyűjtést követően közvetlenül az adatelemzéshez kezdjenek.
Hagyományosan a vállalkozások különböző forrásokból gyűjtötték az adatokat, felhőben vagy helyszíni tárolóban tárolták, majd később elemezték. Ez az adatelemzési modell azonban létfontosságú szűk keresztmetszet a tárgyak internete (IoT) és az ipari dolgok internete (IIoT) növekedésében.
Az Edge analytics a válasz!
Ez a cikk az analitika tömör utazását mutatja be a szélén, hogy könnyedén fejleszthessen megoldásokat vagy átalakíthassa a digitális vállalkozásokat.
Tartalomjegyzék
Az Edge Analytics bemutatása
Ahogy a neve is sugallja, a szélső adatelemzés az adatelemzési módszer a szélén. Az Edge az adatforrást jelenti. Az IoT esetében ezek érzékelők, működtetők, robotkarok, HVAC-k, szállítószalag-vezérlők, hálózati kapcsolók és intelligens eszközök.
Az Edge analitikai alkalmazások az IoT-eszközhöz közelebb végeznek adatelemzést, amely valós idejű adatokat gyűjt a gyártóegységektől, közműrendszerektől stb. Így az időkritikus üzleti folyamatok zökkenőmentesen futhatnak anélkül, hogy megvárnák a központi szervertől érkező logikai bemeneteket.
Dióhéjban, az adatgyűjtés, -feldolgozás, -elemzés és az intelligens eszközön belüli műveletek a szélső adatelemzés eredménye. Például az Amazon Echo vagy a Nest Home eszközök élelemzési funkcióval rendelkeznek.
Ezek az eszközök figyelik az Ön parancsait. A rögzített hangot gépi nyelvre elemzi, amely az interneten keres eredményeket. A készülék az interneten elérhető lekérdezési eredményt is megjeleníti.
Edge Analytics szükséges
Az intelligens eszközök használata az olyan iparágakban, mint az energiaipar, a kiskereskedelem, a gyártás, a biztonság, a logisztika, az autóipar stb., folyamatosan növekszik. De az internet sávszélessége nem növekszik ugyanolyan sebességgel, vagy a sávszélesség mindig korlátozott.
Ezért az IoT-eszközökről terabájtnyi adat összegyűjtése és a felhőbe átvitele időigényes. Nem is beszélve az adatok elemzéséről és a hasznos információk visszaküldéséről az okoseszköznek ugyanazon a hálózaton keresztül.
Forgalmi dugót hoz létre, és letiltja az IoT rendszerhálózatot!
Itt a vállalkozásoknak élvonalbeli analitikai alkalmazásokat és eszközöket kell használniuk. Az időkritikus okoseszközök képesek lesznek a helyszínen elemezni az összegyűjtött adatokat, és azonnal intézkedni.
Például egy autonóm járműnek fékeznie kell, ha hirtelen és nem kívánt akadályt észlel az útjában.
Alig várja, hogy összegyűjtse az akadály audiovizuális adatait, elküldje egy felhőalkalmazásba, és várja a bevitelt. Ehelyett a jármű a másodperc törtrésze alatt dönt arról, hogy irányt változtat vagy vészszünetet tart.
Hogyan működik az Edge Analytics?
Az Analytics on edge általában több edge- vagy IoT-eszköztömböt figyel. Egy elemző alkalmazás elsősorban az összes csatlakoztatott okoseszköz állapotát és teljesítményét követi nyomon.
Ha munkafolyamat-problémákat észlel, az elemző alkalmazás megpróbálja helyileg orvosolni a problémát. Ha a probléma továbbra is fennáll, az élalkalmazás leállítja a hibás eszközt. Ezután értesíti a humán technikusokat.
Ezen az összehangolt útvonalon a következő eszközök töltenek be kritikus szerepeket:
- Az IoT-érzékelők olyan környezeti adatokat gyűjtenek, mint a nyomás, hőmérséklet, páratartalom, fordulatszám stb.
- Az Edge eszközök lehetnek dedikált éleszközök, mint például a Sony REA-C1000 a helyszíni adatelemzéshez, vagy okostelefonok és táblagépek az IoT-eszközök vezérléséhez.
- Az Edge-átjárók több energiával és memóriával büszkélkedhetnek, mint az éleszközök, és közvetítőként működnek a felhőszerver és az IoT-eszközök között.
- Az intelligens működtetők, amelyek elvégzik a feladatél adatelemzését. Például intelligens vízszelepek, intelligens kapcsolók, intelligens robotkarok, intelligens szállítószalag-vezérlők és számítógépes parancsok.
A fenti kép az IBM IoT Edge Analytics sematikus ábrázolását mutatja a vendéglátás-menedzsment szektorokban, például a szállodákban.
Előnyök
#1. Nagyobb biztonság
Az analytics on edge-ben nincs szükség az adatok felhőbe átvitelére. A nyers adatok azon az eszközön maradnak, ahol előállították. Mivel nincs esély arra, hogy az adatokat feltörjék vagy megfertőzzék az átvitel során, biztonságosabbak maradnak.
#2. Látencia megelőzés és közel valós idejű adatelemzés
Bizonyos üzleti folyamatok azonnali adatelemzést igényelnek a műveletekhez. Az Edge Analytics segít nekik az önálló döntések meghozatalában azáltal, hogy azonosítja és összegyűjti a betekintést a forrásnál.
Mivel ez az elemzés az adatok közelében történik, ez egy kis időt vesz igénybe. Nem jár adatátvitel távoli szerverekre, így azonnali eredményeket kap.
Olyan forgatókönyvekben, mint a bűnözők azonosítása élő CCTV-csatornákból vagy egy repülőgépből vagy gyártóüzemből származó adatok elemzése, csak másodpercek töredéke van a hívás kezdeményezésére. Ott ennek a technológiának a segítségével azonnali döntéseket hozhat.
#3. Magas skálázhatóság
A vállalatok növekedésével az adatok növekvő száma egyre nagyobb terhet ró a központi adatelemzésre. A folyamat decentralizálása révén az élelemzés lehetővé teszi a folyamatok skálázását, jobb elemzési képességeket biztosítva.
#4. Kevesebb sávszélesség használat
Az adatátvitel a forráseszközökről a központi szerverre és fordítva hatalmas sávszélességet használ. Sok távoli hely nem rendelkezik a szükséges adatsávszélességgel vagy hálózati erősséggel az átvitelhez. Ilyen esetekben az élelemzés megkíméli a sávszélességet.
#5. Csökkentett költség
A hagyományos big data elemzési módszerek sok pénzbe kerülnek. Míg a vállalatok feldolgozhatják az adatokat felhőszervereikben vagy nyilvános felhőmegoldásaikban, a tárolás, a feldolgozás, az elemzés és a sávszélesség-felhasználás költséges.
Ez a technológia IoT-eszközöket vagy közeli hardvert használ az adatelemzéshez. Ennek eredményeként kisebb lesz az elemzés és az internetes hálózati sávszélesség költsége.
Korlátozások
#1. Távoli eszközök biztonsága
Míg az analytics on edge megvédi érzékeny adatait a kiberbiztonsági fenyegetésektől az adatátvitel során, az ilyen kockázatoknak kitett távoli eszközöket is magában foglal.
Számos biztonsági kamera feltörése történt, és az Öné is ilyen támadások áldozatává válhat. Ha a kiberbiztonsági intézkedései nem terjednek ki ezekre a távoli eszközökre, az alaprendszer erős biztonsága nem segít.
#2. Elveszett adatok
Az élelemzés kialakítása lehetővé teszi a legrelevánsabb adatok felhasználását az elemzéshez. A nagy nyers adatkészlet többi adatát figyelmen kívül hagyja.
Mivel ez a technológia csak ezeket a releváns példányokat tárolja a központi szerveren, nem biztos, hogy ez a legjobb megközelítés azoknak a vállalatoknak, amelyeknek minden nyers adatot fogadniuk és tárolniuk kell.
#3. Eszköz és hálózati kompatibilitás
Az Analytics on edge egy új technológia, ezért kompatibilitási és adatátviteli problémák léphetnek fel, ha régi eszközöket és hálózati technológiát használ. Tehát a vállalatoknak új eszközöket kell vásárolniuk, hogy ezt a technológiát a szervezetükben bevezessék.
Következésképpen ez megnöveli az élelemzés költségeit a vállalat számára. Ezenkívül teljes rendszerfrissítésre is szükség lehet, ami megzavarhatja a műveleteket.
#4. Saját megoldás kidolgozása szükséges
Különféle analitikai platformok állnak rendelkezésre erre a feladatra. Egyes vállalatoknak azonban szükségük lehet egy személyesen fejlesztett élelemző platformra, attól függően, hogy milyen eszközöket kell elemezniük.
#5. A megfelelő szoftver kiválasztása
Egyes piacon elérhető rendszerek csak a felhőben osztják meg kimeneti adataikat. Ezért a vállalatok nem látják a nyers forrásadatokat az elemzés mögött. Ennek elkerülése érdekében a legfrissebb elemző szoftvert kell használnia az összes szükséges adat megszerzéséhez.
#6. Használhatósági felmérést igényel
A legalkalmasabb biztonsági, hatékonysági és gyors döntéshozatali forgatókönyvekhez. Ezért a vállalatoknak fel kell mérniük, hogy szükségük van-e rá, mielőtt a megoldás mellett döntenek.
Használati esetek
Az ügyfelek viselkedésének elemzése
A kiskereskedők az üzleteik kameráiból, parkolóérzékelőiből és bevásárlókosár-címkéiből gyűjtenek adatokat egy sor érzékelőn keresztül. Az élelemzés segítségével ezek a vállalatok felhasználhatják ezeket az adatokat, hogy testreszabott megoldásokat kínáljanak ügyfeleiknek a viselkedésüknek megfelelően.
Távfelügyelet és karbantartás
A gyártó- és energiaiparnak azonnali reagálásra vagy riasztásra van szüksége, ha a gépek leállnak, vagy karbantartást igényelnek. A központosított adatelemzés helyett ez a megfelelő technológia a jövőbeni szűk keresztmetszetek gyorsabb azonosítására.
Intelligens megfigyelés
Valós idejű behatolásérzékeléshez is hasznos. A vállalkozások biztonságuk növelésére használhatják ezt a szolgáltatást. Ez a technológia a CCTV nyers képeit használja a gyanús tevékenységek felkutatására és nyomon követésére.
Kudarc előrejelzése
Az IoT hardverhibája katasztrofális lehet. Ezeknek az IoT-hardvereszközöknek az élelemzése pontosan előre jelezheti az ilyen problémákat. Segítségével a szervezetek proaktív intézkedéseket tehetnek, és növelhetik az üzemidőt.
Jelenleg az analytics on edge többnyire egyedi eszközöket és alkalmazásokat használ meghatározott ipari felhasználási esetekre. Az alábbiakban talál néhány eszközt és eszközt a trend megismeréséhez:
Sony Edge Analytics Appliance
A Sony REA-C1000 egy eddig létező teljes funkcionalitású élelemző eszköz. Sony hálózati kamerákat csatlakoztathat hozzá, hogy élő prezentációkat rögzíthessen és elemezzen a távoli nézők számára.
Csúcstechnológiás funkciókkal rendelkezik, mint például a kézírás kivonatolása, a tartalomfedvény, az autonóm tartalom, a műsorvezető követése, a képfelosztás, a közönség gesztusainak követése és még sok más.
AWS IoT GreenGrass
Az AWS IoT A GreenGrass egy nyílt forráskódú felhőszolgáltatás és szélső futási környezet az IoT-eszközszoftverek fejlesztéséhez, üzembe helyezéséhez és vezérléséhez.
Logikai és felhőalapú adatfeldolgozást hoz a helyi IoT-eszközökhöz. Ezért az eszközök alacsony vagy szakaszos hálózati sávszélesség mellett is működhetnek.
HPE Edgeline
A HPE Edgeline alkalmas intelligens eszközök masszív használatára gyártóüzemekben, olajfúrótornyokon stb. Az élszoftvert és az operatív technológiai (OT) hardvert közvetlenül a gyártási szintre viszi.
Így az intelligens eszközök gyorsan megkaphatják a bemenetet a helyszíni adatfeldolgozó rendszertől, nem pedig a felhőkiszolgálóktól.
Intel IoT fejlesztői készlet
Az Intel szoftverei és hardverei segítségével élvonalbeli analitikai alapú intelligens eszközöket fejleszthet üzleti használatra. Az eszköztár a következő termékeket tartalmazza:
- Szoftververem illesztőprogramokkal, SDK-kkal, operációs rendszerrel, mintákkal és könyvtárakkal
- Az OpenVINO Intel disztribúciója
- Intel Movidius VPU
- Intel Arria 10 FPGA
Azure IoT Edge
Az Azure IoT Edge elemzési és mesterséges intelligencia-terheléseket biztosít a peremen működő intelligens eszközökhöz. Ez az élelemző fejlesztői platform a következő funkciókat tartalmazza:
- IoT edge hardver megbízható szállítóktól
- Ingyenes élfutási idő
- Üzleti logikai modul a szoftverek szélén való futtatásához
- Azure felhő interfész
Edge kontra hagyományos elemzés
Az élelemzés és a hagyományos/szerver analitika közötti elsődleges különbség az adatelemzés helye.
Az élrendszereken az adatelemzés az adatokat gyűjtő és parancsokat végrehajtó IoT-eszköz közelében vagy azon belül történik. Ezzel szemben a szerverelemzés az adatokat gyűjtő okoseszköztől távol történik.
Az alábbi táblázatban további jelentős különbségeket találhat:
Funkció/Funkcionális ÉlelemelemzésHagyományos AnalyticsTulajdonosi költségMagas Alacsony késleltetés Gyakorlatilag nulla Általában alacsonytól közepesig
Magas, ha a kiszolgáló kapacitásánál nagyobb munkaterhelést tapasztal EszközkompatibilitásNincs
Eszközcsere során konkrét megoldásokra van szüksége. A legtöbb felhő- és szerveralapú elemzőalkalmazás nagymértékben kompatibilis az eszközökön keresztül. Adatelemzés Gyorsabb, mint a szerveranalytics, lassabb, mint az élelemzés Rendszerkonfiguráció Konfigurálás minden alkalommal, amikor módosítja az eszköz gyártmányát és modelljét. Egyszer konfigurálja és évekig használja az alkalmazást Biztonsági sebezhetőség Gyakorlatilag feltörhetetlen és hajlamos a támadásokra csatlakoztathatóság Az IoT-rendszerek továbbra is működni fognak az IoT-rendszerek leállnak.Elemzési alkalmazásokKorlátozott lehetőségek a piacon Sok szerveralapú adatelemző alkalmazás van a piacon.
GYIK
Mi az Edge Video Analytics?
Az Edge videóelemzés azt jelenti, hogy a videó képeinek elemzését a beviteli géphez közeli helyen végezzük ahelyett, hogy a videóadatokat a felhőszerverre helyeznénk át.
Egy kamera vagy kódoló feldolgozza a képet, hogy metaadatokat generáljon az Edge analyticsban. Így a vállalkozások gyorsabb válaszidőt kapnak, és kevesebb sávszélességet kell költeniük az adatátvitelre.
Melyik helyzetben részesíti előnyben az Edge Analyticset?
Az élelemzés legjobb forgatókönyve az, amikor eszközöket kell figyelnie. Ezek az elemzések akkor is hasznosak, ha egy adott területen gyenge a hálózati kapcsolat.
A pénzügyi szolgáltatások és a gyártás a késleltetésre érzékeny ágazatok, ahol ez a technológia alkalmas. Ezen túlmenően, a növekedésre törekvő vállalkozásoknak az élelemzést is érdemes választaniuk.
Végső szavak
Tehát most már tudja, mi az élelemzés, hogyan működik, előnyei, eszközei, használati esetei stb.
Most már magabiztosan hozhat üzleti döntéseket IIoT-rendszereinek élelemző eszközökkel történő utólagos felszereléséről a távoli eszközök gyors vezérlése érdekében.
Alternatív megoldásként a cikk segít új IoT- és IIoT-megoldások tervezésében vagy fejlesztésében, ha Ön IoT-mérnök vagy -fejlesztő.
Ezután megtekintheti a népszerű IoT-eszközöket.