Edge analytics допомагає розумним і орієнтованим на дані підприємствам переходити безпосередньо до аналізу даних після збору даних пристроями IoT.
Традиційно компанії збирали дані з різних джерел, зберігали їх у хмарі або локальному сховищі та аналізували пізніше. Однак ця модель аналізу даних є життєво важливим вузьким місцем для розвитку Інтернету речей (IoT) і промислового Інтернету речей (IIoT).
Гранична аналітика – це відповідь!
Ця стаття проведе вас стислою подорожжю аналітикою на межі, щоб ви могли легко розробляти рішення або трансформувати цифровий бізнес.
Вступ до Edge Analytics
Як випливає з назви, гранична аналітика даних — це метод аналізу даних на межі. Edge означає джерело даних. Для IoT це датчики, приводи, роботизовані манипулятори, системи опалення, вентиляції та конвеєра, засоби керування конвеєрами, мережеві комутатори та розумні пристрої.
Аналітичні програми Edge виконують аналіз даних ближче до пристрою IoT, який збирає дані в режимі реального часу з виробничих одиниць, комунальних систем тощо. Таким чином, критичні за часом бізнес-процеси можуть працювати безперебійно, не чекаючи логічних вхідних даних від центрального сервера.
У двох словах, збір даних, обробка, аналіз і дії, що відбуваються всередині смарт-пристрою, є результатом периферійної аналітики даних. Наприклад, пристрої Amazon Echo або Nest Home оснащені периферійною аналітикою.
Ці пристрої слухають ваші команди. Аналізує записане аудіо на машинну мову, яка шукає результати в Інтернеті. Пристрій також представляє результати запиту, доступні в Інтернеті.
Необхідність Edge Analytics
Використання розумних пристроїв у таких галузях, як енергетика, роздрібна торгівля, виробництво, безпека, логістика, автомобілебудування тощо, постійно зростає. Але пропускна здатність Інтернету не зростає з тією ж швидкістю, або пропускна здатність завжди обмежена.
Отже, збір терабайтів даних із пристроїв IoT і передача їх у хмару займає багато часу. Не кажучи вже про аналіз даних і надсилання корисної інформації на розумний пристрій через ту саму мережу.
Це створить пробку та вимкне мережу системи IoT!
Тут компанії повинні використовувати додатки та пристрої периферійної аналітики. Інтелектуальні пристрої, критичні до часу, зможуть аналізувати зібрані дані на місці та миттєво вживати заходів.
Наприклад, автономний транспортний засіб повинен гальмувати, якщо виявляє раптову небажану перешкоду на своєму шляху.
Він не може чекати, щоб зібрати аудіовізуальні дані про перешкоду, надіслати їх у хмарну програму та дочекатися введення. Замість цього транспортний засіб за частки секунди приймає рішення змінити напрямок або зробити екстрену зупинку.
Як працює Edge Analytics?
Аналітика on edge зазвичай відстежує кілька масивів пристроїв edge або IoT. В першу чергу програма аналітики відстежує стан і продуктивність усіх підключених інтелектуальних пристроїв.
Якщо виявляє проблеми з робочим процесом, програма аналітики намагається усунути проблему локально. Якщо проблема не зникає, програма edge зупиняє несправний пристрій. Потім він сповіщає людей-техніків.
Під час цього організованого шляху наступні пристрої виконують важливі ролі:
- Датчики IoT збирають дані про навколишнє середовище, такі як тиск, температура, вологість, оберти за хвилину тощо.
- Пристрої Edge можуть бути спеціальними периферійними пристроями, такими як Sony REA-C1000 для аналізу даних на місці, або смартфонами та планшетами для керування пристроями IoT.
- Граничні шлюзи мають більше потужності та пам’яті, ніж периферійні пристрої, і функціонують як посередник між хмарним сервером і пристроями Інтернету речей.
- Інтелектуальні приводи, які виконують завдання, пропонують аналітичні дані. Наприклад, розумні водяні клапани, розумні перемикачі, розумні роботизовані руки, розумні елементи керування конвеєром і комп’ютерні команди.
На зображенні вище показано схематичне зображення IBM IoT Edge Analytics у секторах управління гостинністю, таких як готелі.
Переваги
#1. Більша безпека
У граничній аналітиці немає необхідності переносити дані в хмару. Необроблені дані залишаються на пристрої, де вони були згенеровані. Оскільки немає ймовірності злому чи зараження даних під час передачі, вони залишаються безпечнішими.
#2. Запобігання затримкам і аналіз даних майже в реальному часі
Деякі бізнес-процеси вимагають негайного аналізу даних для операцій. Edge Analytics допомагає їм приймати автономні рішення, визначаючи та збираючи статистичні дані з джерела.
Оскільки цей аналіз відбувається поблизу даних, це займає трохи часу. Це не передбачає передачі даних на віддалені сервери, тому ви отримуєте миттєві результати.
У таких сценаріях, як ідентифікація злочинців за допомогою живих каналів відеоспостереження або аналіз даних з літака чи заводу, ви отримуєте лише частки секунди, щоб здійснити дзвінок. Там використання цієї технології допомагає миттєво приймати рішення.
#3. Висока масштабованість
У міру того, як компанії розширюються, зростаюча кількість даних створює більший тягар для централізованої аналітики даних. Завдяки децентралізації процесу периферійна аналітика дозволяє масштабувати процеси, надаючи кращі аналітичні можливості.
#4. Менше використання пропускної здатності
Передача даних з вихідних пристроїв на центральний сервер і навпаки використовує значну пропускну здатність. Багато віддалених місць не мають необхідної пропускної здатності даних або потужності мережі для передачі. У таких випадках периферійна аналітика позбавляє вас використання пропускної здатності.
#5. Знижена вартість
Звичайні методи аналізу великих даних коштуватимуть вам великих грошей. Хоча компанії можуть обробляти дані на своїх хмарних серверах або публічних хмарних рішеннях, зберігання, обробка, аналітика та використання пропускної здатності є дорогими.
Ця технологія використовує пристрої IoT або сусіднє обладнання для аналізу даних. У результаті буде менше витрат на аналіз і пропускну здатність мережі Інтернет.
Обмеження
#1. Безпека віддалених пристроїв
Хоча аналітика на межі захищає ваші конфіденційні дані від загроз кібербезпеці під час передачі даних, вона включає віддалені пристрої, вразливі до таких ризиків.
Було кілька випадків злому камер безпеки, і ваша також може стати жертвою таких атак. Якщо ваші заходи кібербезпеки не охоплюють ці віддалені пристрої, надійний захист вашої основної системи не допоможе.
#2. Втрачені дані
Конструкція периферійної аналітики дозволяє використовувати найбільш релевантні дані для аналізу. Решта даних із великого необробленого набору даних ігнорується.
Оскільки ця технологія зберігає відповідні екземпляри лише на центральному сервері, вона може бути не найкращим підходом для компаній, яким потрібно отримувати та зберігати всі ваші необроблені дані.
#3. Сумісність пристрою та мережі
Analytics on edge — це нова технологія, тому можуть виникнути проблеми із сумісністю та передачею даних, якщо ви використовуєте старі пристрої та мережеві технології. Тому компанії повинні придбати нові пристрої, щоб розгорнути цю технологію у своїй організації.
Як наслідок, це збільшить вартість периферійної аналітики для цієї компанії. Крім того, може знадобитися повне оновлення системи, що може порушити роботу.
#4. Необхідність розробки власного рішення
Для цього завдання доступні різні аналітичні платформи. Однак деяким компаніям може знадобитися персонально розроблена платформа периферійної аналітики залежно від пристроїв, які їм потрібно аналізувати.
#5. Вибір правильного програмного забезпечення
Деякі системи, доступні на ринку, передають свої вихідні дані лише в хмару. Таким чином, компанії не бачать вихідних даних, що стоять за аналізом. Щоб уникнути цього, вам потрібно використовувати найновіше програмне забезпечення для аналізу, щоб отримати всі необхідні дані.
#6. Потребує оцінки зручності використання
Він найбільше підходить для сценаріїв безпеки, ефективності та швидкого прийняття рішень. Таким чином, компанії повинні оцінити, чи потрібно їм це, перш ніж вибрати рішення.
Випадки використання
Аналіз поведінки клієнтів
Роздрібні продавці збирають дані з камер своїх магазинів, паркувальних датчиків і тегів кошиків за допомогою масиву датчиків. Завдяки периферійній аналітиці ці компанії можуть використовувати ці дані, щоб пропонувати індивідуальні рішення своїм клієнтам відповідно до їх поведінки.
Віддалений моніторинг і технічне обслуговування
Виробничі та енергетичні галузі потребують негайної реакції або попереджень, коли машини припиняють працювати або потребують технічного обслуговування. Замість централізованої аналітики даних це правильна технологія для швидшого виявлення майбутніх вузьких місць.
Інтелектуальне спостереження
Це також корисно для виявлення порушників у реальному часі. Підприємства можуть використовувати цю послугу для підвищення безпеки. Ця технологія використовує необроблені зображення з камер відеоспостереження для виявлення та відстеження будь-якої підозрілої активності.
Прогнозування невдач
Збій апаратного забезпечення IoT може стати катастрофічним. Гранична аналітика цих пристроїв IoT може точно передбачити такі проблеми. З його допомогою організації можуть вживати профілактичних заходів і збільшувати час безвідмовної роботи.
Наразі аналітика on edge здебільшого використовує спеціальні пристрої та програми для конкретних випадків промислового використання. Знайдіть нижче деякі інструменти та пристрої, щоб дізнатися про тенденцію:
Пристрій Sony Edge Analytics
REA-C1000 від Sony є повнофункціональним граничним аналітичним пристроєм, який вже існує. До нього можна підключати мережеві камери Sony, щоб знімати й аналізувати презентації в реальному часі для віддалених глядачів.
Він має такі високотехнологічні функції, як виділення рукописного тексту, накладання вмісту, автономний вміст, відстеження доповідача, розділення зображень, відстеження жестів аудиторії тощо.
AWS IoT GreenGrass
AWS IoT GreenGrass — це хмарний сервіс із відкритим вихідним кодом і периферійне середовище для розробки, розгортання та керування програмним забезпеченням пристроїв IoT.
Він забезпечує логіку та хмарну обробку даних для локальних пристроїв IoT. Таким чином, пристрої можуть працювати в умовах низької або переривчастої пропускної здатності мережі.
HPE Edgeline
HPE Edgeline підходить для жорсткого використання інтелектуальних пристроїв на виробничих підприємствах, нафтових вишках тощо. Він переносить передове програмне забезпечення та апаратне забезпечення операційних технологій (OT) безпосередньо на виробництво.
Таким чином, розумні пристрої можуть швидко отримувати вхідні дані від локальної системи обробки даних, а не від хмарних серверів.
Intel IoT Developer Kit
Ви можете використовувати програмне та апаратне забезпечення від Intel для розробки інтелектуальних пристроїв на основі периферійної аналітики для використання в бізнесі. В набір інструментів входять такі продукти:
- Стек програмного забезпечення з драйверами, SDK, ОС, зразками та бібліотеками
- Розповсюдження Intel OpenVINO
- Intel Movidius VPU
- Intel Arria 10 FPGA
Azure IoT Edge
Azure IoT Edge надає аналітику та робочі навантаження ШІ на розумні пристрої, які працюють на межі. Ця платформа розробки периферійної аналітики включає такі функції:
- Граничне обладнання IoT від перевірених постачальників
- Вільний час виконання
- Модуль бізнес-логіки для роботи програмного забезпечення на межі
- Хмарний інтерфейс Azure
Edge проти традиційної аналітики
Основна відмінність між периферійною аналітикою та традиційною/серверною аналітикою полягає в місці аналізу даних.
У периферійних системах аналіз даних відбувається поблизу або на пристрої IoT, який збирає дані та виконує команди. Навпаки, аналітика сервера відбувається далеко від інтелектуального пристрою, який збирає дані.
Ви можете знайти інші помітні відмінності в наступній таблиці:
Характеристика/функціональність Edge AnalyticsTraditional AnalyticsCost of OwnershipHighLowLatencyПрактично нульЗазвичай від низького до середнього
Високий, якщо робочі навантаження на сервер перевищують його потужність. Сумісність пристроїв
Вам потрібні конкретні рішення, коли ви змінюєте пристрої. Більшість хмарних і серверних аналітичних програм мають високу сумісність із різними пристроями. Швидкість аналізу даних. Швидше, ніж серверна аналітика. Повільніше, ніж периферійна. Конфігурація системи. Налаштовуйте щоразу, коли ви змінюєте марку та модель пристрою. Налаштовуйте один раз і використовуйте програму роками. Вразливість безпеки. Практично не піддається злому. Схильність до хакерських і фішингових атак. Втрата підключення Системи Інтернету речей продовжуватимуть працювати Системи Інтернету речей зупиняться Аналітичні програмиОбмежені можливості на ринкуНа ринку представлено багато серверних програм для аналізу данихВартість сервераНизька або жоднаВисока
поширені запитання
Що таке Edge Video Analytics?
Гранична відеоаналітика означає аналіз зображень відео в місці, розташованому поблизу вхідної машини, замість переміщення відеоданих на хмарний сервер.
Камера або кодер обробляє зображення для створення метаданих у аналітиці Edge. Таким чином, бізнес отримує швидший час відповіді та потребує меншої пропускної здатності для передачі даних.
У яких ситуаціях перевага надається Edge Analytics?
Найкращий сценарій для периферійної аналітики – це коли вам потрібно контролювати пристрої. Ця аналітика також корисна, коли у вас погане підключення до мережі в певній місцевості.
Фінансові послуги та виробництво є секторами, чутливими до затримок, де ця технологія підходить. Більше того, компанії, які планують розширити свою діяльність, також повинні вибрати периферійну аналітику.
Заключні слова
Отже, тепер ви знаєте, що таке периферійна аналітика, як вона працює, її переваги, інструменти, варіанти використання тощо.
Тепер ви можете з упевненістю приймати бізнес-рішення щодо модернізації систем Інтернету речей за допомогою передових аналітичних пристроїв для швидкого керування віддаленими пристроями.
Крім того, стаття допоможе вам спроектувати або розробити нові рішення IoT та IIoT, якщо ви інженер або розробник IoT.
Далі ви можете перевірити популярні пристрої IoT.