Edge analytics помага на интелигентните и ориентирани към данни бизнеси да преминат направо към анализ на данни след събиране на данни от IoT устройства.
Традиционно фирмите събират данни от различни източници, съхраняват ги в облак или локално хранилище и ги анализират по-късно. Въпреки това, този модел за анализ на данни е жизненоважно тясно място за растежа на интернет на нещата (IoT) и индустриалния интернет на нещата (IIoT).
Edge analytics е отговорът!
Тази статия ще ви преведе през кратко пътуване на анализи на ръба, така че да можете да разработвате решения или да трансформирате дигитален бизнес без усилие.
Съдържание
Въведение в Edge Analytics
Както подсказва името, периферният анализ на данни е методът за анализ на данни на ръба. Edge означава източникът на данни. За IoT това са сензори, задвижващи механизми, роботизирани ръце, ОВК, конвейерни контроли, мрежови комутатори и интелигентни устройства.
Приложенията за анализ на Edge извършват анализ на данни по-близо до IoT устройството, което събира данни в реално време от производствени единици, комунални системи и т.н. По този начин критичните за времето бизнес процеси могат да протичат гладко, без да чакат логически входове от централен сървър.
Накратко, събирането на данни, обработката, анализът и действията, извършвани в рамките на смарт устройство, са резултат от периферен анализ на данни. Например устройствата Amazon Echo или Nest Home идват с периферни анализи.
Тези устройства слушат вашите команди. Анализира заснетото аудио на машинен език, който търси резултати в мрежата. Устройството също така представя резултата от заявката, наличен в интернет.
Необходимост от Edge Analytics
Употребата на интелигентни устройства в индустрии като енергетика, търговия на дребно, производство, сигурност, логистика, автомобилостроене и т.н. непрекъснато нараства. Но честотната лента на интернет не расте със същата скорост или винаги е ограничена.
Следователно събирането на терабайти данни от IoT устройства и прехвърлянето им в облака отнема много време. Да не говорим за анализиране на данните и изпращане на полезна информация към смарт устройството през същата мрежа.
Това ще създаде задръстване и ще деактивира мрежата на IoT системата!
Тук фирмите трябва да използват крайни приложения и устройства за анализ. Критичните във времето интелигентни устройства ще могат да анализират събраните данни на място и да предприемат незабавни действия.
Например, автономно превозно средство трябва да спре, ако открие внезапно и нежелано препятствие по пътя си.
Няма търпение да събере аудио-визуалните данни на препятствието, да ги изпрати до облачно приложение и да изчака въвеждане. Вместо това превозното средство взема решение за части от секундата да промени посоката или да предприеме аварийни прекъсвания.
Как работи Edge Analytics?
Анализът on edge обикновено наблюдава множество масиви от edge или IoT устройства. На първо място, приложението за анализ проследява здравето и производителността на всички свързани смарт устройства.
Ако открие проблеми с работния процес, приложението за анализ се опитва да отстрани проблема локално. Ако проблемът продължава, крайното приложение спира дефектното устройство. След това уведомява човешките техници.
По време на този организиран път следните устройства изпълняват критични роли:
- IoT сензорите събират данни за околната среда като налягане, температура, влажност, RPM и др.
- Edge устройствата могат да бъдат специализирани периферни устройства като Sony REA-C1000 за анализ на данни на място или смартфони и таблети за контрол на IoT устройства.
- Граничните шлюзове разполагат с повече мощност и памет от крайните устройства и функционират като посредник между облачния сървър и IoT устройствата.
- Интелигентните задвижващи механизми, които изпълняват задачата, предполагат анализите на данните. Например интелигентни водни клапани, интелигентни превключватели, интелигентни роботизирани ръце, интелигентно управление на конвейера и компютърни команди.
Изображението по-горе показва схематично представяне на IBM IoT Edge Analytics в секторите за управление на хотелиерството като хотели.
Ползи
#1. По-голяма сигурност
В analytics on edge няма нужда да прехвърляте данните в облака. Необработените данни остават на устройството, където са генерирани. Тъй като няма шанс данните да бъдат хакнати или заразени при пренасяне, те остават по-сигурни.
#2. Предотвратяване на забавяне и анализ на данни в почти реално време
Някои бизнес процеси изискват незабавен анализ на данните за операциите. Edge Analytics им помага при автономни решения, като идентифицира и събира прозрения при източника.
Тъй като този анализ се извършва близо до данните, отнема малко време. Не включва предаване на данни към отдалечени сървъри, така че получавате незабавни резултати.
В сценарии като идентифициране на престъпници от канали за видеонаблюдение на живо или анализиране на данни от самолет или производствен завод, вие получавате само части от секундата, за да осъществите повикването. Там използването на тази технология ви помага да вземате незабавни решения.
#3. Висока мащабируемост
Тъй като компаниите се разрастват, нарастващият брой данни поставя все по-голяма тежест върху централния анализ на данни. Чрез децентрализация на процеса периферният анализ ви позволява да мащабирате процесите, осигурявайки по-добри възможности за анализ.
#4. По-малко използване на честотната лента
Прехвърлянето на данни от изходните устройства към централния сървър и обратно използва огромна честотна лента. Много отдалечени местоположения нямат необходимата честотна лента на данни или сила на мрежата за предаване. В такива случаи крайният анализ ви спестява използването на честотна лента.
#5. Намалена цена
Конвенционалните методи за анализ на големи данни ще ви струват много пари. Докато компаниите могат да обработват данните в своя облачен сървър или публични облачни решения, съхранението, обработката, анализите и потреблението на честотна лента са скъпи.
Тази технология използва IoT устройства или близък хардуер за анализ на данни. В резултат на това ще има по-малко разходи за анализ и честотна лента на интернет мрежата.
Ограничения
#1. Сигурност на отдалечени устройства
Докато анализът на ръба защитава вашите чувствителни данни от заплахи за киберсигурността по време на предаването на данни, той включва отдалечени устройства, уязвими на такива рискове.
Има няколко случая на хакване на охранителни камери и вашата също може да стане жертва на подобни атаки. Ако вашите мерки за киберсигурност не покриват тези отдалечени устройства, наличието на силна защита за вашата основна система няма да помогне.
#2. Загубени данни
Дизайнът на крайния анализ му позволява да използва най-подходящите данни за анализ. Останалите данни от големия необработен набор от данни се игнорират.
Тъй като тази технология съхранява само тези съответни екземпляри в централния сървър, тя може да не е най-добрият подход за компаниите, които трябва да получават и съхраняват всичките ви необработени данни.
#3. Съвместимост на устройството и мрежата
Analytics on edge е нова технология, така че може да има проблеми със съвместимостта и предаването на данни, ако използвате стари устройства и мрежова технология. Така че компаниите трябва да закупят нови устройства, за да внедрят тази технология в своята организация.
Вследствие на това това ще увеличи цената на крайния анализ за тази компания. Освен това може да изисква пълно надстройване на системата, което може да наруши операциите.
#4. Необходимост от разработване на собствено решение
За тази задача има различни аналитични платформи. Някои компании обаче може да се нуждаят от лично разработена платформа за крайни анализи в зависимост от устройствата, които трябва да анализират.
#5. Избор на правилния софтуер
Някои налични на пазара системи споделят изходните си данни само в облака. Следователно компаниите не успяват да видят необработените изходни данни зад анализа. За да избегнете това, трябва да използвате най-новия софтуер за анализ, за да получите всички необходими данни.
#6. Има нужда от оценка на използваемостта
Той е най-подходящ за сценарии за сигурност, ефективност и бързо вземане на решения. Така че компаниите трябва да преценят дали имат нужда от него, преди да изберат решението.
Случаи на употреба
Анализиране на поведението на клиента
Търговците на дребно събират данни от камерите на своите магазини, сензорите за паркиране и етикетите на пазарската количка чрез набор от сензори. С крайния анализ тези компании могат да използват тези данни, за да предложат персонализирани решения на своите клиенти според тяхното поведение.
Дистанционно наблюдение и поддръжка
Производствените и енергийните индустрии се нуждаят от незабавни реакции или сигнали, когато машините спрат да функционират или изискват поддръжка. Вместо централизиран анализ на данни, това е правилната технология за по-бързо идентифициране на бъдещи тесни места.
Интелигентно наблюдение
Също така е полезно за откриване на нарушители в реално време. Бизнесът може да използва тази услуга, за да повиши своята сигурност. Тази технология използва необработени изображения от CCTV, за да локализира и проследи всяка подозрителна дейност.
Прогноза за повреда
Хардуерната повреда на IoT може да се окаже катастрофална. Edge анализите на тези IoT хардуерни устройства могат точно да предвидят такива проблеми. С негова помощ организациите могат да предприемат проактивни мерки и да увеличат времето за работа.
В момента analytics on edge използва най-вече персонализирани устройства и приложения за конкретни случаи на индустриална употреба. Намерете по-долу някои инструменти и устройства, за да разберете тенденцията:
Устройство Sony Edge Analytics
REA-C1000 от Sony е пълнофункционално крайно устройство за анализ, което съществува досега. Можете да свържете мрежови камери на Sony с него, за да заснемете и анализирате презентации на живо за отдалечени зрители.
Има високотехнологични функции като извличане на ръкописен текст, наслагване на съдържание, автономно съдържание, проследяващ презентатор, разделяне на изображения, проследяване на жестове на публиката и много други.
AWS IoT GreenGrass
AWS IoT GreenGrass е облачна услуга с отворен код и крайно време за изпълнение за разработване, внедряване и контрол на софтуер за IoT устройства.
Той носи логика и обработка на данни в облак към локалните IoT устройства. Следователно устройствата могат да функционират при ниска или периодична мрежова честотна лента.
HPE Edgeline
HPE Edgeline е подходящ за сурово използване на интелигентни устройства в производствени предприятия, петролни платформи и т.н. Той пренася върхов софтуер и хардуер за операционна технология (OT) директно в производствения етаж.
Следователно интелигентните устройства могат бързо да получат информация от система за обработка на данни на място, а не от облачни сървъри.
Intel IoT Developer Kit
Можете да използвате софтуер и хардуер от Intel, за да разработите смарт устройства, базирани на крайни анализи, за бизнес употреба. Инструментариумът включва следните продукти:
- Софтуерен стек с драйвери, SDK, ОС, мостри и библиотеки
- Разпространение на OpenVINO от Intel
- Intel Movidius VPU
- Intel Arria 10 FPGA
Azure IoT Edge
Azure IoT Edge носи аналитични и AI работни натоварвания към смарт устройства, които работят на ръба. Тази платформа за разработка на крайни анализи включва следните функции:
- IoT edge хардуер от доверени доставчици
- Свободно време на изпълнение
- Модул за бизнес логика за работа на софтуер на ръба
- Azure облачен интерфейс
Edge срещу традиционен анализ
Основната разлика между крайния анализ и традиционния/сървърен анализ е мястото на анализа на данните.
В крайните системи анализът на данни се извършва близо до или на IoT устройството, което събира данни и изпълнява команди. Обратно, анализите на сървъра се извършват далеч от смарт устройството, което събира данни.
Можете да намерите други забележими разлики в следната таблица:
Функция/функционалност Edge Analytics Традиционен анализ Цена на притежание Висока ниска латентност Практически нула Обикновено ниска до умерена
Високо, ако сървърът изпитва натоварвания, по-големи от неговия капацитет. Device CompatibilityNone
Имате нужда от конкретни решения, когато сменяте устройства. Повечето облачни и базирани на сървър приложения за анализ са силно съвместими между устройства Анализ на данни Скорост По-бърз от сървърния анализ По-бавен от крайния анализ Системна конфигурация Конфигурирайте всеки път, когато промените марката и модела на устройството Конфигурирайте веднъж и използвайте приложението с години Уязвимост на сигурността На практика не подлежи на хакване Склонност към хакерски и фишинг атаки Загуба на свързаност Системите на Интернет на нещата ще продължат да работят Системите на интернет на нещата ще спрат Приложения за анализ Ограничени възможности на пазара На пазара има много базирани на сървър приложения за анализ на данни Цената на сървъра Ниска или никаква Висока
Често задавани въпроси
Какво е Edge Video Analytics?
Edge video analytics означава анализиране на изображенията на видео на място, близо до входната машина, вместо преместване на видео данните в облачния сървър.
Камера или енкодер обработва изображението, за да генерира метаданни в Edge analytics. Така бизнесът получава по-бързо време за реакция и трябва да изразходва по-малко честотна лента за пренос на данни.
В коя ситуация се предпочита Edge Analytics?
Най-добрият сценарий за крайни анализи е, когато трябва да наблюдавате устройства. Тези анализи са полезни и когато имате лоша мрежова свързаност в даден район.
Финансовите услуги и производството са сектори, чувствителни към забавяне, където тази технология е подходяща. Освен това, фирмите, които се стремят към разрастване, също трябва да изберат крайни анализи.
Заключителни думи
И така, вече знаете какво представлява периферният анализ, как работи, неговите предимства, инструменти, случаи на употреба и много други.
Вече можете уверено да вземате бизнес решения за преоборудване на вашите IIoT системи с уреди за крайни анализи за бърз контрол на отдалечени устройства.
Като алтернатива, статията ще ви помогне да проектирате или разработите нови IoT и IIoT решения, ако сте IoT инженер или разработчик.
След това можете да разгледате популярните IoT устройства.