Edge-analyse hjelper innovative og datadrevne virksomheter med å starte dataanalysen umiddelbart etter at data er samlet inn fra IoT-enheter.
Tradisjonelt har selskaper samlet inn data fra forskjellige kilder, lagret dem i skyen eller lokalt, og deretter analysert dem. Imidlertid er denne datamodellen en betydelig hindring for veksten av tingenes internett (IoT) og det industrielle tingenes internett (IIoT).
Edge-analyse er løsningen!
Denne artikkelen tar deg gjennom en kort forklaring av analyse på kanten, slik at du enkelt kan utvikle løsninger eller transformere digitale virksomheter.
Introduksjon til Edge-analyse
Som navnet indikerer, er edge-dataanalyse en metode for dataanalyse som utføres ved datakilden. «Edge» refererer til opprinnelsen til dataene. For IoT er dette sensorer, aktuatorer, robotarmer, HVAC-anlegg, transportbåndkontrollere, nettverksbrytere og smarte enheter.
Edge-analyseapplikasjoner utfører dataanalyse nær IoT-enheten som samler inn sanntidsdata fra produksjonsenheter, verktøysystemer osv. Dette tillater at tidskritiske forretningsprosesser kjører uten avbrudd, uten å måtte vente på innspill fra en sentral server.
Kort sagt, datainnsamling, behandling, analyse og handlinger som skjer i en smart enhet, er resultatet av edge-dataanalyse. For eksempel har Amazon Echo- eller Nest Home-enheter innebygd edge-analyse.
Disse enhetene lytter til kommandoene dine, analyserer den innspilte lyden for å tolke maskinspråket og søker på internett etter resultater. Enheten presenterer deretter de tilgjengelige søkeresultatene fra internett.
Behovet for Edge-analyse
Bruken av smarte enheter i bransjer som energi, detaljhandel, produksjon, sikkerhet, logistikk og bilindustri er i stadig vekst. Imidlertid øker ikke internettbåndbredden i samme takt, og båndbredden er ofte begrenset.
Derfor er det tidkrevende å samle terabyte med data fra IoT-enheter og overføre dem til skyen. For ikke å nevne å analysere dataene og sende tilbake handlingsrettet informasjon til smartenheten over samme nettverk.
Dette vil skape en flaskehals og forstyrre IoT-systemnettverket!
Her må selskaper ta i bruk edge-analyseapplikasjoner og -enheter. De tidskritiske smartenhetene vil kunne analysere de innhentede dataene lokalt og iverksette tiltak umiddelbart.
For eksempel må et autonomt kjøretøy bremse hvis det oppdager en plutselig hindring på veien.
Det kan ikke vente med å samle inn de audiovisuelle dataene om hindringen, sende dem til en skyapplikasjon og vente på svar. I stedet må kjøretøyet ta en beslutning på et brøkdels sekund om å endre retning eller bremse ned.
Hvordan fungerer Edge-analyse?
Analyse på kanten overvåker vanligvis flere matriser av edge- eller IoT-enheter. Hovedsakelig overvåker en analyseapplikasjon helsen og ytelsen til alle de tilkoblede smartenhetene.
Hvis den oppdager problemer i arbeidsflyten, forsøker analyseapplikasjonen å løse problemet lokalt. Hvis problemet vedvarer, stopper edge-applikasjonen den defekte enheten, og varsler de menneskelige teknikerne.
Følgende enheter spiller en viktig rolle i denne prosessen:
- IoT-sensorer samler inn miljødata som trykk, temperatur, fuktighet, RPM, osv.
- Edge-enheter kan være dedikerte enheter som Sony REA-C1000 for dataanalyse på stedet, eller smarttelefoner og nettbrett for å kontrollere IoT-enheter.
- Edge-gatewayer har mer kraft og minne enn edge-enheter og fungerer som et mellomledd mellom skyserveren og IoT-enheter.
- Smarte aktuatorer utfører oppgaver basert på dataanalysen som utføres på kanten. For eksempel smarte vannventiler, smarte brytere, smarte robotarmer, smarte transportbåndkontrollere og datamaskinkommandoer.
Bildet ovenfor viser en skjematisk fremstilling av IBM IoT Edge-analyse i gjestfrihetssektoren, som hoteller.
Fordeler
#1. Bedre sikkerhet
Med analyse på kanten er det ikke nødvendig å overføre dataene til skyen. Rådataene forblir på enheten der de ble generert. Siden det ikke er noen risiko for at data blir hacket eller infisert under overføring, er de sikrere.
#2. Forebygging av forsinkelse og dataanalyse i nær sanntid
Enkelte forretningsprosesser krever umiddelbar dataanalyse for å fungere optimalt. Edge-analyse hjelper dem med å ta autonome beslutninger ved å identifisere og samle inn innsikt ved kilden.
Siden denne analysen skjer nær dataene, tar det mindre tid. Det innebærer ingen dataoverføring til eksterne servere, noe som gir raskere resultater.
I situasjoner som å identifisere kriminelle fra live CCTV-strømmer eller analysere data fra et fly eller et produksjonsanlegg, har man ofte bare brøkdeler av sekunder til å reagere. I slike tilfeller hjelper denne teknologien med å ta umiddelbare beslutninger.
#3. Høy skalerbarhet
Etter hvert som selskaper vokser, legger den økende datamengden mer press på sentral dataanalyse. Ved å desentralisere prosessen lar edge-analyse deg skalere prosessene, noe som gir bedre analysemuligheter.
#4. Mindre båndbreddebruk
Dataoverføring fra kildeenheter til den sentrale serveren og tilbake krever betydelig båndbredde. Mange eksterne steder mangler den nødvendige båndbredden eller nettverksstyrken for overføring. I slike tilfeller sparer edge-analyse båndbredde.
#5. Reduserte kostnader
Konvensjonelle metoder for analyse av store data er kostbare. Selv om selskaper kan behandle dataene i sine skyservere eller offentlige skyløsninger, er lagring, behandling, analyse og båndbreddebruk dyrt.
Denne teknologien bruker IoT-enheter eller nærliggende maskinvare for dataanalyse. Dette reduserer kostnadene for analyse og internettbåndbredde.
Begrensninger
#1. Sikkerhet for eksterne enheter
Selv om analyse på kanten beskytter sensitive data mot cybersikkerhetstrusler under dataoverføring, involverer det eksterne enheter som er utsatt for slike risikoer.
Det har vært flere tilfeller av hacking av sikkerhetskameraer, og dine kan også bli ofre for slike angrep. Hvis cybersikkerhetstiltakene dine ikke dekker disse eksterne enhetene, vil det ikke hjelpe å ha sterk sikkerhet for kjernesystemet.
#2. Tap av data
Utformingen av edge-analyse gjør det mulig å bruke de mest relevante dataene for analyse. Resten av dataene fra det store rådatasettet blir ignorert.
Siden denne teknologien kun lagrer de relevante forekomstene på den sentrale serveren, er det kanskje ikke den beste tilnærmingen for selskaper som trenger å motta og lagre alle rådataene sine.
#3. Enhets- og nettverkskompatibilitet
Analyse på kanten er en ny teknologi, så det kan være problemer med kompatibilitet og dataoverføring hvis du bruker gamle enheter og nettverksteknologi. Selskaper må kanskje kjøpe nye enheter for å implementere denne teknologien i organisasjonen.
Dette vil øke kostnadene for edge-analyse for selskapet. I tillegg kan det kreve en full systemoppgradering som kan forstyrre driften.
#4. Behov for å utvikle egen løsning
Det finnes ulike analyseplattformer tilgjengelig for denne oppgaven. Imidlertid kan noen selskaper trenge en skreddersydd edge-analyseplattform avhengig av hvilke enheter de trenger å analysere.
#5. Velge riktig programvare
Noen systemer på markedet deler bare sine utdata i skyen. Derfor kan ikke selskaper se de underliggende rådataene bak analysen. For å unngå dette, må du bruke den nyeste analyseprogramvaren for å få tilgang til alle nødvendige data.
#6. Behov for brukervurdering
Teknologien er best egnet for sikkerhet, effektivitet og raske beslutningsprosesser. Selskaper bør vurdere om de faktisk har behov for dette før de velger en løsning.
Bruksområder
Analysere kundenes atferd
Forhandlere samler inn data fra butikkameraer, parkeringssensorer og handlekurvmerker ved hjelp av en rekke sensorer. Med edge-analyse kan disse selskapene bruke disse dataene til å tilby skreddersydde løsninger til kundene sine basert på deres atferd.
Fjernovervåking og vedlikehold
Produksjons- og energisektoren trenger umiddelbare reaksjoner eller varsler når maskiner slutter å fungere eller trenger vedlikehold. I stedet for sentralisert dataanalyse er dette den rette teknologien for raskere identifisering av potensielle flaskehalser.
Intelligent overvåking
Det er også nyttig for deteksjon av inntrengere i sanntid. Selskaper kan bruke denne tjenesten for å øke sikkerheten. Denne teknologien bruker råbilder fra CCTV for å lokalisere og spore mistenkelig aktivitet.
Forutsigelse av feil
Feil på IoT-maskinvare kan ha katastrofale følger. Edge-analyse av disse IoT-maskinvareenhetene kan forutsi slike problemer nøyaktig. Med hjelp av dette kan organisasjoner ta proaktive tiltak og øke oppetiden.
For tiden brukes edge-analyse hovedsakelig med spesialtilpassede enheter og apper for spesifikke industrielle bruksområder. Nedenfor finner du noen verktøy og enheter for å bli kjent med trenden:
Sony Edge-analyseenhet
REA-C1000 fra Sony er en komplett edge-analyseenhet som er tilgjengelig. Du kan koble Sony-nettverkskameraer til den for å fange og analysere live-presentasjoner for eksterne seere.
Den har avanserte funksjoner som håndskriftutvinning, innholdsoverlegg, autonomt innhold, sporing av presentatører, bildedeling, sporing av publikumsbevegelser og mer.
AWS IoT GreenGrass
AWS IoT GreenGrass er en åpen kildekode-skytjeneste og edge-kjøretid for å utvikle, distribuere og kontrollere IoT-enhetsprogramvare.
Den bringer logikk og skydatabehandling til lokale IoT-enheter. Derfor kan enheter fungere i nettverk med lav eller sporadisk båndbredde.
HPE Edgeline
HPE Edgeline er egnet for robust bruk av smarte enheter i produksjonsanlegg, oljeplattformer osv. Den bringer avansert programvare og operasjonell teknologi (OT) direkte til produksjonsgulvet.
Dette gjør at smarte enheter raskt kan motta data fra et lokalt databehandlingssystem i stedet for fra skyservere.
Intel IoT-utviklersett
Du kan bruke programvare og maskinvare fra Intel til å utvikle avanserte analysebaserte smarte enheter for forretningsbruk. Utviklersettet inneholder følgende produkter:
- Programvarestabel med drivere, SDK-er, OS, eksempler og biblioteker
- Intel-distribusjon av OpenVINO
- Intel Movidius VPU
- Intel Arria 10 FPGA
Azure IoT Edge
Azure IoT Edge bringer analyser og AI-arbeidsbelastninger til smarte enheter som opererer på kanten. Denne utviklingsplattformen for edge-analyse inkluderer følgende funksjoner:
- IoT-kantvare fra pålitelige leverandører
- Gratis edge runtime
- Forretningslogikkmodul for å kjøre programvare på kanten
- Azure-skygrensesnitt
Edge vs. tradisjonell analyse
Den viktigste forskjellen mellom edge-analyse og tradisjonell/serveranalyse er stedet der dataanalysen utføres.
I edge-systemer foregår dataanalysen i nærheten av eller på IoT-enheten som samler inn data og utfører kommandoer. I kontrast foregår serveranalyse langt fra smartenheten som samler inn data.
Du kan se andre viktige forskjeller i følgende tabell:
| Funksjon/Funksjonalitet | Edge-analyse | Tradisjonell analyse |
| Eierkostnader | Høy | Lav |
| Forsinkelse | Praktisk talt null | Vanligvis lav til moderat. Høy hvis serveren opplever større arbeidsmengde enn kapasiteten |
| Enhetskompatibilitet | Ingen. Du trenger spesifikke løsninger når du bytter enheter. | De fleste sky- og serverbaserte analyseapplikasjoner er svært kompatible på tvers av enheter. |
| Dataanalysehastighet | Raskere enn serveranalyse | Sakte enn edge-analyse |
| Systemkonfigurasjon | Konfigurer hver gang du endrer enhetsmerke og modell | Konfigurer én gang og bruk applikasjonen i årevis. |
| Sikkerhetssårbarhet | Praktisk talt umulig å hacke | Utsatt for hacking og phishing-angrep |
| Tilkobling | IoT-systemer vil fortsette å fungere | IoT-systemer vil stoppe |
| Analyseapplikasjoner | Begrensede alternativer på markedet | Det finnes mange serverbaserte dataanalyseapper på markedet |
| Serverkostnad | Lav eller ingen | Høy |
Vanlige spørsmål
Hva er Edge Video Analytics?
Edge-videoanalyse innebærer å analysere bildene i en video lokalt, nær datainnmatingsenheten, i stedet for å flytte videodataene til en skyserver.
Et kamera eller en koder behandler bildet for å generere metadata i Edge-analysen. Dermed får bedriften raskere responstid og trenger mindre båndbredde for dataoverføring.
I hvilke situasjoner foretrekkes Edge Analytics?
Det beste scenarioet for edge-analyse er når du trenger å overvåke enheter. Analysen er også nyttig når du har dårlig nettverkstilkobling i et område.
Finansielle tjenester og produksjon er latenssensitive sektorer der denne teknologien er egnet. I tillegg bør selskaper som ønsker å skalere opp også vurdere edge-analyse.
Avslutning
Nå vet du hva edge-analyse er, hvordan det fungerer, fordelene, verktøyene, bruksområdene og mer.
Du kan nå trygt ta forretningsbeslutninger for å oppgradere dine IIoT-systemer med avanserte analyseenheter for å raskt styre eksterne enheter.
Alternativt vil denne artikkelen hjelpe deg med å designe eller utvikle nye IoT- og IIoT-løsninger hvis du er en IoT-ingeniør eller -utvikler.
Deretter kan du sjekke ut de populære IoT-enhetene.