Edge analytics hjelper smarte og dataorienterte virksomheter å gå rett til dataanalyse etter datainnsamling av IoT-enheter.
Tradisjonelt vil bedrifter samle inn data fra ulike kilder, lagre dem i en sky eller lokal lagring og analysere dem senere. Imidlertid er denne dataanalysemodellen en viktig flaskehals for veksten av tingenes internett (IoT) og det industrielle tingenes internett (IIoT).
Edge analytics er svaret!
Denne artikkelen tar deg gjennom en kortfattet reise med analyser på kanten, slik at du kan utvikle løsninger eller transformere digitale virksomheter uten problemer.
Innholdsfortegnelse
Introduksjon til Edge Analytics
Som navnet antyder, er edge data analytics dataanalysemetoden på kanten. Edge betyr kilden til data. For IoT er dette sensorer, aktuatorer, robotarmer, HVAC-er, transportbåndkontroller, nettverksbrytere og smarte enheter.
Edge analytics-applikasjoner utfører dataanalyse nærmere IoT-enheten som samler inn sanntidsdata fra produksjonsenheter, verktøysystemer osv. Dermed kan tidskritiske forretningsprosesser kjøre problemfritt uten å vente på logiske input fra en sentral server.
I et nøtteskall, datainnsamling, prosessering, analyse og handlinger som skjer i en smart enhet, er resultatet av kantdataanalyse. For eksempel kommer Amazon Echo- eller Nest Home-enheter med kantanalyse.
Disse enhetene lytter til kommandoene dine. Analyserer fanget lyd til maskinspråk som søker på nettet etter resultater. Enheten presenterer også søkeresultatet som er tilgjengelig på internett.
Behov for Edge Analytics
Bruken av smarte enheter i bransjer som energi, detaljhandel, produksjon, sikkerhet, logistikk, bil, etc., vokser kontinuerlig. Men internettbåndbredden vokser ikke med samme hastighet, eller båndbredden er alltid begrenset.
Derfor er det tidkrevende å samle terabyte med data fra IoT-enheter og overføre dem til skyen. For ikke å snakke om å analysere dataene og sende tilbake handlingsrettet innsikt til smartenheten via samme nettverk.
Det vil skape en trafikkork og deaktivere IoT-systemnettverket!
Her må bedrifter bruke kantanalyseapplikasjoner og -enheter. De tidskritiske smartenhetene vil kunne analysere de innsamlede dataene på stedet og iverksette tiltak umiddelbart.
For eksempel må et autonomt kjøretøy bremse hvis det oppdager en plutselig og uønsket hindring på veien.
Den kan ikke vente med å samle inn de audiovisuelle dataene om hindringen, sende den til en sky-app og vente på input. I stedet tar kjøretøyet en avgjørelse på et splitsekund om å endre retning eller delta i nødpauser.
Hvordan fungerer Edge Analytics?
Analytics on edge overvåker vanligvis flere arrays av edge- eller IoT-enheter. Primært sporer en analyseapp helsen og ytelsen til alle de tilkoblede smartenhetene.
Hvis den oppdager arbeidsflytproblemer, prøver analyseappen å rette opp problemet lokalt. Hvis problemet vedvarer, stopper edge-applikasjonen den defekte enheten. Deretter varsler den de menneskelige teknikerne.
I løpet av denne orkestrerte banen utfører følgende enheter kritiske roller:
- IoT-sensorer samler inn miljødata som trykk, temperatur, fuktighet, RPM, etc.
- Edge-enheter kan være dedikerte edge-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 som utfører oppgavekanten dataanalyse foreslår. For eksempel smarte vannventiler, smarte brytere, smarte robotarmer, smarte transportbåndkontroller og datamaskinkommandoer.
Bildet ovenfor viser en skjematisk representasjon av IBM IoT Edge Analytics i gjestfrihetsadministrasjonssektorene som hoteller.
fordeler
#1. Større sikkerhet
I analytics on edge er det ikke nødvendig å overføre dataene til skyen. Rådataene forblir på enheten der de ble generert. Siden det ikke er noen sjanse for at data blir hacket eller infisert under transport, forblir det sikrere.
#2. Forebygging av ventetid og dataanalyse i nær sanntid
Enkelte forretningsprosesser krever umiddelbar dataanalyse for driften. Edge Analytics hjelper dem med autonome beslutninger ved å identifisere og samle inn innsikten ved kilden.
Siden denne analysen skjer i nærheten av dataene, tar det litt tid. Det innebærer ingen dataoverføring til eksterne servere, så du får umiddelbare resultater.
I scenarier som å identifisere kriminelle fra direkte CCTV-strømmer eller analysere data fra et fly eller produksjonsanlegg, får du bare delte sekunder på å ringe. Der, bruk av denne teknologien hjelper deg med å ta umiddelbare beslutninger.
#3. Høy skalerbarhet
Etter hvert som selskaper skalerer opp, legger det økende antallet data mer byrde på sentral dataanalyse. Gjennom desentralisering av prosessen lar edge analytics deg skalere prosessene som gir bedre analysemuligheter.
#4. Mindre båndbreddebruk
Dataoverføring fra kildeenhetene til den sentrale serveren og omvendt bruker en heftig mengde båndbredde. Mange eksterne steder har ikke den nødvendige databåndbredden eller nettverksstyrken for overføring. I slike tilfeller sparer edge analytics deg for å bruke båndbredde.
#5. Redusert kostnad
Konvensjonelle metoder for analyse av store data vil koste deg mye penger. Mens selskaper kan behandle dataene i deres skyserver eller offentlige skyløsninger, er lagring, prosessering, analyser og båndbreddeforbruk dyrt.
Denne teknologien bruker IoT-enheter eller nærliggende maskinvare for dataanalyse. Som et resultat vil det være mindre kostnader for analyse og internettnettverksbåndbredde.
Begrensninger
#1. Sikkerhet for eksterne enheter
Mens analytics on edge beskytter de sensitive dataene dine mot cybersikkerhetstrusler under dataoverføringen, involverer det eksterne enheter som er sårbare for slike risikoer.
Det har vært flere hendelser med hacking av sikkerhetskameraer, og også dine kan bli offer for slike angrep. Hvis cybersikkerhetstiltakene dine ikke dekker disse eksterne enhetene, vil det ikke hjelpe å ha sterk sikkerhet for kjernesystemet.
#2. Tapte data
Utformingen av kantanalyse 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 disse relevante forekomstene i den sentrale serveren, er det kanskje ikke den beste tilnærmingen for selskapene som trenger å motta og lagre alle dine rådata.
#3. Enhets- og nettverkskompatibilitet
Analytics on edge er en ny teknologi, så det kan være problemer med kompatibilitet og dataoverføring hvis du bruker gamle enheter og nettverksteknologi. Så bedrifter må kjøpe nye enheter for å implementere denne teknologien i organisasjonen.
Følgelig vil dette øke kostnadene for kantanalyse for det selskapet. I tillegg kan det kreve en full systemoppgradering som kan forstyrre driften.
#4. Behov for å utvikle egen løsning
Det finnes ulike analytiske plattformer tilgjengelig for denne oppgaven. Noen selskaper kan imidlertid trenge en personlig utviklet kantanalyseplattform avhengig av enhetene de trenger å analysere.
#5. Velge riktig programvare
Noen systemer som er tilgjengelige på markedet deler bare utdataene sine på skyen. Derfor klarer ikke selskaper å se råkildedataene bak analysen. For å unngå dette må du bruke den nyeste analyseprogramvaren for å få tak i alle nødvendige data.
#6. Trenger brukervennlighetsvurdering
Den er mest egnet for sikkerhet, effektivitet og raske beslutningsscenarier. Så bedrifter bør vurdere om de trenger det før de velger løsningen.
Brukssaker
Analysere kundeadferd
Forhandlere samler inn data fra butikkkameraer, parkeringssensorer og handlekurvmerker gjennom en rekke sensorer. Med kantanalyse kan disse selskapene bruke disse dataene til å tilby tilpassede løsninger til kundene sine i henhold til deres oppførsel.
Fjernovervåking og vedlikehold
Produksjons- og energiindustrien trenger umiddelbare reaksjoner eller varsler når maskiner slutter å fungere eller trenger vedlikehold. I stedet for sentralisert dataanalyse, er det riktig teknologi for raskere identifisering av fremtidige flaskehalser.
Intelligent overvåking
Det er også nyttig for inntrengerdeteksjon i sanntid. Bedrifter kan bruke denne tjenesten for å øke sikkerheten. Denne teknologien bruker råbilder fra CCTV for å lokalisere og spore enhver mistenkelig aktivitet.
Forutsigelse av feil
IoT-maskinvarefeil kan vise seg å være katastrofal. Edge-analyse av disse IoT-maskinvareenhetene kan forutsi slike problemer nøyaktig. Med dens hjelp kan organisasjoner ta proaktive tiltak og øke oppetiden.
For øyeblikket bruker analytics on edge stort sett tilpassede enheter og apper for spesifikke industrielle brukstilfeller. Nedenfor finner du noen verktøy og enheter for å kjenne trenden:
Sony Edge Analytics Appliance
REA-C1000 fra Sony er en fullfunksjonell kantanalyseenhet som har eksistert så langt. Du kan koble Sony nettverkskameraer til den for å fange og analysere live presentasjoner for eksterne seere.
Den har høyteknologiske funksjoner som håndskriftutvinning, innholdsoverlegg, autonomt innhold, sporing av presentator, bildedeling, sporing av publikumsbevegelser og mer.
AWS IoT GreenGrass
AWS IoT GreenGrass er en åpen kildekode-skytjeneste og edge runtime for å utvikle, distribuere og kontrollere IoT-enhetsprogramvare.
Det bringer logikk og skydatabehandling til de lokale IoT-enhetene. Derfor kan enheter fungere i lave eller intermitterende nettverksbåndbredder.
HPE Edgeline
HPE Edgeline er egnet for robust bruk av smarte enheter i produksjonsanlegg, oljerigger, etc. Den bringer avansert programvare og operativ teknologi (OT) maskinvare direkte til produksjonsgulvet.
Derfor kan smarte enheter raskt få input fra et databehandlingssystem på stedet i stedet for skyservere.
Intel IoT-utviklersett
Du kan bruke programvare og maskinvare fra Intel til å utvikle avanserte analysebaserte smartenheter for forretningsbruk. Verktøysettet 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 analytics inkluderer følgende funksjoner:
- IoT-kantvare fra pålitelige leverandører
- Gratis kantkjøring
- Forretningslogikkmodul for å kjøre programvare på kanten
- Azure skygrensesnitt
Edge vs. tradisjonelle analyser
Den primære forskjellen mellom kantanalyse og tradisjonell/serveranalyse er stedet for dataanalyse.
På kantsystemer foregår dataanalyse i nærheten av eller på IoT-enheten som samler inn data og utfører kommandoer. Motsatt foregår serveranalyse langt fra smartenheten som samler inn data.
Du kan finne andre bemerkelsesverdige forskjeller i følgende tabell:
Funksjon/Funksjonalitet Edge Analytics Tradisjonell analyse EierkostnaderHøyLavLatency Praktisk talt nullVanligvis lav til moderat
Høy hvis serveren opplever arbeidsbelastninger mer 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 serveranalyseSaktere enn kantanalyseSystemkonfigurasjonKonfigurer hver gang du endrer enhetsmerke og modellKonfigurer én gang og bruk applikasjonen i årevis. Sikkerhetssårbarhet Tilnærmet uhackbar Utsatt for hacking og phishing-angrep tilkoblingIoT-systemer vil fortsette å fungereIoT-systemer vil stoppeAnalytics-applikasjoner Begrensede alternativer i markedet Det er mange serverbaserte dataanalyseapper på markedetServerkostnadLav eller ingenHøy
Vanlige spørsmål
Hva er Edge Video Analytics?
Edge-videoanalyse betyr å analysere bildene av en video på et sted nær inndatamaskinen i stedet for å flytte videodataene til skyserveren.
Et kamera eller en koder behandler bildet for å generere metadata i Edge-analyse. Dermed får virksomheten raskere responstid og må bruke mindre båndbredde for dataoverføring.
I hvilken situasjon er Edge Analytics foretrukket?
Det beste scenariet for kantanalyse er når du trenger å overvåke enheter. Disse analysene er også nyttige når du har dårlig nettverkstilkobling i et område.
Finansielle tjenester og produksjon er latenssensitive sektorer der denne teknologien er egnet. Dessuten bør bedrifter som ser etter en oppskalering også velge kantanalyse.
Siste ord
Så nå vet du hva edge analytics er, hvordan det fungerer, fordelene, verktøyene, brukstilfellene og mer.
Du kan nå trygt ta forretningsbeslutninger for å ettermontere IIoT-systemene dine med avanserte analytiske enheter for å kontrollere eksterne enheter raskt.
Alternativt vil 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.