Почему компании внедряют Edge Analytics в свою работу

Сейчас многие компании изучают, чем периферийный анализ отличается от обычных решений для обработки данных и как он может быть полезен для их операций.

Edge Analytics представляет и продвигает подход к анализу данных, при котором предварительно заданный аналитический расчет выполняется над данными вместо их передачи обратно в консолидированное хранилище данных. Это гарантирует, что процесс сбора, обработки и опроса данных выполняется прямо на границе сети в режиме реального времени. Это позволяет бизнес-предприятиям устанавливать необходимые границы и ограничения, информацию о которых стоит передавать в локальный или облачный пул данных для будущего использования. С тех пор, как в игру вступила периферийная аналитика, поставщики решений по всему миру прибегают к этому подходу, наряду с облаком, для работы с грудами данных IoT.

Был проведен ряд исследований, и исследовательские группы по всему миру пришли к лучшим выводам и предположениям о периферийной аналитике. Когда дело доходит до создания надежного IoT-решения, стратегии периферийной аналитики доказали свою эффективность во многих отношениях. Некоторые преимущества периферийной аналитики, предлагаемые предприятиям, включают:

Быстрее: Для большинства бизнес-организаций скорость или темп считаются наиболее важным параметром их основного бизнеса. Например, зависимость финансового предприятия от процедур обмена с высокой пропускной способностью означает, что прерывание всего лишь на миллисекунды может привести к нежелательным последствиям. В сфере здравоохранения потеря счета даже на несколько секунд может привести к ужасным последствиям. А для компаний, которые предлагают потребителям услуги, связанные с данными, замедление скорости может оказаться катастрофой, поскольку это разочарует клиентов и нанесет непоправимый ущерб бренду. Так что вполне естественно, что скорость больше не является просто жизнеспособным преимуществом; скорее, это одна из лучших практик, которой должен придерживаться каждый бизнес.

В то же время наиболее значительным преимуществом периферийных вычислений является их способность и потенциал для повышения производительности сети за счет сведения к минимуму нежелательных ремиссий и приостановок. Тот факт, что вычислительные устройства IoTedge обрабатывают данные по частям, сокращает потребность в передаче собранной информации настолько далеко, насколько это было бы необходимо в традиционной облачной структуре.

Гибкость : По мере того, как бизнес-предприятия начинают расти, они не всегда могут точно рассчитать основы ИТ-инфраструктуры, а создание эффективного центра обработки данных также является высокобюджетным предложением. Однако прогресс в облачных технологиях и периферийных вычислениях позволил предприятиям довольно легко оценивать свои операции. Постепенно возможности расчета, загрузки и аналитики превращаются в средства, занимающие меньше места. Пограничная аналитика позволяет организациям расширять масштабы и возможности сети.

Надежность: В то время как распространение стратегий периферийных вычислений Интернета вещей расширяет поверхность атаки для сетей, оно также дает множество возможностей для обеспечения безопасности. Традиционная структура облачных вычислений изначально консолидирована, что делает ее весьма восприимчивой к DDoS-атакам (распределенный отказ в обслуживании) и перебоям в подаче электроэнергии. демонтировать или повлиять на сеть.

Адаптируемость: Адаптивность и гибкость пограничной аналитики также делают ее чрезвычайно универсальной. Консультируясь и взаимодействуя с локальными периферийными центрами обработки данных, предприятия теперь могут легко закрепиться на соответствующих рынках без необходимости извлекать выгоду из дорогостоящего развития инфраструктуры. Пограничные центры обработки данных позволяют им компетентно обслуживать конечных пользователей с минимальной задержкой. Это оказалось очень полезным для поставщиков контента, которые хотят предоставлять услуги непрерывной потоковой передачи. В то же время он также позволяет устройствам IoT накапливать значительные объемы полезных данных. Вместо того, чтобы ждать ресурсов для входа в систему на своих устройствах и подключения к интегрированным облачным серверам, граничные вычислительные устройства всегда подключены и всегда создают данные для дальнейшего изучения.

Теперь, что касается пограничной архитектуры, развернутые устройства подразделяются на три разных типа, а именно пограничные устройства, пограничные шлюзы и пограничные датчики и исполнительные устройства. Как универсальные устройства, периферийные устройства, как правило, работают с полноценными операционными системами. В этом отношении можно привести пример Android или Linux. После того, как они получают данные от соответствующих датчиков, они выполняют вычисления и отправляют необходимую информацию на исполнительные механизмы. Их также можно подключить к облаку напрямую или с помощью дополнительного шлюза.

Пограничные шлюзы, с другой стороны, имеют беспрепятственный источник питания, большую мощность ЦП и усовершенствованную систему репозитория. Следовательно, они могут действовать как посредники между пограничными устройствами и облаком, тем самым предоставляя дополнительные услуги управления местоположением.

Эти устройства передают определенные части необработанных или предварительно обработанных данных IoT службам, работающим в облаке, включая средства хранения, машинное обучение или службы интерпретации. Они принимают специальные директивы из облака, такие как выравнивание, запросы данных или прототипы машинного обучения. Пограничные датчики – это устройства специального назначения, подключаемые к шлюзам напрямую или с помощью энергоэффективных радиотехнологий.I В последние несколько лет периферийная аналитика стала углубляться и проложила путь для технологий следующего поколения. С этим высокотехнологичным достижением машинное обучение и глубокое обучение также прошли через множество плоскостей представления через нейронные сети, которые уже используются в течение десятилетий.

Заглядывая вперед

Теперь возникает вопрос, дают ли процедуры глубокого обучения, используемые в пограничной аналитике, более компетентные и более эффективные результаты. Согласно некоторым недавним исследованиям, проведенным в рамках этой меры, все подразумеваемые усилия в области IoT в конечном итоге будут сочетать потоковую передачу данных с машинным обучением, ускоренным отдельными или сплоченными процессорами. Объединив глубокое обучение с периферийной аналитикой, устройства теперь могут более эффективно фильтровать избыточные данные, тем самым значительно экономя деньги и время. Здесь стоит упомянуть, что одной из наиболее подходящих областей для ассимиляции краевой аналитики и машинного обучения является видеоаналитика.

Однако основная идея заключается в том, что периферийная аналитика выполняет фильтрацию распространяемых видеоданных, учитывает документированные и записанные данные с камеры и выполняет необходимые вычисления в режиме реального времени. Как только расширены функции интеллектуальной идентификации одной камеры и включена обработка облачных вычислений, эффективность проникновения значительно возрастет, что одновременно снизит потребность в рабочей силе.

Алгоритмы нейронной сети, встроенные во внешние камеры, могут извлекать необходимые данные от человека, транспортного средства и других объектов, что, в свою очередь, помогает повысить совершенство и точность видеоаналитики. Более того, перенос обработки аналитики с внутренних серверов на камеры требует предоставления конечным пользователям соответствующего анализа данных в режиме реального времени. Пограничная аналитика помогает выявлять аномальное поведение и предупреждать о чрезвычайных происшествиях, что в противном случае было бы невозможно с внутренними серверами.

Нефтяные компании также начали использовать цифровые технологии, такие как периферийная аналитика для нефтегазового оборудования, чтобы следить за всем процессом наблюдения и таким образом повышать производительность. Время простоя любого производственного предприятия может нанести ущерб его производительности. Кроме того, с точки зрения стоимости время простоя оказывается действительно хуже. Согласно нескольким исследованиям, операторы нефтегазовой отрасли могут понести огромные убытки из-за простоев. И эти простои в основном возникают в результате отказов оборудования. Нефтяные компании в настоящее время прибегают к устройствам и датчикам Интернета вещей, чтобы постоянно накапливать данные об их оборудовании, а также часто оценивать и контролировать их. В то же время с распространением устройств IoT количество собираемых данных также значительно увеличивается, и одновременно резко возросла потребность в их хранении в облаке. Таким образом, нефтяные компании поддерживают свои данные IoT на уровне краевой аналитики. Таким образом, когда стоимость переноса может быть снижена, вероятность любого отказа оборудования также может быть предсказана заранее.

Сенсоры Интернета вещей производят постоянный поток данных, которыми невозможно должным образом управлять с помощью устаревших систем и технологий хранения. Поэтому предприятия начали полагаться на облако для хранения того же самого. Однако передача данных в облака и обратно в соответствующие предприятия является довольно дорогостоящей, поскольку требует большой пропускной способности. Здесь граничные технологии приходят на помощь, делая данные доступными локально. Это означает, что предприятия могут решить, следует ли перенести данные в облака или удалить их, если это неуместно.

Например, Olea Edge Analytics собирается объявить о выпуске нового программного и аппаратного обеспечения для извлечения поврежденных счетчиков воды. Как говорится в пресс-релизе, Olea предложила размещать оптические, вращающиеся и вибрирующие датчики на счетчиках воды, чтобы, когда одно устройство декламирует циферблат счетчика, другое могло определять расход воды в трубе и следить за вращением счетчика. . Датчики также подключены к программной платформе EdgeWorks с вычислениями глубокого обучения — модулю «граничных вычислений» системы, — который, в свою очередь, дает правильные предположения о том, в чем заключается ошибка счетчика и как ее можно исправить.