Стартап пограничных вычислений помогает отрасли справиться с потоком данных

Стартап FogHorn, основанный в 2014 году, был одним из первых сосредоточиться на периферийных вычислениях. Финалист IoT World Awards в категориях «Лучшее промышленное решение для Интернета вещей» и «Лучшее решение для периферийных вычислений», FogHorn уже получил ряд наград. Gartner назвал стартап периферийных вычислений «крутым поставщиком», а Frost &Sullivan вручил компании несколько наград в 2017 и 2018 годах.

За прошедшие годы технология Lightning компании была установлена ​​на тысячах устройств и датчиков IIoT, а также в партнерстве с рядом OEM-производителей, включая Dell EMC, Google (через Google Cloud IoT Core) и Amazon AWS. Компания сообщает, что ее клиенты увидели сокращение затрат на облачное хранилище в тысячу раз после развертывания ее технологии. «Парадигма отправки всех данных в облако действительно начала трансформироваться, - сказал Дэвид Кинг, генеральный директор компании, в интервью в начале этого года. «Люди говорят о том, что им нужны более мощные возможности периферийных технологий, потому что вы не можете отправить все в облако для получения аналитической информации».

[ Мир Интернета вещей - это место, где промышленные предприятия находят инновации в области Интернета вещей. Забронируйте абонемент на конференцию и сэкономьте 350 долларов, получите бесплатный пропуск на выставку или просмотрите Динамики IIoT на мероприятии.]

Основное внимание FogHorn уделяется созданию масштабируемой платформы для периферийной аналитики, которая позволяет в реальном времени обрабатывать локальные данные датчиков, генерируемых промышленными машинами. По словам Кинга, технология компании подходит для приложений, требующих «большого объема или высокой скорости передачи данных».

Эти приложения охватывают целый ряд отраслей, включая «производство, нефть и газ, химическую промышленность, горнодобывающую промышленность, энергетику и водоснабжение, интеллектуальные здания, умный город и транспорт», - сказал Кинг. «Есть много секторов, в которых существует огромное количество источников данных о клиентах. А теперь, с появлением недорогих камер и микрофонов, вы получаете датчики изображения и звука, которые производят еще больше данных ».

Программное обеспечение FogHorn может работать на различных устройствах, включая традиционные Linux-шлюзы плат Raspberry Pi.

Возможности компании по обработке кромок могут помочь промышленным компаниям оптимизировать производственные процессы. Например, один из клиентов компании, японская компания-производитель электроники Daihen, смогла сократить количество задач ручного ввода данных на одном предприятии на 1800 после установки программного обеспечения компании.

Недавно FogHorn в партнерстве с Honeywell развернула свое программное обеспечение на промышленных смартфонах (на фото). Не все считают смартфон периферийным устройством, сказал Састри Маллади, технический директор компании в интервью Hannover Messe, но возможность создать версию своего программного обеспечения для смартфона предоставляет промышленным операторам сложные аналитические возможности. Например, рабочий, пытающийся отсканировать нечеткий штрих-код с помощью промышленного смартфона, может использовать приложение Lightning Mobile для восстановления штрих-кода. «Штрих-коды часто бывают повреждены. Может быть, оно разорвано и неполно, - сказал Маллади. Но приложение компании может использовать машинное обучение для восстановления многих таких штрих-кодов.

FogHorn рекламирует приложение как первую технологию периферийных вычислений, созданную для защищенных устройств Android. Приложение доступно во внутреннем магазине приложений Honeywell, а также в частном магазине приложений FogHorn.

Вторая версия основного программного обеспечения FogHorn, известная как Lightning 2.0, доступна на предварительно настроенных шлюзах, а также может быть установлена ​​на существующих шлюзах промышленных компаний. Lightning 2.0 предлагает новые возможности машинного обучения и поддержку языка разметки прогнозных моделей, а также для одновременной обработки нескольких потоков данных с помощью объединения датчиков. Предыдущая версия программного обеспечения уже поддерживала промышленные протоколы приема данных, такие как Modbus, OPC / UA и MQTT.

Программное обеспечение компании также может помочь обеспечить точность моделей машинного обучения и определить, когда модели со временем ухудшаются. «Мы можем автоматически начать переобучение моделей и подтолкнуть их к краю», - сказал Маллади. «Это то, что мы называем граничным ИИ или машинным обучением с обратной связью».