Analýza dat přímo na okraji sítě, známá jako edge analytics, umožňuje firmám, které se opírají o data a inovativní technologie, efektivně zpracovávat informace ihned po jejich získání z IoT zařízení.
Běžný postup zahrnuje sběr dat z různých zdrojů, jejich ukládání v cloudu nebo lokálně, a následnou analýzu. Nicméně, tento tradiční model se ukazuje jako překážka pro rozvoj internetu věcí (IoT) a průmyslového internetu věcí (IIoT).
Řešením je edge analytics!
V tomto článku se seznámíte se základy analýzy dat na okraji sítě a získáte informace, které vám umožní snadno vyvíjet nová řešení a transformovat vaše podnikání.
Úvod do analýzy dat na okraji sítě
Jak naznačuje samotný název, edge analytics je metoda analýzy dat prováděná přímo na okraji sítě. „Okraj“ zde označuje zdroj dat, kterými v případě IoT mohou být senzory, akční členy, robotická ramena, systémy HVAC, ovládání dopravníků, síťové přepínače a další inteligentní zařízení.
Aplikace pro edge analytics zpracovávají data v bezprostřední blízkosti IoT zařízení, které je v reálném čase shromažďuje z výrobních linek, obslužných systémů a podobně. Tím je zajištěn plynulý chod kritických obchodních procesů bez nutnosti čekat na zpracování dat centrálním serverem.
Jednoduše řečeno, sběr dat, jejich zpracování, analýza a následná akce probíhají přímo v inteligentním zařízení díky edge analytics. Příkladem mohou být zařízení jako Amazon Echo nebo Nest Home.
Tato zařízení reagují na hlasové povely, analyzují zachycený zvuk, převádějí ho do strojově čitelné podoby, vyhledávají relevantní informace na webu a následně je uživateli prezentují.
Proč je edge analytics důležitá?
Využití inteligentních zařízení v odvětvích jako je energetika, maloobchod, výroba, bezpečnost, logistika a automobilový průmysl neustále roste. Nicméně, propustnost internetu nenarůstá stejným tempem a může být limitována.
Přenos terabajtů dat z IoT zařízení do cloudu je časově náročný, nemluvě o zpětném přenosu zpracovaných informací do inteligentních zařízení.
Tento proces může způsobit zahlcení sítě a vyřadit systém IoT z provozu!
Zde se uplatní aplikace a zařízení pro edge analytics. Inteligentní zařízení, pro které je čas kritický, budou schopna analyzovat shromážděná data přímo na místě a okamžitě reagovat.
Například autonomní vozidlo musí okamžitě zabrzdit, pokud na své trase detekuje nečekanou překážku.
Nemůže čekat na shromáždění audiovizuálních dat, odeslání do cloudové aplikace a zpracování. Místo toho musí vozidlo během zlomku sekundy reagovat změnou směru nebo aktivací nouzového brzdění.
Jak edge analytics funguje?
Analýza na okraji sítě obvykle monitoruje více zařízení IoT. Aplikace pro edge analytics sleduje stav a výkon všech připojených inteligentních zařízení.
Pokud zjistí problém v pracovním postupu, pokusí se ho vyřešit lokálně. Pokud problém přetrvává, aplikace zastaví vadné zařízení a upozorní techniky.
V tomto procesu hrají klíčovou roli následující zařízení:
- Senzory IoT, které sbírají data o prostředí, jako je tlak, teplota, vlhkost, otáčky, atd.
- Edge zařízení, jako jsou například Sony REA-C1000 pro analýzu dat přímo na místě, nebo chytré telefony a tablety pro ovládání IoT zařízení.
- Edge brány, které mají vyšší výkon a paměť než edge zařízení a slouží jako prostředník mezi cloudovým serverem a IoT zařízeními.
- Inteligentní akční členy, které provádějí analýzu dat a realizují navržená opatření, jako jsou například chytré vodní ventily, vypínače, robotická ramena a systémy pro ovládání dopravníků.
Obrázek výše představuje schematické znázornění IBM IoT Edge Analytics v oblasti hotelového managementu.
Výhody
#1. Vyšší úroveň zabezpečení
Edge analytics eliminuje potřebu přenosu dat do cloudu. Surová data zůstávají u zařízení, kde byla vygenerována, což snižuje riziko narušení nebo infekce během přenosu.
#2. Minimalizace latence a analýza dat téměř v reálném čase
Některé obchodní procesy vyžadují okamžitou analýzu dat. Edge analytics umožňuje autonomní rozhodování tím, že identifikuje a získává informace přímo u zdroje dat.
Díky tomu, že analýza probíhá v blízkosti dat, je čas potřebný pro zpracování minimální, což umožňuje dosahovat okamžitých výsledků.
V situacích, jako je identifikace pachatele z živého přenosu kamerového systému nebo analýza dat z letadla či výrobního závodu, rozhodují zlomky sekund. Edge analytics v takových případech umožňuje okamžitou reakci.
#3. Vysoká škálovatelnost
S rostoucím objemem dat roste i zatížení centrální analýzy dat. Decentralizací procesu edge analytics umožňuje škálování procesů a poskytuje lepší analytické schopnosti.
#4. Snížené využití šířky pásma
Přenos dat ze zdrojových zařízení na centrální server a zpět vyžaduje značnou šířku pásma. Mnoho vzdálených lokalit navíc nemá dostatečnou kapacitu datové sítě. V těchto případech edge analytics pomáhá snížit nároky na šířku pásma.
#5. Snížení nákladů
Tradiční metody analýzy velkých dat jsou finančně náročné. Zpracování dat v cloudu nebo ve veřejných cloudových řešeních zahrnuje náklady na úložiště, zpracování, analýzu a spotřebu šířky pásma.
Edge analytics využívá IoT zařízení nebo blízký hardware pro zpracování dat, což snižuje náklady na analýzu a spotřebu internetové sítě.
Omezení
#1. Zabezpečení vzdálených zařízení
I když edge analytics chrání citlivá data před kybernetickými hrozbami během přenosu, vzdálená zařízení mohou být zranitelná.
Bezpečnostní kamery, které jsou často cílem útoků, jsou dobrým příkladem. Pokud zabezpečení těchto zařízení není dostatečné, ochrana vašeho základního systému nemusí být dostačující.
#2. Ztráta dat
Edge analytics umožňuje analýzu pouze nejrelevantnějších dat, zatímco zbytek nezpracovaných dat je ignorován.
Tato technologie ukládá na centrální server pouze tyto relevantní instance, což nemusí být ideální pro společnosti, které potřebují uchovávat všechna nezpracovaná data.
#3. Kompatibilita zařízení a sítě
Edge analytics je relativně nová technologie. Použití starších zařízení a síťových technologií tak může vést k problémům s kompatibilitou. Firmy proto často musí investovat do nových zařízení, což zvyšuje náklady na implementaci. Může být také nutná kompletní aktualizace systému, která naruší provoz.
#4. Nutnost vyvinutí vlastního řešení
Pro edge analytics existuje řada platforem, ale některé společnosti mohou potřebovat řešení šité na míru v závislosti na typech analyzovaných zařízení.
#5. Volba správného softwaru
Některé systémy dostupné na trhu sdílejí výstupní data pouze v cloudu, což znamená, že společnosti nemají přístup k nezpracovaným zdrojovým datům. Pro optimální využití je proto důležité používat nejnovější analytický software.
#6. Potřeba posouzení použitelnosti
Edge analytics se nejvíce hodí pro scénáře, kde je prioritou zabezpečení, efektivita a rychlé rozhodování. Před implementací tohoto řešení by firmy měly posoudit, zda skutečně potřebují jeho výhody.
Příklady využití
Analýza chování zákazníků
Obchodníci shromažďují data z kamer, parkovacích senzorů a nákupních vozíků pomocí různých senzorů. Edge analytics jim umožňuje tato data využít k personalizaci nabídky podle chování zákazníků.
Vzdálené monitorování a údržba
Výrobní a energetický průmysl potřebují okamžitou reakci na poruchy strojů nebo potřebu údržby. Edge analytics umožňuje rychlejší identifikaci potenciálních problémů a minimalizuje prostoje.
Inteligentní dohled
Edge analytics je užitečná pro detekci narušitelů v reálném čase. Firmy ji mohou využít pro zvýšení zabezpečení. Tato technologie analyzuje data z kamerových systémů a lokalizuje a sleduje podezřelé aktivity.
Predikce selhání
Selhání IoT hardwaru může mít katastrofální následky. Edge analytics může tyto problémy s vysokou přesností předvídat. Organizace tak mohou přijímat proaktivní opatření a zvyšovat provozuschopnost.
V současnosti se edge analytics nejvíce využívá ve specifických průmyslových aplikacích. Následuje přehled některých nástrojů a zařízení, které jsou v této oblasti dostupné:
Analytické zařízení Sony Edge
Sony REA-C1000 je plnohodnotné zařízení pro edge analytics, které umožňuje připojení síťových kamer Sony pro zachycování a analýzu živých prezentací pro vzdálené diváky.
Mezi jeho pokročilé funkce patří extrakce ručního psaní, překrývání obsahu, automatický obsah, sledování moderátora, dělení obrazu, sledování gest publika a další.
AWS IoT GreenGrass
AWS IoT GreenGrass je cloudová služba s otevřeným zdrojovým kódem a edge runtime prostředím pro vývoj, nasazování a správu softwaru pro IoT zařízení.
Umožňuje přesunout logiku a cloudové zpracování dat do lokálních IoT zařízení, které tak mohou fungovat i v sítích s omezenou nebo přerušovanou konektivitou.
HPE Edgeline
HPE Edgeline je vhodné pro náročné aplikace inteligentních zařízení ve výrobních závodech, na ropných plošinách a podobně. Přináší pokročilý software a hardware provozní technologie (OT) přímo do výrobního prostředí.
Inteligentní zařízení tak mohou získávat data rychleji přímo z lokálního systému zpracování dat, než z cloudových serverů.
Intel IoT Developer Kit
Software a hardware od Intelu lze použít k vývoji inteligentních zařízení založených na edge analytics pro firemní účely. Sada nástrojů obsahuje:
- Softwarový zásobník s ovladači, sadami SDK, operačním systémem, vzorky a knihovnami.
- Intel Distribuce OpenVINO.
- Intel Movidius VPU.
- Intel Arria 10 FPGA.
Azure IoT Edge
Azure IoT Edge umožňuje spouštění analýz a úloh umělé inteligence na inteligentních zařízeních přímo na okraji sítě. Tato platforma pro vývoj edge analytics zahrnuje:
- IoT edge hardware od spolehlivých dodavatelů.
- Free edge runtime.
- Modul obchodní logiky pro spouštění softwaru na okraji sítě.
- Cloudové rozhraní Azure.
Edge vs. Tradiční Analytics
Základní rozdíl mezi edge analytics a tradiční/serverovou analytikou spočívá v místě zpracování dat.
Při edge analytics se data analyzují v blízkosti IoT zařízení, nebo přímo na něm. Tradiční analýza dat naopak probíhá daleko od zdroje dat.
Další rozdíly jsou shrnuty v následující tabulce:
| Funkce/Vlastnost | Edge Analytics | Tradiční Analytics |
| Náklady na vlastnictví | Vyšší | Nižší |
| Latence | Prakticky nulová | Obvykle nízká až střední. Vysoká při přetížení serveru. |
| Kompatibilita zařízení | Žádná. Při změně zařízení je potřeba specifické řešení. | Většina cloudových a serverových analytických aplikací je vysoce kompatibilní mezi zařízeními. |
| Analýza dat | Rychlejší než serverová analýza | Pomalejší než edge analýza |
| Konfigurace systému | Nutná při změně značky a modelu zařízení. | Jednou a používat aplikaci po mnoho let. |
| Chyba zabezpečení | Prakticky neprolomitelná. | Náchylná k hackerským a phishingovým útokům. |
| Ztráta konektivity | IoT systémy budou nadále fungovat. | IoT systémy se zastaví. |
| Analytické aplikace | Omezené možnosti na trhu. | Na trhu je mnoho aplikací pro analýzu dat založených na serveru. |
| Náklady serveru | Nízké nebo žádné. | Vysoké. |
Nejčastější dotazy
Co je Edge Video Analytics?
Edge video analytics znamená analýzu videozáznamů přímo na místě, v blízkosti vstupního zařízení, namísto přesouvání video dat do cloudového serveru. Kamera nebo kodér zpracovává obraz pro generování metadat. Díky tomu má firma rychlejší odezvu a potřebuje menší šířku pásma pro přenos dat.
V jakých situacích je Edge Analytics preferována?
Edge analytics je nejvhodnější pro monitorování zařízení a pro prostředí se slabým připojením k síti. Finanční služby a výroba jsou obory, kde se tato technologie hodí nejvíce. Edge analytics je také správnou volbou pro firmy, které uvažují o expanzi.
Závěrem
Nyní máte přehled o tom, co edge analytics je, jak funguje, jaké má výhody, nástroje, příklady využití a další.
Díky těmto informacím se můžete zodpovědně rozhodnout, zda modernizovat své systémy IIoT zařízeními pro edge analytics pro rychlé ovládání vzdálených zařízení.
Tento článek vám také pomůže navrhnout nebo vyvinout nová řešení pro IoT a IIoT, pokud jste inženýr nebo vývojář v této oblasti.
Dále se můžete podívat na oblíbená IoT zařízení.