Analys i gränslandet, eller edge analytics, ger intelligenta och datadrivna företag möjligheten att direkt analysera data i samband med datainsamling från IoT-enheter.
Konventionellt har företag samlat in data från en mängd olika källor, lagrat dessa i molnet eller lokalt, och därefter analyserat informationen. Denna metod för dataanalys skapar dock en betydande begränsning för utvecklingen av Internet of Things (IoT) och det industriella Internet of Things (IIoT).
Lösningen stavas edge analytics!
Denna text guidar dig genom en kort analysresa i gränslandet, vilket ger dig verktygen för att utveckla innovativa lösningar eller transformera din verksamhet digitalt.
Introduktion till Analys i Gränslandet
Som namnet antyder, handlar edge dataanalys om att utföra dataanalys där datan skapas, i gränslandet. Med gränslandet menas datakällan. Inom IoT representeras detta av sensorer, ställdon, robotarmar, HVAC-system, transportörkontroller, nätverksväxlar och smarta enheter.
Applikationer för edge analytics utför dataanalysen närmare den IoT-enhet som i realtid samlar in data från produktionsanläggningar, energisystem, med mera. Detta möjliggör att tidskänsliga affärsprocesser kan fungera effektivt utan att behöva vänta på information från en central server.
I korthet, datainsamling, bearbetning, analys och åtgärder som genomförs i en smart enhet, är ett resultat av edge dataanalys. Till exempel använder enheter som Amazon Echo eller Nest Home edge-analys.
Dessa enheter lyssnar på dina röstkommandon och analyserar det uppfångade ljudet, omvandlar det till maskinspråk som söker efter resultat på internet, och presenterar sedan resultaten.
Varför Behövs Analys i Gränslandet?
Användningen av smarta enheter inom sektorer som energi, detaljhandel, tillverkning, säkerhet, logistik och bilindustrin ökar kontinuerligt. Internetbandbredden ökar dock inte i samma takt, och är dessutom ofta begränsad.
Det är därför tidskrävande att samla in terabyte av data från IoT-enheter och sedan överföra detta till molnet. Att sedan analysera datan och skicka tillbaka användbar information till den smarta enheten via samma nätverk, tar också tid.
Detta skapar en flaskhals och kan leda till att IoT-systemets nätverk överbelastas.
Det är här företag behöver tillämpa applikationer och enheter för edge analytics. Tidskritiska smarta enheter kan då analysera informationen på plats och vidta åtgärder direkt.
Till exempel, om ett autonomt fordon upptäcker ett hinder, måste det omedelbart bromsa.
Det kan inte invänta insamling av audiovisuell information om hindret, överföra det till en molnapplikation och invänta svar. Istället tar fordonet ett beslut på bråkdelen av en sekund att ändra riktning eller göra en nödbromsning.
Hur Fungerar Analys i Gränslandet?
Edge analytics övervakar vanligtvis flera uppsättningar av edge- eller IoT-enheter. En analysapplikation spårar primärt hälsan och prestandan hos alla anslutna smarta enheter.
Om problem upptäcks, försöker analysappen lösa dem lokalt. Om problemet kvarstår stoppar edge-applikationen den felaktiga enheten och meddelar teknisk personal.
Följande enheter spelar viktiga roller i detta samspel:
- IoT-sensorer samlar in miljödata som tryck, temperatur, fuktighet och varvtal.
- Edge-enheter kan vara dedikerade edge-apparater som Sony REA-C1000 för analys på plats, eller smartphones och surfplattor för att styra IoT-enheter.
- Edge-gateways har större processorkraft och minne än edge-enheter och fungerar som mellanhand mellan molnservern och IoT-enheter.
- Smarta ställdon utför de uppgifter som edge dataanalysen föreslår, till exempel smarta vattenventiler, smarta omkopplare, smarta robotarmar och smarta transportbandskontroller.
Bilden ovan visar en schematisk representation av IBM IoT Edge Analytics inom hotellbranschen.
Fördelar
#1. Ökad Säkerhet
Med edge analytics behöver data inte överföras till molnet. Rådata förblir på den enhet där den genererats. Eftersom det inte finns någon risk för dataintrång eller infektion under överföringen, ökar säkerheten.
#2. Minskad Fördröjning och Dataanalys i Nära Realtid
Vissa affärsprocesser kräver omedelbar dataanalys för att fungera effektivt. Edge analytics stöder autonoma beslut genom att identifiera och samla insikter vid datakällan.
Eftersom analysen sker nära datakällan tar den minimalt med tid. Utan dataöverföring till fjärrservrar erhålls resultaten omedelbart.
I scenarier som identifiering av brottslingar från CCTV-flöden eller analys av data från ett flygplan, är snabba beslut avgörande. Edge analytics hjälper till att fatta omedelbara beslut.
#3. Hög Skalbarhet
När företag expanderar, belastar den växande datamängden den centrala dataanalysen. Genom att decentralisera processen, ger edge analytics möjlighet att skala processer och förbättra analyskapaciteten.
#4. Minskad Bandbreddsanvändning
Dataöverföring från källenheter till den centrala servern och vice versa, kräver mycket bandbredd. Många avlägsna platser saknar den nödvändiga databandbredden eller nätverksstyrkan för överföring. I dessa fall eliminerar edge analytics behovet av att använda bandbredd.
#5. Minskade Kostnader
Traditionella metoder för big data-analys kan vara kostsamma. Även om företag bearbetar data i sin molnserver eller offentliga molntjänster, är lagring, bearbetning, analys och bandbreddsförbrukning dyrt.
Edge analytics använder IoT-enheter eller närliggande hårdvara för dataanalys. Detta resulterar i lägre kostnader för analys och internetbandbredd.
Begränsningar
#1. Säkerhet för Fjärrenheter
Även om edge analytics skyddar känslig data mot cybersäkerhetshot under dataöverföring, medför det fjärrenheter som är sårbara för dessa risker.
Det har förekommit flera incidenter med hackade säkerhetskameror, och liknande attacker kan ske igen. Om cybersäkerhetsåtgärderna inte omfattar dessa fjärrenheter, är en stark säkerhet för kärnsystemet inte tillräckligt.
#2. Förlorad Data
Edge analytics är utformad för att använda den mest relevanta datan för analys. Resten av informationen från den stora rådatamängden ignoreras.
Eftersom tekniken enbart sparar relevanta delar av datan på den centrala servern, är det inte det mest lämpliga tillvägagångssättet för företag som behöver ta emot och spara all rådata.
#3. Enhets- och Nätverkskompatibilitet
Edge analytics är en ny teknik, så problem med kompatibilitet och dataöverföring kan uppstå vid användning av äldre enheter och nätverksteknik. Företag kan behöva investera i nya enheter för att implementera tekniken.
Detta ökar därmed kostnaderna. Dessutom kan det kräva en fullständig systemuppgradering vilket kan störa verksamheten.
#4. Behovet av Att Utveckla en Egen Lösning
Det finns olika analysplattformar tillgängliga, men vissa företag kan behöva en skräddarsydd edge-analysplattform, beroende på vilka enheter som behöver analyseras.
#5. Att Välja Rätt Programvara
Vissa system på marknaden delar endast utdata i molnet. Därför missar företag tillgång till den rådata som ligger bakom analysen. För att undvika detta krävs modern analysprogramvara för att få tillgång till all nödvändig data.
#6. Behov av Användbarhetsbedömning
Tekniken är mest lämpad för scenarier som involverar säkerhet, effektivitet och snabba beslut. Företag bör därför bedöma om tekniken är lämplig innan de implementerar den.
Användningsområden
Analysera Kundbeteende
Återförsäljare samlar in data från butikskameror, parkeringssensorer och kundvagnsetiketter via en rad sensorer. Med edge analytics kan data användas för att erbjuda skräddarsydda lösningar baserat på kundbeteende.
Fjärrövervakning och Underhåll
Tillverknings- och energiindustrin behöver omedelbara svar eller varningar när maskiner slutar fungera eller behöver underhåll. Istället för centraliserad dataanalys, kan edge analytics ge snabbare identifiering av potentiella problem.
Intelligent Övervakning
Edge analytics kan också användas för att i realtid upptäcka inkräktare. Företag kan använda tjänsten för att öka säkerheten. Tekniken utnyttjar råbilder från CCTV för att spåra och lokalisera eventuella misstänkta aktiviteter.
Förutsägelse av Fel
Fel i IoT-hårdvara kan vara katastrofala. Edge-analys av dessa enheter kan exakt förutsäga sådana problem. Med hjälp av detta kan organisationer agera proaktivt och öka sin drifttid.
Edge analytics används idag mestadels med anpassade enheter och appar för specifika industriella applikationer. Nedan följer några verktyg och enheter som visar denna trend:
Sony Edge Analytics Appliance
REA-C1000 från Sony är en komplett edge-analysenhet som finns tillgänglig. Anslut Sonys nätverkskameror för att fånga och analysera livepresentationer för fjärrtittare.
Enheten har avancerade funktioner som handskriftsextraktion, innehållsöverlagring, autonomt innehåll, presentationsspårning, bilddelning och spårning av publikens gester.
AWS IoT GreenGrass
AWS IoT GreenGrass är en molntjänst med öppen källkod och edge runtime, för att utveckla, distribuera och kontrollera IoT-enhetsprogramvara.
Det ger logik och molnbearbetning till lokala IoT-enheter. Detta gör att enheter kan fungera i områden med låg eller intermittent nätverksbandbredd.
HPE Edgeline
HPE Edgeline är anpassad för den krävande användningen av smarta enheter i tillverkningsanläggningar, oljeriggar, med mera. Den tar avancerad programvara och operativ teknik (OT) hårdvara direkt till produktionsgolvet.
Det gör att smarta enheter snabbt kan få information från databearbetningssystem på plats, snarare än från molnservrar.
Intel IoT Developer Kit
Mjukvara och hårdvara från Intel kan användas för att utveckla edge analytics-baserade smarta enheter för kommersiellt bruk. Verktygslådan innehåller följande produkter:
- Programvarustapel med drivrutiner, SDK:er, OS, exempel och bibliotek
- Intel Distribution av OpenVINO
- Intel Movidius VPU
- Intel Arria 10 FPGA
Azure IoT Edge
Azure IoT Edge levererar analyser och AI-arbetsbelastningar till smarta enheter i gränslandet. Denna utvecklingsplattform för edge analytics innehåller följande funktioner:
- IoT-hårdvara från betrodda leverantörer
- Gratis edge-runtime
- Affärslogikmodul för att köra programvara i gränslandet
- Azure molngränssnitt
Edge kontra Traditionell Analys
Den primära skillnaden mellan edge-analys och traditionell/serveranalys är platsen för dataanalysen.
I edge-system sker dataanalysen nära eller på den IoT-enhet som samlar in data och utför kommandon. Serveranalys sker däremot långt från den smarta enheten som samlar in datan.
Andra skillnader framgår av följande tabell:
| Funktion/funktionalitet | Edge Analys | Traditionell Analys |
| Ägandekostnad | Hög | Låg |
| Latency | Praktiskt taget noll | Vanligtvis låg till måttlig. Hög om servern har hög belastning. |
| Enhetskompatibilitet | Ingen. Specifika lösningar krävs vid byte av enhet. | De flesta moln- och serverbaserade analysapplikationer är kompatibla med många olika enheter. |
| Dataanalyshastighet | Snabbare än serveranalys | Långsammare än edge-analys |
| Systemkonfiguration | Konfigureras varje gång enhetsmärke och modell ändras | Konfigureras en gång, och applikationen kan användas i flera år. |
| Säkerhetssårbarhet | Praktiskt taget ohackbar | Utsatt för intrång och nätfiskeattacker |
| Anslutningsmöjligheter | IoT-system fortsätter att fungera | Analysapplikationer kan drabbas av begränsningar |
| Alternativ | Begränsade alternativ på marknaden | Det finns många serverbaserade dataanalysappar på marknaden |
| Serverkostnad | Låg eller ingen | Hög |
Vanliga frågor
Vad är Edge Video Analytics?
Edge-videoanalys innebär att video bearbetas nära där bilderna tas, istället för att videoöverföring sker till molnservern.
En kamera eller kodare bearbetar bilden för att generera metadata i edge-analysen. Företag får därmed snabbare svarstider och behöver inte använda lika mycket bandbredd för dataöverföring.
I vilka situationer är Edge Analytics att föredra?
Edge-analys passar bra i situationer där enheter behöver övervakas. Det är även användbart där nätverksanslutningen är dålig.
Finansiella tjänster och tillverkning är sektorer där latens är avgörande och där edge-analys är lämplig. Företag som vill skala upp sin verksamhet bör även välja edge-analys.
Sammanfattning
Nu vet du vad edge analytics är, hur det fungerar, dess fördelar, verktyg, användningsområden och mycket mer.
Du kan nu fatta affärsbeslut med större säkerhet för att eftermontera dina IIoT-system med avancerade analysverktyg och snabbt styra fjärrenheter.
Artikeln ger även vägledning om du är en IoT-ingenjör eller utvecklare som vill designa eller utveckla nya IoT- och IIoT-lösningar.
Du kan sedan ta en titt på de populära IoT-enheterna.