Edge analytics hjälper smarta och dataorienterade företag att gå direkt till dataanalys efter datainsamling av IoT-enheter.
Traditionellt skulle företag samla in data från olika källor, lagra dem i ett moln eller en lokal lagring och analysera den senare. Denna dataanalysmodell är dock en viktig flaskhals för tillväxten av Internet of Things (IoT) och Industrial Internet of Things (IIoT).
Edge analytics är svaret!
Den här artikeln tar dig genom en kortfattad analysresa på kanten så att du kan utveckla lösningar eller transformera digitala företag utan ansträngning.
Innehållsförteckning
Introduktion till Edge Analytics
Som namnet antyder är edge data analytics dataanalysmetoden vid kanten. Edge betyder källan till data. För IoT är dessa sensorer, ställdon, robotarmar, HVAC, transportörkontroller, nätverksväxlar och smarta enheter.
Edge analytics-applikationer utför dataanalys närmare IoT-enheten som samlar in realtidsdata från tillverkningsenheter, verktygssystem etc. Således kan tidskritiska affärsprocesser löpa smidigt utan att vänta på logiska indata från en central server.
I ett nötskal, datainsamling, bearbetning, analys och åtgärder som sker inom en smart enhet är resultatet av kantdataanalys. Till exempel kommer Amazon Echo- eller Nest Home-enheter med kantanalys.
Dessa enheter lyssnar på dina kommandon. Analyserar infångat ljud till maskinspråk som söker på webben efter resultat. Enheten presenterar också frågeresultatet som är tillgängligt på internet.
Behov av Edge Analytics
Användningen av smarta enheter inom branscher som energi, detaljhandel, tillverkning, säkerhet, logistik, bil, etc., växer kontinuerligt. Men internetbandbredden växer inte i samma hastighet, eller så är bandbredden alltid begränsad.
Därför är det tidskrävande att samla in terabyte med data från IoT-enheter och överföra dem till molnet. För att inte tala om att analysera data och skicka tillbaka handlingskraftig insikt till den smarta enheten via samma nätverk.
Det kommer att skapa en trafikstockning och inaktivera IoT-systemets nätverk!
Här måste företag använda applikationer och enheter för kantanalys. De tidskritiska smarta enheterna kommer att kunna analysera den insamlade informationen på plats och vidta åtgärder direkt.
Till exempel måste ett autonomt fordon bromsa om det upptäcker ett plötsligt och oönskat hinder på sin väg.
Den kan inte vänta med att samla in den audiovisuella informationen om hindret, skicka den till en molnapp och vänta på input. Istället fattar fordonet ett beslut på en del av en sekund att byta riktning eller ägna sig åt nöduppehåll.
Hur fungerar Edge Analytics?
Analytics on edge övervakar vanligtvis flera arrayer av edge- eller IoT-enheter. I första hand spårar en analysapp hälsa och prestanda för alla anslutna smarta enheter.
Om den upptäcker arbetsflödesproblem försöker analysappen åtgärda problemet lokalt. Om problemet kvarstår stoppar edge-applikationen den felaktiga enheten. Sedan meddelar den de mänskliga teknikerna.
Under denna orkestrerade väg spelar följande enheter viktiga roller:
- IoT-sensorer samlar in miljödata som tryck, temperatur, luftfuktighet, RPM, etc.
- Edge-enheter kan vara dedikerade edge-apparater som Sony REA-C1000 för dataanalys på plats eller smartphones och surfplattor för att styra IoT-enheter.
- Edge-gateways har mer kraft och minne än edge-enheter och fungerar som en mellanhand mellan molnservern och IoT-enheter.
- Smarta ställdon som utför den uppgiftskantdataanalys föreslår. Till exempel smarta vattenventiler, smarta omkopplare, smarta robotarmar, smarta transportbandskontroller och datorkommandon.
Bilden ovan visar en schematisk representation av IBM IoT Edge Analytics inom sektorerna för hotelladministration som hotell.
Fördelar
#1. Större säkerhet
I analytics on edge finns det inget behov av att överföra data till molnet. Rådata stannar på enheten där den genererades. Eftersom det inte finns någon chans att data hackas eller infekteras under transporten förblir den säkrare.
#2. Latensförebyggande och nära realtidsdataanalys
Vissa affärsprocesser kräver omedelbar dataanalys för verksamheten. Edge Analytics hjälper dem i autonoma beslut genom att identifiera och samla in insikterna vid källan.
Eftersom denna analys sker nära data tar det lite tid. Det innebär ingen dataöverföring till fjärrservrar, så du får omedelbara resultat.
I scenarier som att identifiera brottslingar från direktsända CCTV-flöden eller analysera data från ett flygplan eller en tillverkningsanläggning, får du bara delade sekunder på dig att ringa. Där hjälper den här tekniken dig att fatta omedelbara beslut.
#3. Hög skalbarhet
När företag skalar upp lägger det växande antalet data mer börda på central dataanalys. Genom decentralisering av processen låter edge analytics dig skala processerna vilket ger bättre analysmöjligheter.
#4. Mindre bandbreddsanvändning
Dataöverföring från källenheterna till den centrala servern och vice versa använder en rejäl mängd bandbredd. Många avlägsna platser har inte den nödvändiga databandbredden eller nätverksstyrkan för överföring. I sådana fall slipper edge analytics dig från att använda bandbredd.
#5. Minskad kostnad
Konventionella metoder för big data-analys kommer att kosta dig mycket pengar. Medan företag kan bearbeta data i sin molnserver eller offentliga molnlösningar är lagring, bearbetning, analys och bandbreddsförbrukning dyra.
Denna teknik använder IoT-enheter eller närliggande hårdvara för dataanalys. Som ett resultat blir det mindre kostnad för analys och internetnätverksbandbredd.
Begränsningar
#1. Säkerhet för fjärrenheter
Medan analytics on edge skyddar dina känsliga data från cybersäkerhetshot under dataöverföringen, involverar det fjärrenheter som är sårbara för sådana risker.
Det har förekommit flera incidenter med hackning av säkerhetskameror, och även din kan bli offer för sådana attacker. Om dina cybersäkerhetsåtgärder inte täcker dessa fjärrenheter hjälper det inte att ha stark säkerhet för ditt kärnsystem.
#2. Förlorad data
Utformningen av edge analytics gör det möjligt för den att använda de mest relevanta data för analys. Resten av data från den stora rådatauppsättningen ignoreras.
Eftersom denna teknik bara lagrar dessa relevanta instanser i den centrala servern, är det kanske inte det bästa tillvägagångssättet för de företag som behöver ta emot och lagra all din rådata.
#3. Enhets- och nätverkskompatibilitet
Analytics on edge är en ny teknik, så det kan uppstå problem med kompatibilitet och dataöverföring om du använder gamla enheter och nätverksteknik. Så företag måste köpa nya enheter för att implementera denna teknik i sin organisation.
Följaktligen kommer detta att öka kostnaden för kantanalys för det företaget. Dessutom kan det kräva en fullständig systemuppgradering som kan störa verksamheten.
#4. Behov av att utveckla en egen lösning
Det finns olika analytiska plattformar tillgängliga för denna uppgift. Vissa företag kan dock behöva en personligt utvecklad kantanalysplattform beroende på vilka enheter de behöver analysera.
#5. Att välja rätt programvara
Vissa system som är tillgängliga på marknaden delar bara sina utdata på molnet. Därför misslyckas företag med att se rådatan bakom analysen. För att undvika detta måste du använda den senaste analysmjukvaran för att få tag på all nödvändig data.
#6. Behöver användbarhetsbedömning
Det är mest lämpligt för scenarier för säkerhet, effektivitet och snabba beslut. Så företag bör bedöma om de behöver det innan de väljer lösningen.
Användningsfall
Analysera kundbeteende
Återförsäljare samlar in data från sina butikskameror, parkeringssensorer och kundvagnstaggar genom en rad sensorer. Med edge analytics kan dessa företag använda denna data för att erbjuda skräddarsydda lösningar till sina kunder enligt deras beteende.
Fjärrövervakning och underhåll
Tillverknings- och energiindustrin behöver omedelbara svar eller varningar när maskiner slutar fungera eller kräver underhåll. Istället för centraliserad dataanalys är det rätt teknik för snabbare identifiering av framtida flaskhalsar.
Intelligent övervakning
Det är också användbart för realtidsdetektering av inkräktare. Företag kan använda denna tjänst för att öka sin säkerhet. Den här tekniken använder råbilder från CCTV för att lokalisera och spåra eventuella misstänkta aktiviteter.
Förutsägelse av misslyckande
IoT-hårdvarufel kan visa sig vara katastrofalt. Edge-analys av dessa IoT-hårdvaruenheter kan exakt förutsäga sådana problem. Med dess hjälp kan organisationer vidta proaktiva åtgärder och öka drifttiden.
För närvarande använder analytics on edge mestadels anpassade enheter och appar för specifika industriella användningsfall. Nedan hittar du några verktyg och enheter för att känna till trenden:
Sony Edge Analytics Appliance
REA-C1000 från Sony är en fullfunktionell kantanalysenhet som finns hittills. Du kan ansluta Sonys nätverkskameror till den för att fånga och analysera livepresentationer för fjärrtittare.
Den har högteknologiska funktioner som handskriftsextraktion, innehållsöverlagring, autonomt innehåll, spårningspresentatör, bilddelning, spårning av publikgester och mer.
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 molndatabehandling till de lokala IoT-enheterna. Därför kan enheter fungera i låga eller intermittenta nätverksbandbredder.
HPE Edgeline
HPE Edgeline är lämplig för den tuffa användningen av smarta enheter i tillverkningsanläggningar, oljeriggar, etc. Det tar avancerad mjukvara och operativ teknologi (OT) hårdvara direkt till produktionsgolvet.
Därför kan smarta enheter snabbt få input från ett databehandlingssystem på plats snarare än molnservrar.
Intel IoT Developer Kit
Du kan använda mjukvara och hårdvara från Intel för att utveckla edge analytics-baserade smarta enheter för affärsbruk. Verktygslådan innehåller följande produkter:
- Programvarustapel med drivrutiner, SDK:er, OS, prover och bibliotek
- Intel Distribution av OpenVINO
- Intel Movidius VPU
- Intel Arria 10 FPGA
Azure IoT Edge
Azure IoT Edge ger analyser och AI-arbetsbelastningar till smarta enheter som fungerar vid kanten. Denna utvecklingsplattform för edge analytics innehåller följande funktioner:
- IoT-hårdvara från pålitliga leverantörer
- Fri kantkörning
- Affärslogikmodul för att köra mjukvara på kanten
- Azure molngränssnitt
Edge kontra traditionella analyser
Den primära skillnaden mellan kantanalys och traditionell/serveranalys är platsen för dataanalys.
På kantsystem sker dataanalys nära eller på IoT-enheten som samlar in data och utför kommandon. Tvärtom sker serveranalys långt från den smarta enheten som samlar in data.
Du kan hitta andra anmärkningsvärda skillnader i följande tabell:
Funktion/funktionalitet KantanalysTraditionell analys ÄgandekostnadHögLågLatency Praktiskt taget nollVanligtvis låg till måttlig
Hög om servern upplever mer arbetsbelastning än dess kapacitet. Enhetskompatibilitet Ingen
Du behöver specifika lösningar när du byter enhet. De flesta moln- och serverbaserade analysapplikationer är mycket kompatibla över flera enheter Dataanalys Hastighet Snabbare än serveranalysLångsammare än kantanalysSystemkonfigurationKonfigurera varje gång du ändrar enhetsmärke och modellKonfigurera en gång och använd applikationen i flera år Säkerhetssårbarhet Praktiskt taget ohackbarBenägen för hackning och nätfiskeattacker anslutningsmöjligheterIoT-system kommer att fortsätta att fungera.Analytikapplikationer Begränsade alternativ på marknaden Det finns många serverbaserade dataanalysappar på marknadenServerkostnadLåg eller ingenHög
Vanliga frågor
Vad är Edge Video Analytics?
Edge-videoanalys innebär att analysera bilderna av en video på en plats nära inmatningsmaskinen istället för att flytta videodata till molnservern.
En kamera eller kodare bearbetar bilden för att generera metadata i Edge-analys. Således får företag snabbare svarstid och behöver spendera mindre bandbredd för dataöverföring.
I vilken situation är Edge Analytics att föredra?
Det bästa scenariot för kantanalys är när du behöver övervaka enheter. Dessa analyser är också användbara när du har dålig nätverksanslutning i ett område.
Finansiella tjänster och tillverkning är latenskänsliga sektorer där denna teknik är lämplig. Dessutom bör företag som tittar på en uppskalning också välja kantanalys.
Slutord
Så nu vet du vad edge analytics är, hur det fungerar, dess fördelar, verktyg, användningsfall och mer.
Du kan nu med säkerhet fatta affärsbeslut för att eftermontera dina IIoT-system med avancerade analysverktyg för att snabbt styra fjärrenheter.
Alternativt hjälper artikeln dig att designa eller utveckla nya IoT- och IIoT-lösningar om du är en IoT-ingenjör eller -utvecklare.
Därefter kan du kolla in de populära IoT-enheterna.