Edge computing
Delivering a competitive boost in the digital economy
By Jason Mann, Vice President, SAS IoT Division
Edge computing (граничные вычисления) относятся к обработке, которая происходит на или около "границы" сети, где генерируются или собираются данные Интернета вещей (IoT) . Компании, которые используют граничные вычисления с граничной аналитикой, в том числе искусственный интеллект и машинное обучение, получают ценные инсайты в режиме реального времени, которые могут обеспечить конкурентное преимущество.
The biggest advantage of edge computing – vastly reduced latency in analytic processing – is the reason for all the buzz about this technique. Before the advent of edge computing, the data flowing from connected assets had to travel from the edge of the network back to a data center or cloud for processing. This delay limited the potential for businesses to quickly (or automatically) take advantage of insights from their data.
With edge computing and edge analytics, companies can process data on the spot, automating decision making and action. We’re talking as real-time as it gets for the data analytics that drives critical business decisions. Because processing is handled right at the device that's collecting or generating data, edge computing and analysis are ideal for cases where internet or cellular connections are spotty, or when bandwidth is constrained (think offshore oil platforms, mines and remote customer sites).
Georgia-Pacific uses analytics from SAS to achieve a variety of goals. See how edge computing helps the company speed decisions and create value for customers.
Read the story.
Первопроходцы получают конкурентное преимущество
Для предприятий, которые хотят получить конкурентное преимущество, граничные вычисления имеют огромные перспективы. Например, edge computing снижают затраты на ИТ, поскольку больше не нужно перемещать все высокочастотные данные IoT в облако или хранить их локально для анализа или долгосрочного хранения. Вместо этого аналитика на границе может определить, какие данные перемещать и какие хранить для более глубокого анализа (например, значительные изменения температуры или вибрации; или все данные датчика, полученные за несколько минут до и после сбоев). Ценные данные также могут быть сжаты, что дополнительно уменьшает общий объем данных и пропускную способность сети, необходимую для перемещения данных в облако.
Когда граничные вычисления сочетаются с искусственным интеллектом (ИИ), преимущества увеличиваются. Рассмотрим некоторые результаты, которых достигают компании, используя аналитику IoT со встроенным ИИ на границе сети для моментального обнаружения скрытых паттернов в данных:
- Молниеносные, критически важные для бизнеса решения, принятые с уверенностью.
- Cохраненные миллионы, благодаря избежанию незапланированных простоев.
- Повышение операционной эффективности.
- Дифференцированный опыт клиентов.
- Ускорение новаторства.
- Усиленная защита данных.
Облачные и граничные вычисления
Облачные и граничные вычисления являются взаимодополняющими стратегиями, которые можно использовать вместе для извлечения максимальной пользы как из централизованного, так и из децентрализованного подходов. Облачные вычисления необходимы, когда действия требуют значительных вычислительных мощностей, и это логичный выбор, когда время для извлечения инсайта является менее критичным. Но, чтобы немедленно получить инсайты и автоматизировать действия (особенно в удаленных настройках, где доступ в интернет ненадежен), нужна немедленная обработка и аналитика на границе.
Реальные, межотраслевые примеры
Компании находятся на начальном этапе принятия граничных вычислений. Но, учитывая огромные потребности бизнеса, которые они могут удовлетворить, стоит ожидать, что edge computing вызовут новую волну бизнес-инноваций. По данным IDC, к 2022 более 40% облачных развертываний в компаниях будут включать в себя граничные вычисления и 25% конечных устройств и систем будет выполнять алгоритмы ИИ . 1
В ожидании этого тренда многие производители оборудования уже встраивают обобщенные вычислительные возможности в свои устройства и продукты IoT. Это дополнительная, неиспользованная вычислительная мощность, которая может быть использована в будущем для машин и датчиков, которые еще не были изобретены. Этот «перерасход» граничных устройств свидетельствует о том, что производители ожидают растущий спрос на новейшие граничные вычислительные и аналитические возможности, которые будут поддерживать инновации, новые услуги и бизнес-сценарии.
Давайте посмотрим на реальные примеры, которые наглядно демонстрируют, как edge computing используются сегодня, и указывают на то, что возможно в будущем.
Maximizing energy grid uptime through smart vegetation management
The US electrical grid – a vast network consisting of over 200,000 miles of high-voltage transmission lines and 5.5 million miles of local distributions lines – is under constant attack by vegetation. Operations and maintenance costs for the grid represent up to 35% of the total operating budget, and vegetation removal costs are the largest line item. (California’s Independent Operators, for example, spend more than $250 million a year on vegetation management on high-voltage distribution lines alone.)
Most utilities today operate with a time-based, highly manual approach to vegetation management that’s been in place for almost 100 years. With this approach, cutting frequency is determined by on-site inspection. But with edge computing, utilities can instantly analyze data captured by drones in real time to assess types of vegetation, growth rates, rainfall and more. For example, they can:
- Identify dangerous trees and vegetation encroachments more efficiently and effectively.
- Cut maintenance costs.
- Build predictive models of vegetation growth patterns.
- Provide comprehensive right-of-way inventories.
- Identify fire risk areas.
-
Fog versus edge computing:
What’s the difference?
With fog computing, businesses logically and efficiently distribute data, compute, storage and applications between data source and cloud. They do so according to what makes sense to achieve their desired outcomes. The result is a fog network, which generally focuses on edge devices that speak to each other – such as IoT gateways. In contrast, edge computing focuses on physical devices (such as routers, switches, integrated access devices (IADs), multiplexers and network access devices) that are attached to or embedded into a "thing," such as a cell tower, industrial machinery or other physical asset.
Увеличение прибыли от активов
Рассмотрим компанию, которая эксплуатирует ветротурбинную ферму. В облачных вычислениях обычно работают с этими ресурсами, пока устройства и датчики IoT не обнаружат проблему, такую как сильный ветер. Но между датчиками и аналитическим программным обеспечением в облаке существует длинная петля. Если ветер быстро возрастет до опасного уровня, задержка обработки и невозможность немедленной остановки турбины могут привести к серьезным повреждениям, дорогостоящим простоям и дорогостоящему ремонту.
С сотнями датчиков на каждой ветротурбине можно непрерывно измерять такие параметры, как мощность, погодные условия, износ и общие операции, относящиеся к целевым параметрам, измеряющим выходную мощность. Затем анализ в реальном времени и машинное обучение могут использовать эти данные IoT для распознавания опасного состояния и немедленного отключения. Нет никаких задержек, вызванных переносом данных датчиков в облако по дорогостоящим каналам глобальной сети для обработки или отправки аналитических результатов (или решений) обратно на границу. Фильтрация данных IoT на границе сокращает объем данных, которые необходимо транспортировать по сети, еще больше снижая затраты.
Помощь smart производству рано обнаружить и исправить ошибки
Некоторые производители сегодня используют компьютерное зрение , которое реализуется с помощью камер, или граничные вычислительные устройства, встроенные в оборудование, чтобы быстрее выявлять проблемы. Встроенное компьютерное зрение невероятно точное. Оно выявляет дефекты в режиме реального времени, пока фабрика занимается производством. В результате происходит меньше ложных срабатываний и намного раньше выявляются отклонения, чем при использовании традиционных методов. Используя обработку данных IoT на границе, производители могут настраивать оборудование или компьютерные системы, прежде чем продукты выйдут из спецификации. И они могут автоматически инициировать немедленное отключение - например, когда граничные устройства обнаруживают значительные, неожиданные дефекты.
В результате фабрики могут ожидать более высокой производительности, сокращения ручных проверок, увеличения времени безотказной работы активов и снижения риска отгрузки продукции за пределы требований заказчика - все это важные для бизнеса KPI.
Дифференциация клиентского опыта в розничном магазине для максимизации продаж
Ритейлеры используют видеокамеры в качестве граничных устройств для отслеживания клиентских путей, по которым покупатели идут в розничной среде. Эти устройства используют граничные вычисления для объединения прошлых покупок и многоканальной истории каждого клиента, а также для создания уникальных предложений в реальном времени на основе профиля клиента и геолокации. (Предложения рассылаются тем клиентам, которые используют мобильные приложения.) Граничные устройства, которые собирают больше данных IoT, могут таргетировать эти предложения еще более эффективно. Учтите, что граничные устройства могут отслеживать близость покупателя к магазину, путь через магазин и многое другое. Если они увидят, что клиент какое-то время смотрит на подгузники, они могут сразу же отправить купон или другие стимулы для покупки подгузников или других товаров для детей.
Edge computing также могут поддерживать отдельные продукты, которые повышают лояльность и удерживают клиентов. Например, производители автомобилей встраивают граничные вычислительные мощности в автомобили, которые могут определить, когда клиент проезжает сервисный центр. Путем сбора данных об истории эксплуатации и технического обслуживания автомобиля и объединения этой информации с информацией о местоположении, они могут предупреждать водителей, когда их автомобиль нуждается в обслуживании. Граничные вычисления могут определять, когда определенные части прогрессируют к поломке. Затем они могут уведомить клиента или сообщить местному сервисному центру, чтобы тот связался с клиентом и составил график обслуживания. Такие подходы часто приводят к повышению удовлетворенности и удержанию клиентов, и лояльности к бренду.
Внедрение новых и инновационных бизнес-моделей
Граничная аналитика может задействовать новые бизнес-модели, которые определяют новые потоки доходов. Производители систем отопления и кондиционирования объединяют современные граничные вычисления в активы, чтобы они могли самостоятельно анализировать данные датчиков и заблаговременно сообщать о состоянии владельцам активов и поставщикам сервисных услуг. Например, граничные вычислительные устройства могут указывать, работает ли система в пределах ожидаемых параметров и в какой степени. Они могут показывать риск потенциальных сбоев, а также возможности работать еще более эффективно. Производители могут предлагать владельцам эту функцию отчетности как дополнительную платную услугу.
Edge computing также могут помочь в обеспечении непрерывного обслуживания и операций с активами, несмотря на прерывистые облачные соединения. Подумайте о морской буровой установке, которая теряет доступ в Интернет во время урагана. С помощью граничных вычислений она может продолжать отслеживать данные оборудования и выполнять корректирующие действия в реальном времени, чтобы обеспечить безопасность людям и окружающей среде.
Аналогичным образом edge computing могут преобразовать модели ухода за клиентами и пациентами . В здравоохранении их можно использовать для повышения качества обслуживания пациентов, а также для повышения производительности и эффективности работы врача. Подключенные пациенты могут регистрировать жизненно важные данные (например, данные о кровяном давлении, сахаре в крови, частоте сердечных сокращений и ритме) с помощью телефонов или часов с поддержкой IoT и мгновенно обмениваться этими данными с врачами через портал пациентов. Таким образом, граничная аналитика может способствовать постоянному мониторингу пациента, более эффективной коммуникации между врачом и пациентом, а также более быстрому и точному принятию клинических решений и постановке диагнозов.
Результаты могут сделать клиентов, пациентов и работников счастливее и здоровее. Более длительный срок службы активов. Сокращение времени простоя и воздействия на окружающую среду. И более высокая рентабельность активов.
Могут ли компании позволить себе не торопиться с использованием edge computing?
Учитывая стоимость не обработки данных IoT на границе, мы ожидаем, что внедрение быстро ускорится. Производственная и транспортная отрасли были первопроходцами. Другие отрасли (здравоохранение, сельское хозяйство, городские власти и розничная торговля), как ожидается, быстро догонят их с учетом ускоренного принятия цифровой трансформации.
Будьте уверены: компании, которые находят и автоматически принимают новые инсайты источника, получат конкурентное преимущество и смогут использовать его, чтобы превзойти своих конкурентов. С этой точки зрения, поздние последователи граничных вычислительных и аналитических стратегий потенциально подвергают риску прибыль и долю рынка.
Recommended reading
- Как российские банки осваивают цифровую трансформацию и проявляют устойчивость к внешним влияниямЧитайте интервью с Алексом Квятковски, главным консультантом банковской отрасли SAS, о текущем и будущем состоянии российской банковской отрасли.
- Действовать как лидер рынкаЧто такие компании, как Netflix, Airbnb, Spotify и LYFT знают об аналитике, чего не знаете вы? Узнайте, как стать технологически и аналитически зрелыми, как и они.
- Как прошел хакатон SAS и «Утконос ОНЛАЙН» SAS Data Hack PlatypusКрупнейший игрок e-grocery, лидер рынка аналитики и факультет компьютерных наук НИУ ВШЭ провели открытый конкурс на лучшую прогнозную модель.