Fog computing i analityka w czasie rzeczywistym

Prognoza: w nadchodzącej epoce Internetu Wszechrzeczy wzrośnie znaczenie analizy w czasie rzeczywistym, szczególnie na brzegach sieci.

Big Data jest niczym bez analizy i oceny danych. Jednak aby analiza była przydatna, jej wyniki muszą być dostarczane zainteresowanym osobom w czasie rzeczywistym. Wymagana do tego jest bezpieczna i świadoma kontekstu sieć, przewidująca zmiany otoczenia i reagująca na nie.

Zobacz również:

• Cyberobrona? Mamy w planach
• Stan cyberbezpieczeństwa w Polsce w 2023 roku

Inwestycje venture capital w sektor analityki w czasie rzeczywistym wzrosną ponad czterokrotnie w ciągu najbliższych 4 lat. Małe początkujące firmy przewodzą fali innowacji w tym obszarze, obejmującym całą gamę rozwiązań – od aplikacji dla graczy komputerowych po zaawansowane narzędzia do analizy danych z pól naftowych czy oceny ryzyka cyberzagrożeń.

Niezawodna komunikacja nie zawsze będzie możliwa, np. z powodu przeciążenia sieci lub po prostu złej jakości połączeń. Słabe połączenia sieciowe są problemem szczególnie dla urządzeń bezprzewodowych krótkiego zasięgu. Wdrożenia sieci bezprzewodowych łączących rozproszone geograficznie czujniki i umożliwiających wysyłanie gromadzonych przez nie danych w czasie rzeczywistym do chmury, mogą kosztować miliardy. Z drugiej strony, pewne rodzaje podłączonych urządzeń, np. służących do zdalnego monitorowania stanu zdrowia, wymagają bardzo niskich opóźnień. Wysyłanie danych do chmury i z powrotem do aplikacji może mieć negatywny wpływ na działanie tych usług.

Fog computing rozwiązuje te problemy, zapewniając zasoby obliczeniowe, sieciowe i pamięć masową na brzegu sieci. Oferuje inteligentną platformę do zarządzania rozproszoną infrastrukturą Internetu Rzeczy w czasie rzeczywistym. Rozwój fog computingu doprowadzi do powstania nowych modeli biznesowych i możliwości dla operatorów sieci.

Realizacja: w najbliższej dekadzie połączenie fog computingu i analizy w czasie rzeczywistym pomoże zoptymalizować wykorzystanie zasobów naturalnych, od rolnictwa do pól naftowych. Osiągnięty w ten sposób wzrost produktywności pomoże sprostać wyzwaniom związanym z ograniczeniem zasobów naturalnych i wzrostem populacji.

Do roku 2050 liczba ludności na świecie wzrośnie do 9 miliardów. Aby poradzić sobie z rosnącym popytem, produkcja żywności musi wzrosnąć o ok. 70%. Analiza danych w czasie rzeczywistym może tu odgrywać kluczową rolę, pomagając w zwiększaniu wydajności, minimalizując straty upraw, np. poprzez wzrost trafności prognoz pogody, co ułatwia określenie optymalnych terminów zbiorów, poziomu wzrostu zbiorów czy odpowiednich okien czasowych dla ich idealnego nawożenia.

Innym przykładem jest inteligentna dystrybucja energii. Aplikacje równoważące obciążenia, działające na urządzeniach brzegowych sieci, pozwolą na automatyczne przełączanie się na alternatywne źródła energii, takie jak energia słoneczna i wiatrowa, w oparciu o aktualne zapotrzebowanie na energię, jej dostępność i cenę.

Kontekstowa analiza predykcyjna

Prognoza: w ciągu najbliższych 4 lat kontekstowa analiza predykcyjna stanie się jedną z głównych kategorii na rynku aplikacji.

Rozpoznawanie aktywności i lokalizacji użytkownika napędzają rozwój kontekstowej analizy predykcyjnej – innowacje skoncentrują się głównie na branży transportowej i handlu detalicznym.

Realizacja: kontekstowa analiza predykcyjna pomaga zmniejszyć ruch samochodowy nawet o 40%, redukując w efekcie emisję dwutlenku węgla. Inteligentne parkingi wskazują kierowcom dostępne w danej chwili miejsca parkingowe, zmniejszając zagęszczenie ruchu samochodowego w miastach (eksperci szacują, że nawet 40% ruchu w mieście generują kierowcy szukający wolnego miejsca parkingowego).

W oparciu o dane z czujników rejestrujących stan otoczenia, dostawcy energii mogą w lepszy sposób przewidywać szczytowe zapotrzebowanie na nią i w oparciu o te dane optymalnie organizować dostawy. Kluczową innowacją w tym obszarze są inteligentne termostaty.

Uproszczenie sieci

Prognoza: w sytuacji, gdy w roku 2018 do sieci podłączonych będzie 20 miliardów urządzeń, fundamentalne staje się zapewnienie autonomii działania łączących je sieci.

Autonomiczne, samoorganizujące się sieci są konieczne aby wspierać komunikację całej palety urządzeń tworzących Internet Wszechrzeczy. Liczba połączeń M2M (machine-to-machine) zrówna się w roku 2018 z populacją świata i wyniesie 7,3 mld, co stanowić będzie 35% wszystkich połączonych z siecią urządzeń (20 mld).

Realizacja: weźmy przykład produkcji przemysłowej. Jeśli maszyny w fabrykach mogą zostać w lepszy sposób zintegrowane z analizą potrzeb konsumenckich, wówczas w optymalny sposób mogą zostać zidentyfikowane okresy, w których powinna odbywać się konserwacja sprzętu.

Podobnie w sektorze energetycznym – zintegrowanie fizycznego świata inteligentnych liczników z aplikacjami zawierającymi informacje o kliencie jest kluczowe dla efektywnego naliczania opłat.