Udowadniamy wartość analityki na brzegu sieci

Edge computing oferuje duże potencjalne korzyści dla firm z różnych branż. Ten model obliczeń rozproszonych, który przybliża przechowywanie i analizę danych do ich źródeł, może zapewnić organizacjom lepszy czas reakcji, mniejsze opóźnienia w sieci, niższe koszty przepustowości, a nawet większe bezpieczeństwo. Wprowadzając więcej możliwości analitycznych tam, gdzie gromadzone są dane, organizacje osiągają większą szybkość reakcji i wydajność. Oto trzy historie sukcesu analityki edge computing.

Udowadniamy wartość analityki na brzegu sieci

Lukas/Pexels

Obliczenia na brzegu (edge computing) wspierają inicjatywy takie jak Internet rzeczy (IoT), umożliwiając zdalne przetwarzanie danych gromadzonych przez podłączone obiekty. Bez takich systemów ogromna ilość danych generowanych przez podłączone urządzenia z łatwością przeciążyłaby centralną infrastrukturę danych organizacji lub wiązałaby się ze znacznymi kosztami, gdyby były one przesyłane do repozytoriów w chmurze w celu analizy.

Przesuwając więcej możliwości analitycznych na krawędź sieci, gdzie gromadzone są dane, organizacje mogą osiągnąć większą szybkość reakcji i wydajność. Omawiamy kilka przykładów, w jaki sposób organizacje wdrażają analitykę na brzegu sieci w różnych przypadkach użycia.

Zobacz również:

  • Bezpieczeństwo w edge computing: 4 trendy, które należy obserwować
  • Otwarte dane w nowoczesnej gospodarce cyfrowej

Bezpieczeństwo na drogach

Trimble Transportation dostarcza swoim klientom technologie, takie jak wyznaczanie tras i optymalizacja, śledzenie i widoczność oraz systemy bezpieczeństwa i zgodności. Klienci ci, zazwyczaj przewoźnicy towarowi, generują ponad 10 miliardów punktów danych każdego dnia z urządzeń telematycznych w kabinie. Obejmuje to ponad 50 zmiennych, takich jak temperatura silnika, prędkość obrotowa turbo, ciśnienie oleju, prędkość i poziom płynu chłodzącego.

Coraz większa liczba czujników w pojazdach monitoruje kluczowe wskaźniki wydajności i ostrzega kierowców o takich problemach, jak niskie ciśnienie w oponach, zjechanie z pasa ruchu i przeszkody na drodze. Chociaż umożliwiło to wiele postępów w technologiach bezpieczeństwa, generuje również ogromną ilość danych, które muszą być szybko przetwarzane, aby mogły być użyteczne w czasie rzeczywistym.

Dla Trimble, analityka edge zapewnia sposób na szybsze dostarczanie informacji. Firma, która tworzy połączony łańcuch dostaw poprzez rozwój sprzętu i oprogramowania dla firm transportowych i logistycznych, buduje system sieciowy typu „hub-and-spoke”, w którym zaplecze firmy transportowej jest hubem - mówi Chris Orban, wiceprezes ds. nauki o danych w firmie Trimble.

Centrum obejmuje aplikacje takie jak systemy zarządzania transportem, przyjmowania zamówień, bezpieczeństwa i zgodności oraz inne systemy operacyjne, które opierają się na danych dostarczanych przez „szprychy” - wyjaśnia Orban. W tym modelu szprychami są kierowcy ciężarówek, którzy podczas jazdy korzystają w kabinie z technologii brzegowych, takich jak komputery pokładowe, elektroniczne urządzenia rejestrujące i inne. Urządzenia te są podłączone do chmury za pośrednictwem sieci 4G LTE i wykonują wiele obliczeń na krawędzi, obejmujących śledzenie godzin pracy kierowcy, raportowanie zdarzeń związanych z bezpieczeństwem oraz skanowanie dokumentów elektronicznych, takich jak dowód dostawy.

Firma Trimble korzysta z niektórych wersji edge computing od lat, jak mówi Orban, zaczynając od momentu, gdy śledzenie pojazdów komercyjnych stało się regulowane prawnie. Wczesne urządzenia elektroniczne Trimble w kabinach ciężarówek przekazywały proste informacje o tym, gdzie znajdują się ciężarówki, a także o poziomie paliwa, zapewniając komunikację z biurem w czasie, gdy nie wszyscy mieli telefony komórkowe w naszych kieszeniach.

Kluczowym czynnikiem biznesowym dla tego rozwiązania była potrzeba firm transportowych, aby wiedzieć, gdzie znajdują się ich zasoby, a także możliwość komunikowania się z kierowcami i urządzeniami, które mogą znajdować się poza zasięgiem sieci komórkowej. Urządzenia musiały funkcjonować na granicy z kierowcami, ponieważ komunikacja satelitarna mogła być ich jedyną opcją łączności.

Z punktu widzenia bezpieczeństwa, wszystkie urządzenia mobilne firmy Trimble łączą się z modułem sterowania silnikiem (ECM) ciężarówki komercyjnej oraz własnymi i zewnętrznymi narzędziami bezpieczeństwa, aby zapewnić funkcje takie jak ostrzeżenia o ostrym hamowaniu, ostrzeżenia o odległości za pojazdem oraz powiadomienia o kontroli stabilności przechyłu.

W kabinie kierowca może otrzymać natychmiastową informację zwrotną na temat swojego zachowania podczas jazdy i może je skutecznie zmodyfikować w czasie rzeczywistym lub urządzenie może zrobić to za niego. Na przykład, jeśli widzi, że zbyt szybko pokonuje zakręt i włącza się układ kontroli stabilności przechyłów, urządzenie może uruchomić hamulce, spowolnić samochód i doprowadzić go do stanu, w którym układ kontroli stabilności przechyłów nie będzie już działał. Trimble oferuje również aplikacje do obliczania zmęczenia kierowcy, w oparciu o jego godziny pracy.

Innym dużym obszarem, w którym Trimble inwestuje w swoją analitykę danych i możliwości edge computing jest wideo. Wiele pojazdów użytkowych ma dziś zainstalowane kamery, albo skierowane na zewnątrz lub do wewnątrz na desce rozdzielczej, na lusterkach bocznych, kamerę cofania z tyłu lub wszystkie te elementy. Ilość informacji, które można pozyskać z tych wizualnych źródeł danych jest ogromna.

Narzędzie Video Intelligence firmy Trimble jest uruchamiane, gdy wystąpi zdarzenie związane z bezpieczeństwem, takie jak zdarzenie ostrego hamowania, w którym kierowca naciska na hamulce, aby uniknąć kolizji. Te nagrania wideo mogą być wykorzystane do zmniejszenia ryzyka dla kierowcy, do uniknięcia odpowiedzialności podczas wypadku lub do celów szkoleniowych dla kierowców.

Zazwyczaj, gdy klienci Trimble zaczynają stosować systemy bezpieczeństwa, z czasem zauważają stopniową poprawę. - Często doświadczają 10% do 15% redukcji liczby wypadków, którym można zapobiec, ponieważ stosują różnego rodzaju ostrzeżenia o zdarzeniach krytycznych, takie jak twarde hamulce, kontrola stabilności przechyłu i inne. Tego rodzaju rozwiązania brzegowe dosłownie zmieniają zachowanie kierowcy, który podejmuje te działania - mówi Orban.

Kontrola ruchu drogowego

Miasto Las Vegas wykorzystuje rozwiązania brzegowe, w tym wdrożenie IoT, do kontroli ruchu drogowego oraz do automatyzacji komunikacji z pojazdami autonomicznymi. - Szukamy sposobów na poprawę wydajności operacyjnej przy jednoczesnym zapewnieniu korzyści dla społeczności" - mówi Michael Lee Sherwood, główny specjalista ds. innowacji w miejskim wydziale IT. "Edge computing umożliwia systemom IoT przetwarzanie krytycznych danych oraz dostarczanie analityki i danych w czasie rzeczywistym.

System ruchu drogowego, znany jako Blackjack, wykorzystuje platformę dostarczoną przez Cisco, która monitoruje przepływ ruchu i zapewnia statystyki ruchu w czasie rzeczywistym oraz możliwości komunikacji z pojazdami autonomicznymi. Las Vegas rozpoczęło wdrażanie technologii edge computing w 2018 roku podczas prac nad inteligentnymi rozwiązaniami ruchu drogowego. Kluczowym motorem do analizowania danych na brzegu sieci była współpraca z firmami zajmującymi się pojazdami autonomicznymi, które potrzebowały danych w czasie zbliżonym do rzeczywistego, mówi Sherwood.

- Edge computing pozwoliło na analizowanie danych i dostarczanie ich do odbiorcy w sposób, który zapewniał najlepszą szybkość - mówi Sherwood.

Wizualizacja danych w formacie czasu rzeczywistego pozwala decydentom na podejmowanie bardziej świadomych decyzji. Dodanie analityki predykcyjnej i sztucznej inteligencji (AI) pomaga w podejmowaniu decyzji, które poprawiają przepływ ruchu, a w niedalekiej przyszłości będą miały dramatyczny wpływ na zmniejszenie zatorów drogowych i poprawę czasów i wyników tranzytu. Aby wzmocnić operacje związane z analizą danych, władze Las Vegas tworzą grupę zajmującą się analizą danych, która ma być częścią wydziału IT. Biuro Danych i Analityki będzie zarządzać sposobem, w jaki dane są zarządzane i wykorzystywane w organizacji. - Widzimy wiele możliwości dzięki nowym technologiom, które pojawiają się na rynku. Nasz główny cel skupił się na budowaniu naszego zespołu i pracy nad zarządzaniem i kuratelą źródeł danych - mówi Sherwood. Korzyści płynące z wczesnych etapów wdrożenia obejmują umożliwienie skrzyżowaniom drogowym dostosowania czasu sygnalizacji w oparciu o rzeczywiste natężenie ruchu. Według władz miasta, to pozytywna oznaka tego, jak te nowe technologie mogą naprawdę pomóc w tworzeniu rozwiązań, które przynoszą korzyści wszystkim w społeczności. Biorąc pod uwagę, że AI odgrywa obecnie rolę w niektórych z najnowszych inteligentnych systemów miejskich, zapotrzebowanie na obliczenia brzegowe i analitykę brzegową będzie tylko rosło, twierdzi Sherwood. Większość wyzwań związanych z obliczeniami brzegowymi polega na podjęciu decyzji o tym, jakie przetwarzanie wykonać na brzegu oraz jak dane są przechowywane i przez jaki okres. - Wciąż pracujemy nad tym procesem, a im więcej systemów i projektów pilotażowych podejmujemy, tym więcej dowiadujemy się o sztuce możliwości i rzeczywistości – mówi Sherwood.

Obserwacja Ziemi

Satellogic, firma dostarczająca klientom komercyjnym i rządowym obrazy geoprzestrzenne o wysokiej częstotliwości i rozdzielczości, doprowadza koncepcję edge computing do ekstremum.

Firma, która produkuje własne satelity, współpracuje z kilkoma partnerami, w tym z dostawcą oprogramowania do analizy dużych ilości danych, firmą Palantir Technologies, aby przenieść analitykę danych na krawędź sieci - na pokład swoich satelitów.

Satellogic buduje i obsługuje konstelację satelitów, które zbierają obrazy multispektralne i hiperspektralne, a także wideo w pełnym ruchu, mówi Gerardo Richarte, CTO i współzałożyciel firmy.

- Podczas projektowania i budowy naszych pierwszych satelitów - ponad 10 lat temu - wiedzieliśmy, że musimy podejmować decyzje na krawędzi" - mówi Richarte. - Nasze pierwsze satelity poleciały ze sprzętem i oprogramowaniem na pokładzie, aby wykorzystać możliwości edge computing, a bycie zintegrowanym pionowo oznaczało, że mogliśmy być bardzo zwinni w rozwijaniu i testowaniu nowych technologii na orbicie.

Początkowo prace związane z obliczeniami satelitarnymi były wewnętrzne i eksperymentalne. W miarę jak nasza baza klientów się powiększała, zaczęliśmy współpracować z klientami, aby przesyłać ich algorytmy przetwarzania obrazu na orbitę – opowiada Richarte.

Edge computing umożliwia trzy główne ulepszenia w doświadczeniach klientów. Po pierwsze, edge computing pozwala dać klientom alerty w czasie rzeczywistym. Po drugie, firma może podejmować działania na krawędzi, w tym retasking. Przykład? - Gdy określony obiekt zainteresowania zostanie oznaczony przez algorytm, możemy natychmiast przekierować satelitę, aby namierzył i śledził ten obiekt lub uruchomił inny produkt, taki jak przechwytywanie wideo w pełnym ruchu - mówi Richarte.

Algorytm może spowodować, że satelita natychmiast włączy określony ładunek użyteczny, aby przechwycić dane, które w innym przypadku zostałyby przeoczone. Full-motion video (FMV), na przykład, jest doskonałym zastosowaniem dla edge AI, ponieważ może okazać się kluczowe dla pewnych rodzajów podejmowania decyzji. - Ale – dodaje Richarte - jest zbyt wymagające pod względem ilości danych, aby działać w sposób ciągły. Algorytmy Edge AI zaprogramowane zgodnie z precyzyjnymi potrzebami klienta mogą definiować parametry wykorzystania FMV firmy Satellogic wraz z innymi danymi i kosztownymi ładunkami użytecznymi.

Wreszcie, edge computing może być wykorzystane do nadania priorytetu transportowi danych. Zdalne połączenia z orbity na ziemię mają ograniczoną przepustowość, a pobieranie danych może trwać dłużej niż wymagają tego niektóre aplikacje. Przeprowadzając dane satelitarne przez algorytmy na krawędzi, można zaaranżować transport danych zgodnie z priorytetami i celami każdego klienta.

Oprac. i tłum. Anna Ładan

Źródło: CIO

W celu komercyjnej reprodukcji treści Computerworld należy zakupić licencję. Skontaktuj się z naszym partnerem, YGS Group, pod adresem [email protected]

TOP 200