Edge Analytics hilft intelligenten und datenorientierten Unternehmen, nach der Datenerfassung durch IoT-Geräte direkt zur Datenanalyse überzugehen.
Traditionell sammelten Unternehmen Daten aus verschiedenen Quellen, speicherten sie in einer Cloud oder einem On-Premise-Speicher und analysierten sie später. Dieses Datenanalysemodell ist jedoch ein entscheidender Engpass für das Wachstum des Internets der Dinge (IoT) und des industriellen Internets der Dinge (IIoT).
Edge Analytics ist die Antwort!
Dieser Artikel führt Sie durch eine prägnante Reise der Edge-Analyse, damit Sie mühelos Lösungen entwickeln oder digitale Unternehmen transformieren können.
Inhaltsverzeichnis
Einführung in Edge Analytics
Wie der Name schon sagt, ist Edge Data Analytics die Datenanalysemethode am Rand. Edge bedeutet die Datenquelle. Für das IoT sind dies Sensoren, Aktuatoren, Roboterarme, Klimaanlagen, Förderbandsteuerungen, Netzwerkschalter und intelligente Geräte.
Edge-Analytics-Anwendungen führen Datenanalysen näher am IoT-Gerät durch, das Echtzeitdaten von Produktionseinheiten, Versorgungssystemen usw. sammelt. Somit können zeitkritische Geschäftsprozesse reibungslos ablaufen, ohne auf logische Eingaben von einem zentralen Server warten zu müssen.
Kurz gesagt, die Datenerfassung, -verarbeitung, -analyse und -aktionen, die innerhalb eines intelligenten Geräts stattfinden, resultieren aus Edge-Datenanalysen. Beispielsweise sind Amazon Echo- oder Nest Home-Geräte mit Edge Analytics ausgestattet.
Diese Geräte hören auf Ihre Befehle. Analysiert aufgenommenes Audio in Maschinensprache, die das Web nach Ergebnissen durchsucht. Das Gerät stellt auch das im Internet verfügbare Abfrageergebnis zur Verfügung.
Notwendigkeit für Edge Analytics
Die Nutzung intelligenter Geräte in Branchen wie Energie, Einzelhandel, Fertigung, Sicherheit, Logistik, Automobil usw. nimmt kontinuierlich zu. Aber die Internetbandbreite wächst nicht mit der gleichen Geschwindigkeit, oder die Bandbreite ist immer begrenzt.
Daher ist es zeitaufwändig, Terabytes an Daten von IoT-Geräten zu sammeln und diese in die Cloud zu übertragen. Ganz zu schweigen von der Analyse der Daten und dem Zurücksenden verwertbarer Erkenntnisse an das Smart Device über dasselbe Netzwerk.
Es wird einen Stau verursachen und das IoT-Systemnetzwerk deaktivieren!
Hier müssen Unternehmen Edge-Analytics-Anwendungen und -Geräte verwenden. Die zeitkritischen intelligenten Geräte können die gesammelten Daten vor Ort analysieren und sofort Maßnahmen ergreifen.
Beispielsweise muss ein autonomes Fahrzeug bremsen, wenn es ein plötzliches und ungewolltes Hindernis auf seinem Weg erkennt.
Es kann es kaum erwarten, die audiovisuellen Daten des Hindernisses zu sammeln, an eine Cloud-App zu senden und auf Eingaben zu warten. Stattdessen trifft das Fahrzeug in Sekundenbruchteilen die Entscheidung, die Richtung zu ändern oder eine Notbremsung einzulegen.
Wie funktioniert Edge Analytics?
Analytics on Edge überwacht normalerweise mehrere Arrays von Edge- oder IoT-Geräten. In erster Linie verfolgt eine Analyse-App den Zustand und die Leistung aller angeschlossenen intelligenten Geräte.
Wenn Workflow-Probleme erkannt werden, versucht die Analyse-App, das Problem lokal zu beheben. Wenn das Problem weiterhin besteht, stoppt die Edge-Anwendung das fehlerhafte Gerät. Dann benachrichtigt es die menschlichen Techniker.
Während dieses orchestrierten Pfads übernehmen die folgenden Geräte wichtige Rollen:
- IoT-Sensoren sammeln Umgebungsdaten wie Druck, Temperatur, Feuchtigkeit, Drehzahl usw.
- Edge-Geräte können dedizierte Edge-Appliances wie Sony REA-C1000 für die Datenanalyse vor Ort oder Smartphones und Tablets zur Steuerung von IoT-Geräten sein.
- Edge-Gateways bieten mehr Leistung und Speicher als Edge-Geräte und fungieren als Vermittler zwischen dem Cloud-Server und IoT-Geräten.
- Intelligente Aktuatoren, die die von Edge Data Analytics vorgeschlagene Aufgabe erfüllen. Zum Beispiel intelligente Wasserventile, intelligente Schalter, intelligente Roboterarme, intelligente Förderbandsteuerungen und Computerbefehle.
Das obige Bild zeigt eine schematische Darstellung von IBM IoT Edge Analytics in Hospitality-Management-Sektoren wie Hotels.
Vorteile
#1. Mehr Sicherheit
Bei Analytics on Edge müssen die Daten nicht in die Cloud übertragen werden. Die Rohdaten bleiben auf dem Gerät, auf dem sie generiert wurden. Da keine Chance besteht, dass Daten während der Übertragung gehackt oder infiziert werden, bleiben sie sicherer.
#2. Latenzvermeidung und Datenanalyse nahezu in Echtzeit
Bestimmte Geschäftsprozesse erfordern eine sofortige Datenanalyse für den Betrieb. Edge Analytics hilft ihnen bei autonomen Entscheidungen, indem es die Erkenntnisse an der Quelle identifiziert und sammelt.
Da diese Analyse in der Nähe der Daten stattfindet, dauert es ein wenig. Es beinhaltet keine Datenübertragung an entfernte Server, sodass Sie sofortige Ergebnisse erhalten.
In Szenarien wie der Identifizierung von Kriminellen aus Live-CCTV-Feeds oder der Analyse von Daten aus einem Flugzeug oder einer Produktionsanlage bleiben Ihnen nur Sekundenbruchteile, um den Anruf zu tätigen. Dort hilft Ihnen die Verwendung dieser Technologie, sofortige Entscheidungen zu treffen.
#3. Hohe Skalierbarkeit
Wenn Unternehmen skalieren, belastet die wachsende Datenmenge die zentrale Datenanalyse. Durch die Dezentralisierung des Prozesses können Sie mit Edge Analytics die Prozesse skalieren und so bessere Analysefunktionen bereitstellen.
#4. Weniger Bandbreitennutzung
Die Datenübertragung von den Quellgeräten zum zentralen Server und umgekehrt verbraucht viel Bandbreite. Viele entfernte Standorte verfügen nicht über die erforderliche Datenbandbreite oder Netzwerkstärke für die Übertragung. In solchen Fällen erspart Ihnen Edge Analytics den Einsatz von Bandbreite.
#5. Reduzierte Kosten
Herkömmliche Big-Data-Analytics-Methoden kosten Sie viel Geld. Während Unternehmen die Daten möglicherweise in ihren Cloud-Servern oder öffentlichen Cloud-Lösungen verarbeiten, sind Speicherung, Verarbeitung, Analyse und Bandbreitenverbrauch teuer.
Diese Technologie verwendet IoT-Geräte oder Hardware in der Nähe für die Datenanalyse. Infolgedessen fallen weniger Kosten für die Analyse und die Bandbreite des Internetnetzwerks an.
Einschränkungen
#1. Sicherheit von Remote-Geräten
Während Analytics on Edge Ihre sensiblen Daten während der Datenübertragung vor Cybersicherheitsbedrohungen schützt, betrifft es Remote-Geräte, die für solche Risiken anfällig sind.
Es gab mehrere Vorfälle von Sicherheitskamera-Hacking, und auch Ihre kann solchen Angriffen zum Opfer fallen. Wenn Ihre Cybersicherheitsmaßnahmen diese Remote-Geräte nicht abdecken, hilft es nicht, eine starke Sicherheit für Ihr Kernsystem zu haben.
#2. Verlorene Daten
Das Design von Edge Analytics ermöglicht es, die relevantesten Daten für die Analyse zu verwenden. Der Rest der Daten aus dem großen Rohdatensatz wird ignoriert.
Da diese Technologie nur diese relevanten Instanzen auf dem zentralen Server speichert, ist dies möglicherweise nicht der beste Ansatz für Unternehmen, die alle Ihre Rohdaten empfangen und speichern müssen.
#3. Geräte- und Netzwerkkompatibilität
Analytics on Edge ist eine neue Technologie, daher kann es zu Kompatibilitäts- und Datenübertragungsproblemen kommen, wenn Sie alte Geräte und Netzwerktechnologie verwenden. Unternehmen müssen also neue Geräte kaufen, um diese Technologie in ihrer Organisation einzusetzen.
Folglich erhöht dies die Kosten für Edge-Analysen für dieses Unternehmen. Darüber hinaus ist möglicherweise ein vollständiges Systemupgrade erforderlich, das den Betrieb stören kann.
#4. Notwendigkeit der Entwicklung einer eigenen Lösung
Für diese Aufgabe stehen verschiedene Analyseplattformen zur Verfügung. Einige Unternehmen benötigen jedoch möglicherweise eine persönlich entwickelte Edge-Analyseplattform, je nachdem, welche Geräte sie analysieren müssen.
#5. Auswahl der richtigen Software
Einige auf dem Markt erhältliche Systeme teilen ihre Ausgabedaten nur in der Cloud. Daher sehen Unternehmen die rohen Quelldaten hinter der Analyse nicht. Um dies zu vermeiden, müssen Sie die neueste Analysesoftware verwenden, um an alle erforderlichen Daten zu gelangen.
#6. Benötigt Usability-Assessment
Es eignet sich am besten für Sicherheits-, Effizienz- und schnelle Entscheidungsszenarien. Daher sollten Unternehmen prüfen, ob sie es benötigen, bevor sie sich für die Lösung entscheiden.
Anwendungsfälle
Analyse des Kundenverhaltens
Einzelhändler sammeln Daten von ihren Ladenkameras, Parksensoren und Einkaufswagenanhängern über eine Reihe von Sensoren. Mit Edge Analytics können diese Unternehmen diese Daten nutzen, um ihren Kunden maßgeschneiderte Lösungen entsprechend ihrem Verhalten anzubieten.
Fernüberwachung und -wartung
Die Fertigungs- und Energieindustrie benötigt sofortige Reaktionen oder Warnungen, wenn Maschinen nicht mehr funktionieren oder gewartet werden müssen. Statt zentralisierter Datenanalyse ist es die richtige Technologie, um künftige Engpässe schneller zu erkennen.
Intelligente Überwachung
Es ist auch nützlich für die Erkennung von Eindringlingen in Echtzeit. Unternehmen können diesen Service nutzen, um ihre Sicherheit zu erhöhen. Diese Technologie verwendet Rohbilder von CCTV, um verdächtige Aktivitäten zu lokalisieren und zu verfolgen.
Fehlervorhersage
Ein Ausfall der IoT-Hardware kann sich als katastrophal herausstellen. Die Edge-Analyse dieser IoT-Hardwaregeräte kann solche Probleme genau vorhersagen. Mit seiner Hilfe können Organisationen proaktive Maßnahmen ergreifen und die Betriebszeit erhöhen.
Derzeit verwendet Analytics on Edge hauptsächlich benutzerdefinierte Geräte und Apps für bestimmte industrielle Anwendungsfälle. Nachfolgend finden Sie einige Tools und Geräte, um den Trend zu kennen:
Sony Edge Analytics-Appliance
Das REA-C1000 von Sony ist ein bisher existierendes voll funktionsfähiges Edge-Analytics-Gerät. Sie können Sony-Netzwerkkameras damit verbinden, um Live-Präsentationen für Remote-Zuschauer aufzunehmen und zu analysieren.
Es verfügt über High-Tech-Funktionen wie Handschriftextraktion, Inhaltsüberlagerung, autonome Inhalte, Tracking-Moderator, Bildaufteilung, Publikumsgestenverfolgung und mehr.
AWS IoT GreenGrass
AWS IoT GreenGrass ist ein Open-Source-Cloud-Service und eine Edge-Laufzeit zum Entwickeln, Bereitstellen und Steuern von IoT-Gerätesoftware.
Es bringt Logik und Cloud-Datenverarbeitung zu den lokalen IoT-Geräten. Daher können Geräte in niedrigen oder intermittierenden Netzwerkbandbreiten funktionieren.
HPE-Edgeline
HPE Edgeline eignet sich für den robusten Einsatz von Smart Devices in Fertigungsanlagen, Ölplattformen usw. Es bringt Edge-Software und OT-Hardware (Operational Technology) direkt in die Produktionshalle.
Daher können intelligente Geräte schnell Eingaben von einem Datenverarbeitungssystem vor Ort statt von Cloud-Servern erhalten.
Intel IoT-Entwicklerkit
Sie können Software und Hardware von Intel verwenden, um auf Edge-Analysen basierende intelligente Geräte für den geschäftlichen Einsatz zu entwickeln. Das Toolkit umfasst die folgenden Produkte:
- Software-Stack mit Treibern, SDKs, Betriebssystemen, Beispielen und Bibliotheken
- Intel-Distribution von OpenVINO
- Intel Movidius-VPU
- Intel Arria 10 FPGA
Azure IoT Edge
Azure IoT Edge bringt Analyse- und KI-Workloads auf intelligente Geräte, die am Edge betrieben werden. Diese Edge-Analytics-Entwicklungsplattform umfasst die folgenden Funktionen:
- IoT-Edge-Hardware von vertrauenswürdigen Anbietern
- Kostenlose Edge-Laufzeit
- Geschäftslogikmodul zum Ausführen von Software am Edge
- Azure-Cloud-Schnittstelle
Edge im Vergleich zu herkömmlicher Analytik
Der Hauptunterschied zwischen Edge-Analyse und herkömmlicher/Server-Analyse ist der Ort der Datenanalyse.
Auf Edge-Systemen findet die Datenanalyse in der Nähe oder auf dem IoT-Gerät statt, das Daten sammelt und Befehle ausführt. Im Gegensatz dazu findet die Serveranalyse weit entfernt von dem intelligenten Gerät statt, das Daten sammelt.
Weitere bemerkenswerte Unterschiede finden Sie in der folgenden Tabelle:
Merkmal/FunktionalitätEdge AnalyticsTraditionelle AnalytikBetriebskostenHochNiedrigLatenzPraktisch nullNormalerweise niedrig bis moderat
Hoch, wenn der Server Arbeitslasten erfährt, die seine Kapazität übersteigenGerätekompatibilitätKeine
Beim Gerätewechsel brauchen Sie spezifische Lösungen. Die meisten Cloud- und serverbasierten Analyseanwendungen sind hochgradig geräteübergreifend kompatibelGeschwindigkeit der DatenanalyseSchneller als ServeranalysenLangsamer als Edge-AnalysenSystemkonfigurationJedes Mal konfigurieren, wenn Sie die Marke und das Modell des Geräts ändernEinmal konfigurieren und die Anwendung jahrelang verwendenSicherheitsanfälligkeitPraktisch nicht hackbarAnfällig für Hacking- und Phishing-AngriffeVerlust von KonnektivitätIoT-Systeme werden weiterhin funktionierenIoT-Systeme werden aufhörenAnalytics-AnwendungenBegrenzte Optionen auf dem MarktEs gibt viele serverbasierte Datenanalyse-Apps auf dem MarktServerkostenNiedrig oder keineHoch
Häufig gestellte Fragen
Was ist Edge-Videoanalyse?
Edge-Videoanalyse bedeutet, die Bilder eines Videos an einem Ort in der Nähe der Eingabemaschine zu analysieren, anstatt die Videodaten in den Cloud-Server zu verschieben.
Eine Kamera oder ein Encoder verarbeitet das Bild, um Metadaten in Edge Analytics zu generieren. Dadurch erhalten Unternehmen eine schnellere Reaktionszeit und müssen weniger Bandbreite für die Datenübertragung aufwenden.
In welcher Situation wird Edge Analytics bevorzugt?
Das beste Szenario für Edge-Analysen ist, wenn Sie Geräte überwachen müssen. Diese Analysen sind auch nützlich, wenn Sie in einem Bereich eine schlechte Netzwerkverbindung haben.
Finanzdienstleistungen und Fertigung sind latenzempfindliche Sektoren, in denen diese Technologie geeignet ist. Darüber hinaus sollten sich Unternehmen, die eine Skalierung anstreben, auch für Edge Analytics entscheiden.
Letzte Worte
Jetzt wissen Sie also, was Edge Analytics ist, wie es funktioniert, seine Vorteile, Tools, Anwendungsfälle und mehr.
Sie können jetzt zuversichtlich Geschäftsentscheidungen treffen, um Ihre IIoT-Systeme mit Edge-Analytics-Appliances nachzurüsten, um Remote-Geräte schnell zu steuern.
Alternativ hilft Ihnen der Artikel, neuartige IoT- und IIoT-Lösungen zu entwerfen oder zu entwickeln, wenn Sie ein IoT-Ingenieur oder -Entwickler sind.
Als nächstes können Sie sich die beliebten IoT-Geräte ansehen.