Pastaruoju metu vis daugiau vilčių siejama su krašto kompiuterija. Pramonė šurmuliuoja nuo drąsių idėjų, tokių kaip „kraštas suvalgys debesį“, o automatizavimas realiuoju laiku pasklis sveikatos priežiūros, mažmeninės prekybos ir gamybos srityse.
Ekspertai sutinka krašto skaičiavimas vaidins pagrindinį vaidmenį beveik kiekvieno verslo skaitmeninėje transformacijoje. Tačiau pažanga buvo lėta. Senasis suvokimas sutrukdė įmonėms visiškai pasinaudoti pranašumais priimant sprendimus realiuoju laiku ir paskirstant išteklius. Norėdami suprasti, kaip ir kodėl tai vyksta, pažvelkime į pirmąją briaunų skaičiavimo bangą ir tai, kas įvyko nuo to laiko.
Pirmoji pažangių kompiuterių banga: daiktų internetas (IoT)
Daugeliui pramonės šakų krašto idėja buvo glaudžiai susijusi su pirmąja daiktų interneto (IoT) banga. Tuo metu daugiausia dėmesio buvo skirta duomenų rinkimui iš mažų jutiklių, pritvirtintų prie visko, ir tada tų duomenų perkėlimą į centrinę vietą, pavyzdžiui, debesį ar pagrindinį duomenų centrą.
Tada šie duomenų srautai turėjo būti susieti su tuo, kas paprastai vadinama jutiklio sintezė. Tuo metu dėl jutiklių ekonomijos, baterijos veikimo trukmės ir paplitimo dažnai duomenų srautai buvo per riboti ir mažo tikslumo. Be to, esamos įrangos modernizavimas su jutikliais dažnai buvo brangus. Nors patys jutikliai buvo nebrangūs, montavimas užtruko daug laiko ir jį atlikti reikėjo apmokytų darbuotojų. Galiausiai, žinios, reikalingos duomenims analizuoti naudojant jutiklių sintezę, buvo įtrauktos į įvairių organizacijų darbuotojų žinių bazę. Dėl to sulėtėjo IoT priėmimo rodikliai.
Be to, susirūpinimas dėl saugumo sumažino didmeninį daiktų interneto pritaikymą. Matematika tokia paprasta: tūkstančiai prijungtų įrenginių keliose vietose prilygsta dideliam ir dažnai nežinomam poveikiui. Kadangi galima rizika buvo didesnė už neįrodytą naudą, daugelis manė, kad būtų protinga laukti ir pažiūrėti.
Peržengiant IoT 1.0
Dabar tampa aišku, kad pranašumas ne toks susijęs su daiktų internetu, o su sprendimų priėmimu realiuoju laiku įvairiose operacijose su paskirstytomis svetainėmis ir geografinėmis vietomis. IT ir vis dažniau pramoninėse aplinkose šiuos paskirstytus duomenų šaltinius vadiname kaip kraštas. Mes kalbame apie sprendimų priėmimą visose vietose, esančiose už duomenų centro ar debesies ribų krašto skaičiavimas.
The kraštas yra visur, kur esame — visur, kur gyvename, kur dirbame, visur vyksta žmogaus veikla. Retas jutiklių aprėptis buvo išspręsta naudojant naujesnius ir lankstesnius jutiklius. Naujas turtas ir technologijos yra su daugybe integruotų jutiklių. Ir dabar jutikliai dažnai papildomi didelės raiškos / didelio tikslumo vaizdavimu (rentgeno įranga, lidar).
Papildomų jutiklių duomenų, vaizdo gavimo technologijos ir būtinybės visa tai koreliuoti derinys per sekundę išmeta megabaitų ir megabaitų duomenų. Norint gauti rezultatus iš šių didžiulių duomenų srautų, skaičiavimo galia dabar naudojama netoli tos vietos, kur generuojami duomenys.
Priežastis paprasta: tiesiog nėra pakankamai pralaidumo ir laiko tarp krašto vietos ir debesies. Krašto duomenys yra svarbiausi trumpuoju laikotarpiu. Užuot vėliau apdoroti ir analizuojami debesyje, dabar duomenys gali būti analizuojami ir naudojami realiuoju laiku. Norint pasiekti kitą efektyvumo ir eksploatacinio meistriškumo lygį, kompiuterija turi vykti pačioje paribyje.
Tai nereiškia, kad debesis nesvarbu. Debesis vis dar turi atlikti savo vaidmenį krašto kompiuterijoje, nes tai puiki vieta diegti galimybes iki krašto ir valdyti visose vietose. Pavyzdžiui, debesys suteikia prieigą prie programų ir duomenų iš kitų vietų, taip pat nuotolinius ekspertus, kurie gali valdyti sistemas, duomenis ir programas visame pasaulyje. Be to, debesis gali būti naudojamas analizuoti didelius duomenų rinkinius, apimančius kelias vietas, parodyti tendencijas laikui bėgant ir generuoti nuspėjamuosius analizės modelius.
Taigi, pranašumas yra didelių duomenų srautų, esančių daugelyje geografiškai išsklaidytų vietų, prasmės. Turite perimti šį naują krašto suvokimą, kad iš tikrųjų suprastumėte, kas dabar įmanoma naudojant kraštų skaičiavimą.
Šiandien: realiojo laiko krašto analizė
Tai, ką šiandien galima nuveikti pakraštyje, stulbina, palyginti su tuo, kas buvo prieš kelerius metus. Vietoj to, kad kraštas būtų apribotas keliais jutikliais, dabar duomenis galima generuoti iš daugybė jutiklių ir kamerų. Tada šie duomenys yra analizuojami naudojant kompiuterius, kurie yra tūkstančius kartų galingesni nei prieš du dešimtmečius – visa tai už priimtiną kainą.
Didelio branduolių skaičiaus CPU ir GPU kartu su didelio našumo tinklais ir didelės raiškos kameromis dabar yra lengvai prieinami, todėl realiojo laiko krašto analizė tampa realybe. Realaus laiko analizės diegimas pačioje pakraštyje (kur vyksta verslo veikla) padeda įmonėms suprasti savo veiklą ir nedelsiant reaguoti. Turint šias žinias, daugelį operacijų galima toliau automatizuoti, taip padidinant našumą ir sumažinant nuostolius.
Panagrinėkime keletą šiandieninės realaus laiko briaunų analizės pavyzdžių:
- Prekybos centrų sukčiavimo prevencija
Daugelis prekybos centrų dabar naudoja tam tikras savitarnos kasas, ir, deja, jie taip pat pastebi didesnį sukčiavimą. Nedoras pirkėjas gali pakeisti brangesnio produkto brūkšninį kodą už mažesnę kainą, taip sumokėdamas mažiau. Siekdamos aptikti tokio tipo sukčiavimą, parduotuvės dabar naudoja galingas kameras, kurios palygina nuskaitytą produktą ir svorį su tuo, kas turėtų būti. Šios kameros yra palyginti nebrangios, tačiau jos generuoja didžiulį duomenų kiekį. Perkėlus skaičiavimą į kraštą, duomenis galima analizuoti akimirksniu. Tai reiškia, kad parduotuvės gali aptikti sukčiavimą realiu laiku, o ne po to, kai „klientas“ palieka automobilių stovėjimo aikštelę.
- Maisto gamybos stebėjimas
Šiandien gamybos įmonė gali turėti daugybę kamerų ir jutiklių kiekviename gamybos proceso etape. Analizė realiuoju laiku ir AI pagrįstos išvados gali milisekundėmis ar net mikrosekundėmis atskleisti, ar kažkas negerai arba procesas dreifuoja. Galbūt fotoaparatas atskleidžia, kad įdėta per daug cukraus arba per daug priedų dengia gaminį. Naudojant kameras ir analizę realiuoju laiku, gamybos linijas galima sureguliuoti taip, kad būtų sustabdytas dreifas arba net sustabdytas, jei reikia remonto – nepatiriant katastrofiškų nuostolių.
- Dirbtinio intelekto pagrįsti krašto kompiuteriai sveikatos priežiūrai
Sveikatos priežiūros srityje infraraudonųjų spindulių ir rentgeno kameros keičiasi, nes užtikrina didelę skiriamąją gebą ir greitai pateikia vaizdus technikai ir gydytojams. Naudodamas tokią didelę skiriamąją gebą, AI dabar gali filtruoti, įvertinti ir diagnozuoti anomalijas prieš kreipdamasis į gydytoją patvirtinimo. Naudodami dirbtinio intelekto pagrįstą skaičiavimą, gydytojai sutaupo laiko, nes jiems nereikia pasikliauti duomenų siuntimu į debesį, kad gautų diagnozę. Taigi onkologas, norintis išsiaiškinti, ar pacientas neserga plaučių vėžiu, gali pritaikyti realaus laiko dirbtinio intelekto filtrus paciento plaučių nuotraukai, kad gautų greitą ir tikslią diagnozę ir gerokai sumažintų paciento, laukiančio atsakymo, nerimą.
- Autonominės transporto priemonės, varomos analitikos
Autonominės transporto priemonės šiandien yra įmanomos, nes palyginti nebrangios ir prieinamos kameros siūlo 360 laipsnių stereoskopinį vaizdą. „Analytics“ taip pat įgalina tikslų vaizdo atpažinimą, todėl kompiuteris gali iššifruoti skirtumą tarp žolės ir kaimyno katės – ir nuspręsti, ar laikas stabdyti, ar apvažiuoti kliūtį, kad būtų užtikrintas saugumas. Didelės galios GPU ir procesorių įperkamumas, prieinamumas ir miniatiūrizavimas įgalina realaus laiko atpažinimą ir vektorių planavimą, kuris yra autonominių transporto priemonių vairavimo intelektas. Kad autonominės transporto priemonės būtų sėkmingos, jos turi turėti pakankamai duomenų ir apdorojimo galios, kad galėtų pakankamai greitai priimti protingus sprendimus ir imtis taisomųjų veiksmų. Dabar tai įmanoma tik naudojant šiuolaikines technologijas.
Paskirstyta architektūra praktikoje
Kai itin galingas kompiuteris yra įdiegtas pakraštyje, įmonės gali geriau optimizuoti operacijas nesijaudindamos dėl vėlavimų ar prarasto ryšio su debesimi. Dabar viskas paskirstyta skirtingose vietosetodėl problemos sprendžiamos realiu laiku ir naudojant tik atsitiktinį ryšį.
Nuo pirmosios pažangių technologijų bangos nuėjome ilgą kelią. Įmonės dabar ima holistiškesnį požiūrį į savo veiklą dėl technologinės pažangos. Šiuolaikinės technologijos ne tik padeda įmonėms padidinti pelną, bet iš tikrųjų padeda joms sumažinti riziką ir tobulinti produktus, paslaugas bei su jomis susijusių žmonių patirtį.
Norėdami sužinoti daugiau apie tai, kaip duomenys gali būti analizuojami ir naudojami realiuoju laiku, apsilankykite svetainėje, „Intelligent Edge“: „Edge“ skaičiavimo sprendimai, skirti duomenimis valdomoms operacijoms. Norėdami suprasti, kas vyksta pakraštyje, šerdyje ir tarp jų, skaitykite šis tinklaraštis apie tai, kaip HPE Ezmeral Data Fabric suteikia modernią duomenų infrastruktūrą kuri įgalina duomenimis pagrįstą sprendimų priėmimą.
_________________________________________
Apie Al Maddeną
Al Madden dalyvauja visuose Edge reikaluose. Turėdamas chemijos ir rinkodaros laipsnius, jis yra pasiryžęs rasti geriausius būdus, kaip pritaikyti technologijas. Nesvarbu, ar tai būtų aplinkos stebėjimas, energijos paskirstymas, puslaidininkiai ar IT, Al dabar daugiausia dėmesio skiria tam, kad technologijos būtų sunaudojamos, suprantamos ir tinkamos naudoti pasitelkiant rinkodaros ir turinio strategiją.
Apie Denisą Vilfortą
Denisas Vilfortas yra PAN-HPE rinkodaros direktorius. Strateginis mąstytojas, turintis unikalų pardavimų / rinkodaros patirties derinį ir gilų technologijų supratimą, Denisas siekia padėti klientams spręsti technologijų iššūkius. Jis yra minčių lyderis, kuris ne tik mąsto už langelio ribų, Denisas padeda apibrėžti naujus, užduodamas geresnius klausimus.