Edge Analytics aide les entreprises intelligentes et orientées données à passer directement à l'analyse des données après la collecte des données par les appareils IoT.
Traditionnellement, les entreprises collectaient des données à partir de diverses sources, les stockaient dans un cloud ou un stockage sur site et les analysaient ultérieurement. Cependant, ce modèle d'analyse des données est un goulot d'étranglement vital pour la croissance du Internet des Objets (IoT) (IoT) et l'Internet industriel des objets (IIoT).
Edge Analytics est la réponse !
Cet article vous guidera à travers un parcours concis d'analyses en périphérie afin que vous puissiez développer des solutions ou transformer les entreprises numériques sans effort.
Introduction to Edge Analytics
Comme son nom l'indique, l'analyse des données en périphérie est la méthode d'analyse des données en périphérie. Edge signifie la source des données. Pour l'IoT, il s'agit de capteurs, d'actionneurs, de bras robotisés, de CVC, de commandes de convoyeurs, de commutateurs réseau et d'appareils intelligents.
Les applications d'analyse Edge effectuent une analyse de données plus proche de l'appareil IoT qui collecte des données en temps réel à partir d'unités de fabrication, de systèmes de services publics, etc. Ainsi, les processus métier urgents peuvent s'exécuter de manière fluide sans attendre les entrées logiques d'un serveur central.
En un mot, la collecte, le traitement, l'analyse et les actions de données se déroulant au sein d'un appareil intelligent résultent de l'analyse des données de pointe. Par exemple, Amazon Les appareils Echo ou Nest Home sont livrés avec des analyses de pointe.
Ces appareils écoutent vos commandes. Analyse l'audio capturé en langage machine qui recherche des résultats sur le Web. L'appareil présente également le résultat de la requête disponible sur Internet.
Need for Edge Analytics
L'utilisation d'appareils intelligents dans des secteurs tels que l'énergie, la vente au détail, la fabrication, la sécurité, la logistique, l'automobile, etc., ne cesse de croître. Mais la bande passante Internet n'augmente pas à la même vitesse, ou la bande passante est toujours limitée.
Par conséquent, collecter des téraoctets de données à partir d'appareils IoT et les transférer vers le cloud prend du temps. Sans parler de l'analyse des données et du renvoi d'informations exploitables à l'appareil intelligent via le même réseau.
Cela créera un embouteillage et désactivera le réseau du système IoT !
Ici, les entreprises doivent utiliser des applications et des appareils d'analyse de pointe. Les appareils intelligents à temps critique pourront analyser les données collectées sur place et agir instantanément.
Par exemple, un véhicule autonome doit freiner s'il détecte un obstacle soudain et indésirable sur sa trajectoire.
Il ne peut pas attendre pour collecter les données audiovisuelles de l'obstacle, les envoyer à une application cloud et attendre l'entrée. Au lieu de cela, le véhicule prend une décision en une fraction de seconde pour changer de direction ou s'engager dans des pauses d'urgence.
How Does Edge Analytics Work?
L'analyse en périphérie surveille généralement plusieurs baies d'appareils en périphérie ou IoT. Principalement, une application d'analyse suit la santé et les performances de tous les appareils intelligents connectés.
Si elle détecte des problèmes de flux de travail, l'application d'analyse tente de corriger le problème localement. Si le problème persiste, l'application Edge arrête le périphérique défectueux. Ensuite, il avertit les techniciens humains.
Au cours de ce parcours orchestré, les appareils suivants remplissent des rôles critiques :
- Les capteurs IoT collectent des données environnementales telles que la pression, la température, l'humidité, le RPM, etc.
- Les appareils Edge peuvent être des appareils Edge dédiés comme Sony REA-C1000 pour l'analyse de données sur site ou des smartphones et tablettes pour contrôler les appareils IoT.
- Les passerelles Edge offrent plus de puissance et de mémoire que les appareils Edge et fonctionnent comme un intermédiaire entre le serveur cloud et les appareils IoT.
- Des actionneurs intelligents qui effectuent les analyses de données de bord de tâche suggérées. Par exemple, des vannes d'eau intelligentes, des interrupteurs intelligents, des bras robotiques intelligents, des commandes de convoyeur intelligentes et des commandes informatiques.
L'image ci-dessus montre une représentation schématique d'IBM IoT Edge Analytics dans les secteurs de la gestion hôtelière comme les hôtels.
Benefits
# 1. Une plus grande sécurité
Dans l'analyse en périphérie, il n'est pas nécessaire de transférer les données vers le cloud. Les données brutes restent sur l'appareil où elles ont été générées. Puisqu'il n'y a aucune chance que les données soient piratées ou infectées en transit, elles restent plus sécurisées.
# 2. Prévention des latences et analyse des données en temps quasi réel
Certains processus métier nécessitent une analyse immédiate des données pour les opérations. Edge Analytics les aide à prendre des décisions autonomes en identifiant et en collectant les informations à la source.
Comme cette analyse se produit près des données, cela prend un peu de temps. Il n'implique aucune transmission de données vers des serveurs distants, vous obtenez donc des résultats instantanés.
Dans des scénarios tels que l'identification de criminels à partir de flux de vidéosurveillance en direct ou l'analyse de données provenant d'un avion ou d'une usine de fabrication, vous ne disposez que d'une fraction de seconde pour passer l'appel. Là, l'utilisation de cette technologie vous aide à prendre des décisions instantanées.
# 3. Haute évolutivité
À mesure que les entreprises évoluent, le nombre croissant de données alourdit la charge de l'analyse centrale des données. Grâce à la décentralisation du processus, l'analyse de périphérie vous permet de faire évoluer les processus en offrant de meilleures capacités d'analyse.
# 4. Moins d'utilisation de la bande passante
Le transfert de données des appareils sources vers le serveur central et vice versa utilise une quantité importante de bande passante. De nombreux sites distants ne disposent pas de la bande passante de données ou de la puissance du réseau nécessaires pour la transmission. Dans de tels cas, l'analyse de périphérie vous épargne l'utilisation de la bande passante.
# 5. Réduction des coûts
Les méthodes conventionnelles d'analyse de données volumineuses vous coûteront très cher. Alors que les entreprises peuvent traiter les données dans leur serveur cloud ou leurs solutions de cloud public, le stockage, le traitement, l'analyse et la consommation de bande passante sont coûteux.
Cette technologie utilise des appareils IoT ou du matériel à proximité pour l'analyse des données. En conséquence, il y aura moins de coûts pour l'analyse et la bande passante du réseau Internet.
Limitations
# 1. Sécurité des appareils distants
Tandis que l'analyse en périphérie protège vos données sensibles contre cybersécurité menaces lors de la transmission des données, il s'agit d'équipements distants vulnérables à de tels risques.
Il y a eu plusieurs incidents de piratage de caméras de sécurité, et le vôtre aussi peut être victime de telles attaques. Si vos mesures de cybersécurité ne couvrent pas ces appareils distants, avoir une sécurité renforcée pour votre système central ne vous aidera pas.
# 2. Données perdues
La conception de l'analyse de périphérie lui permet d'utiliser les données les plus pertinentes pour l'analyse. Le reste des données du grand ensemble de données brutes est ignoré.
Comme cette technologie ne stocke que ces instances pertinentes sur le serveur central, ce n'est peut-être pas la meilleure approche pour les entreprises qui doivent recevoir et stocker toutes vos données brutes.
# 3. Compatibilité des appareils et du réseau
Analytics on edge est une nouvelle technologie, il peut donc y avoir des problèmes de compatibilité et de transmission de données si vous utilisez d'anciens appareils et une technologie réseau. Ainsi, les entreprises doivent acheter de nouveaux appareils pour déployer cette technologie dans leur organisation.
Par conséquent, cela augmentera le coût de l'analyse de périphérie pour cette entreprise. De plus, cela peut nécessiter une mise à niveau complète du système qui peut perturber les opérations.
# 4. Besoin de développer sa propre solution
Il existe différentes plates-formes analytiques disponibles pour cette tâche. Cependant, certaines entreprises peuvent avoir besoin d'une plate-forme d'analyse de périphérie développée personnellement en fonction des appareils qu'elles doivent analyser.
# 5. Choisir le bon logiciel
Certains systèmes disponibles sur le marché ne partagent leurs données de sortie que sur le cloud. Par conséquent, les entreprises ne voient pas les données brutes de la source derrière l'analyse. Pour éviter cela, vous devez utiliser le dernier logiciel d'analyse pour obtenir toutes les données nécessaires.
# 6. Besoin d'une évaluation de l'utilisabilité
Il est le plus adapté aux scénarios de sécurité, d'efficacité et de prise de décision rapide. Ainsi, les entreprises doivent évaluer si elles en ont besoin avant d'opter pour la solution.
Use Cases
Analyser le comportement des clients
Les commerçants collectent les données de leur magasin de CAMÉRAS de surveillance, des capteurs de stationnement et des balises de panier d'achat grâce à une gamme de capteurs. Grâce à l'analyse de pointe, ces entreprises peuvent utiliser ces données pour proposer des solutions personnalisées à leurs clients en fonction de leur comportement.
Surveillance et maintenance à distance
Les industries manufacturières et énergétiques ont besoin de réponses ou d'alertes immédiates lorsque les machines cessent de fonctionner ou nécessitent une maintenance. Au lieu d'une analyse centralisée des données, c'est la bonne technologie pour une identification plus rapide des futurs goulots d'étranglement.
Surveillance intelligente
Il est également utile pour le temps réel intruder détection. Les entreprises peuvent utiliser ce service pour accroître leur sécurité. Cette technologie utilise des images brutes de CCTV pour localiser et suivre toute activité suspecte.
Prédiction d'échec
Une panne matérielle IoT peut s'avérer désastreuse. L'analyse Edge de ces dispositifs matériels IoT peut prédire avec précision ces problèmes. Avec son aide, les organisations peuvent prendre des mesures proactives et augmenter la disponibilité.
Devices/Tools
Actuellement, l'analyse en périphérie utilise principalement des appareils et des applications personnalisés pour des cas d'utilisation industriels spécifiques. Retrouvez ci-dessous quelques outils et appareils pour connaître la tendance :
Appareil d'analyse Sony Edge
La REA-C1000 de Sony est un appareil d'analyse de périphérie entièrement fonctionnel qui existe jusqu'à présent. Vous pouvez y connecter des caméras réseau Sony pour capturer et analyser des présentations en direct pour les téléspectateurs distants.
Il possède des fonctionnalités de haute technologie telles que l'extraction de l'écriture manuscrite, la superposition de contenu, le contenu autonome, le suivi du présentateur, le fractionnement d'images, le suivi des gestes du public, etc.
AWS IoT GreenGrass
AWS IoT GreenGrass est un service cloud open source et un environnement d'exécution en périphérie pour développer, déployer et contrôler le logiciel des appareils IoT.
Il apporte la logique et le traitement des données cloud aux appareils IoT locaux. Par conséquent, les appareils peuvent fonctionner dans des bandes passantes réseau faibles ou intermittentes.
HPE Edgeline
HPE Edgeline convient à l'utilisation robuste d'appareils intelligents dans les usines de fabrication, les plates-formes pétrolières, etc. Il apporte des logiciels de pointe et du matériel de technologie opérationnelle (OT) directement à l'atelier de production.
Par conséquent, les appareils intelligents peuvent rapidement obtenir des informations d'un système de traitement de données sur site plutôt que de serveurs cloud.
Kit de développement Intel IdO
Vous pouvez utiliser les logiciels et le matériel de Intel pour développer des appareils intelligents basés sur l'analyse de périphérie à usage professionnel. La boîte à outils comprend les produits suivants :
- Pile logicielle avec pilotes, SDK, système d'exploitation, exemples et bibliothèques
- Distribution Intel d'OpenVINO
- VPU Intel Movidius
- Intel Arria 10 FPGA
Azure IdO Edge
Azure IdO Edge apporte des analyses et AI charges de travail vers des appareils intelligents qui fonctionnent à la périphérie. Cette plate-forme de développement Edge Analytics comprend les fonctionnalités suivantes :
- Matériel de périphérie IoT de fournisseurs de confiance
- Temps d'exécution gratuit
- Module de logique métier pour exécuter des logiciels en périphérie
- Interface cloud Azure
Edge vs. Traditional Analytics
La principale différence entre l'analyse de périphérie et l'analyse traditionnelle/de serveur est la place de l'analyse des données.
Sur les systèmes en périphérie, l'analyse des données a lieu à proximité ou sur l'appareil IoT qui collecte les données et exécute les commandes. Au contraire, les analyses de serveur ont lieu loin de l'appareil intelligent qui collecte les données.
Vous pouvez trouver d'autres différences notables dans le tableau suivant :
| Caractéristique/fonctionnalité | Analyse de périphérie | Analytique traditionnelle |
| Coût de propriété | Haute | Faible |
| Latence | Pratiquement nul | Généralement faible à modéré Élevé si le serveur subit des charges de travail supérieures à sa capacité |
| Compatibilité | Aucun Vous avez besoin de solutions spécifiques lorsque vous changez d'appareil. | La plupart des applications d'analyse basées sur le cloud et les serveurs sont hautement compatibles avec tous les appareils |
| Vitesse d'analyse des données | Plus rapide que l'analyse de serveur | Plus lent que l'analyse de périphérie |
| Configuration du système | Configurer chaque fois que vous modifiez la marque et le modèle de l'appareil | Configurez une fois et utilisez l'application pendant des années |
| Vulnérabilité de sécurité | Pratiquement impossible à pirater | Sujet aux attaques de piratage et de phishing |
| Perte de connectivité | Les systèmes IoT continueront de fonctionner | Les systèmes IoT vont s'arrêter |
| Applications analytiques | Options limitées sur le marché | Il existe de nombreuses applications d'analyse de données basées sur serveur sur le marché |
| Coût du serveur | Faible ou aucun | Haute |
Informations Générales
L'analyse vidéo Edge signifie analyser les images d'une vidéo sur un emplacement proche de la machine d'entrée au lieu de déplacer les données vidéo vers le serveur cloud.
Une caméra ou un encodeur traite l'image pour générer des métadonnées dans Edge Analytics. Ainsi, les entreprises obtiennent un temps de réponse plus rapide et doivent dépenser moins de bande passante pour le transfert de données.
Le meilleur scénario pour l'analyse de périphérie est lorsque vous devez surveiller les appareils. Ces analyses sont également utiles lorsque vous avez une mauvaise connectivité réseau dans une zone.
Les services financiers et la fabrication sont des secteurs sensibles à la latence où cette technologie convient. De plus, les entreprises qui envisagent une mise à l'échelle devraient également opter pour l'analyse de pointe.
Mot de la fin
Vous savez donc maintenant ce qu'est l'analyse de périphérie, son fonctionnement, ses avantages, ses outils, ses cas d'utilisation, etc.
Vous pouvez désormais prendre en toute confiance des décisions commerciales pour moderniser vos systèmes IIoT avec des appliances d'analyse de périphérie pour contrôler rapidement les appareils distants.
Alternativement, l'article vous aidera à concevoir ou à développer de nouvelles solutions IoT et IIoT si vous êtes un ingénieur ou un développeur IoT.
Ensuite, vous pouvez consulter le appareils IoT populaires.
