数字转型之战将在边缘展开,说了这么久的边缘

时间:2019-11-21 12:08来源:金沙澳门官网
连接式设备数量的激增推动了新模型的产生。传统的云数据中心被分布式内容交付网络所增强,但却无法满足由物联网应用程序的性能需求。计算和基础设施的边缘模型正在出现,边缘

连接式设备数量的激增推动了新模型的产生。传统的云数据中心被分布式内容交付网络所增强,但却无法满足由物联网应用程序的性能需求。计算和基础设施的边缘模型正在出现,边缘模型在减少网络延迟、分层计算和数据流的转移这三个方面上进行了改进。

图片 1

Gartner最近发布的“工业物联网平台的魔力象限”概述了企业如何利用物联网推动其数字化转型计划。Gartner认为,“到2020年,物联网平台与边缘计算将占工业物联网分析的60%,而目前这一比例不足10%。更多的实时传感器和设备数据加上更多的计算能力正在将分析推向“边缘”,这将为希望更有效地利用数据和分析来支持业务模型的组织带来新的业务和运营货币化机会。

近些年,除了云计算之外,边缘计算这个词,现在也越来越多地出现在我们身边。

图片 2

重新定义工业物联网

图片 3

那么,究竟什么是边缘计算呢?

物联网

在2019年,我们不再在争论工业物联网是否会发生。相反,我们正在研究随着制造业日益数字化将采取何种形式实现

主要是为了获得与生产优化相关的收益并降低维护成本。虽然这些好处可能听起来很平凡,但它们推动了对工业物联网基础设施的实际投资,因为收益是如此可衡量并且能立竿见影。

据IDC称,“2018年预计将在物联网解决方案上花费最多的行业是制造业,运输业和公用事业。”所有这些都是物联网的工业应用。事实上,正如IDC所说,“2018年消费者物联网支出将达到620亿美元,成为第四大行业。”

图片 4

重新定义工业物联网

制造过程中有大量数据可用于实现非常重要的目标 - 预测故障,优化设备寿命,获得新的收入流,甚至优化生产流程以更好地满足市场需求。任何工业网络的第一项工作是促进这些数据的收集;在本地,实时数据处理和长期离线数据存储之间实现适当平衡,最后采取有效措施优化工业处理。

实际上,很多时候需要在本地实时处理数据,这推动了对不同类型的边缘计算设备的需求。正如麦肯锡在最近的一篇文章中写道的那样,“计算能力从云端走向边缘

  • 正在开辟一个新的领域:边缘计算。”

图片 5

工业物联网中的带宽和延时管理

图1:大数据业务模型成熟度指数

边缘计算,是一种分散式运算的架构。在这种架构下,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。

实时交互应用程序和自治系统必须比传统web应用程序的响应速度更快,快速处理则需要一个分层计算模型。在一个由物联网驱动的世界里,数据流发生了根本性的变化。而计算和网络架构的构建就是为了支持内容从集中式设施流向最终用户。流媒体服务就是一个很好的例子,终端用户只需发送很少的数据就能接收大量的数据。

本文认为,将处理转移到网络边缘的需求和不断增加的能力创造了一种不同类型的工业物联网网络

这种网络可能没有严格的层次结构,并且将在无数边缘设备的形式中展示各种连接和处理选项。工业物联网:在边缘

在工业世界中,数据处理向边缘转移。让我们举几个例子来说明这一点:

我们现在拥有可以精确测量和记录局部温度的传感器,而不是传统上在温度超过某个阈值时跳闸的温度传感器。传感器可以将一系列运行的温度数据点与设定的红线进行比较,以确定被测设备何时可能开始出现磨损迹象。如果机器在预设限制内运行,这样的传感器可能永远不会与中央控制系统通信。但它也可以根据需要标记预防性维护。

图片 6

基于云的架构

振动传感器可以连续记录伺服电机的振动。通过对振动数据进行局部快速傅立叶变换分析并比较主要振动频率,它只能在振动频率超出规格时标记并启动控制器。

Enterprise IOT Insights杂志解释了这方面的现实例子。在本案例研究中,他们描述了英特尔如何决定在其半导体生产设施中监控其风扇过滤器单元的运行状况。 FFU过滤和清洁工业机器内的空气。他们在工厂到处都是。英特尔放置的加速度计在每个FFU的顶部,以测量在所述风扇的功能变化和做了所有的处理在一个本地网关如下图所示。只有摘要数据和报告被送到cloud

图片 7

监控风扇过滤器单元的健康状况工业物联网:一种不同的模式

在传统的物联网模型中,传感器/硬件位于底部。他们的工作是收集数据并通过内置的网络连接,将堆栈中的数据发送到物联网服务器/平台。数据分析,数据可视化和应用程序开发发生在收集的数据上。然后管理层使用该分析的结果来确定正确的行动方案。这可以是预定的机器维护,生产过程优化或其他。这种非常分层的网络结构如下图所示。

图片 8

传统的分层物联网模型

事实上,工业中的大多数网络都不是这样的。首先,在每个传感器中放置5G无线电或Wi-Fi网络中是没有意义的,尤其是那些在煤矿,水下或热的振动伺服电机旁等恶劣条件下运行的传感器。

其次,传感器正在采集的大多数瞬时数据只具有实时值。检测危险的人体存在的接近检测器需要关闭电机或使其达到安全速度。这些数据不需要在堆栈中进行管理决策。

最后,在某些情况下,例如,通过网络发送逐秒振动数据是浪费带宽。汇总报告可能与下线分析相关。现实生活中的工业物联网网络更接近在下图中。

图片 9

现实生活中的工业物联网网络示例

大部分数据处理是在本地完成的,甚至可以使用边缘服务器分析多个传感器数据。连接并不总是通过TCP / IP网络连接,而是使用传统的坚固工业网络。这些可以是工业现场总线,RS-485,BACNet或其他一些工业标准。通常,摘要数据从边缘服务器放置在网络上。然后将这些数据存储在IoT服务器上进行分析和可视化,并为其开发不同的应用程序。代表性的工厂网络如下图所示。

图片 10

工厂网络示例结论

边缘处理在各种工业物联网应用中将变得非常重要。将用于边缘处理的系统必须具有小外形尺寸和低功耗特性。但除此之外,他们可以有很大的不同。过程工业中的敏感温度测量装置将与智能建筑中的占用检测器不同,智能建筑本身将与用于实现精确农业的传感器不同。

不同边缘设备的开发将由该领域专家的不同公司完成。随着边缘设备的激增,工业物联网的架构将从普遍推广的架构发生变化。产生的大量价值将从云设备制造商流向特定应用的边缘设备专家公司。

物联网将是一个重要的数字化转型推动者——为将数字化能力整合到组织的资产、产品和运营流程中提供新的机会,以提高效率、提升客户价值、降低风险,并发现新的货币化机会。正如波士顿咨询公司的图表报告“赢在物联网:一切与业务流程”显示的那样,当物联网分析与物联网应用程序 (如预测性维护,生产性能优化,减少浪费,减少过时和过量的库存以及首次修复)传递出业务和运作价值的可衡量资源时,物联网创造的价值就会发生

或者说,边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。

由物联网驱动的应用程序可以包含数百万个设备,这些设备向网络发送数据,而流向设备的数据相对较少。这种数据流平衡的巨大变化正在推动着网络、计算甚至计费模型的变化。边缘网络是适应这些新需求的新兴模式。根据IDC的数据,到2020年,在边缘基础设施上的IT支出将达到物联网基础设施总支出的18%。

图片 11

边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。

图2:“在物联网中获胜”BCG视角

图片 12

这是一个关键点,由于这些物联网驱动因素,数字化转型战场将向边缘移动,在那里可以更快地挖掘实时洞察并采取行动。

边缘计算发展史

定义边缘计算

边缘计算的起源可以追溯到上个世纪90年代。

边缘计算代表了一种架构上的转变,在这种转变中,智能被从云端推到边缘,将某些类型的分析和决策局部化。在更接近生态系统边缘的地方进行分析,可以让组织接近实时地分析重要数据,这是许多行业日益增长的需求,包括制造业、医疗保健、运输、能源、电信、娱乐、体育和金融服务。

当时Akamai公司推出了内容传送网络,该网络在接近终端用户设立了传输节点。这些节点能够存储缓存的静态内容,如图像和视频等。边缘计算通过允许节点执行基本的计算任务来进一步理解这一概念。

物联网边缘的一个例子是SCADA控制系统。SCADA是一种用于工业应用远程监控的控制系统架构。SCADA采用可编程逻辑控制器、远程终端设备和比例-积分-微分控制器从嵌入机器和设备中的传感器中捕获数据。边缘的数据收集和分析能力变得越来越强大,需要新的技能和功能,包括数据采集、数据集成、数据聚合和整合以及机器学习,这些都是寻求在边缘获得价值的组织所必需的。

1997年,计算机科学家Brian Noble演示了移动技术如何将边缘计算用于语音识别,两年后这种方式也被用来延长手机电池的寿命。当时这一过程被称为“cyber foraging”,这也是苹果的Siri和Google的语音识别的工作原理。

图片 13

1999年出现了点对点计算(peer-to-peer computing),随着2006年亚马逊公司发布了EC2服务的发布,云计算正式问世,自此以后各大规模的企业纷纷采用云计算。

图3:物联网边缘分析在获取和推动价值创造新来源方面的作用

2009年发布了移动计算汇总的基于虚拟机的Cloudlets案例详细介绍了延迟与云计算之间的端到端关系。该文提出了两级架构的概念:第一级是云计算基础设施,第二级是由分布式云元素构成的cloudlet。这是现代边缘计算的很多方面的理论基础。

边缘的数据捕获、集成、管理和分析要求与“传统”大数据/数据池为中心的环境中的数据和分析要求不同。因此,我们需要拓宽我们的分析架构——从边缘到云——以识别和捕获物联网提供的这些新的价值创造来源。

2012年思科推出了旨在提升物联网可扩展性的分布式云计算基础设施“雾计算”。

物联网分析参考体系结构

雾计算的概念中有很多是目前我们理解的边缘计算的理念,包括纯分布式系统,如区块链、点对点或混合系统,其中比较典型的是AWS的Lambda@Edge、Greengrass和Microsoft Azure IoT Edge,边缘计算目前已经成为推动采用物联网的关键技术。

正如来自Wikibon的Neil Raden在他的报告《边缘收获价值》中所说:“虽然物联网是现有技术的一个有用应用,在硬件和网络层面都有明确的定义,但物联网的核心,即产生真正价值的部分,是边缘分析。在传感器数据返回之前对其进行处理。我们已经知道如何将大量的数据流到数据池中以便日后进行分析,但边缘分析需要另外一种方法。”

图片 14

组织必须对其分析架构进行不同的思考。将有一个边缘组件(在该组件中生成实时数据,并且立即采取行动可以产生重大的战术业务和运营操作效益),将有一个云或核心组件(在那里收集所有数据以进行更具战略性的分析)。然而,中间还可能有几个分析层,它们支持混合设备和机器的组、联合或合并之间的分布式分析。如何确定在这个n层分析架构中的哪个点上需要定位那些分析?简单。查看业务和操作决策的延迟——也就是说,做出业务和操作决策需要多少时间——然后将这些分析放在适当的分析层。

边缘计算的未来

图片 15

边缘计算将会如何发展呢?

图4:跨n层分析架构的决策延迟

随着越来越多的终端用户通过边缘计算来提高性能、功能,我们将会看到边缘计算的爆炸式增长。

组织不仅需要更全面的分析体系结构,而且还需要在该体系结构的不同位置掌握新的高级分析算法,而这些地点的架构则需要从商业和业务的来源中,产生和驱动新的来源。

边缘计算可加速数据流生成,包括毫无延迟的实时数据处理。智能应用程序和设备得以在数据创建之时进行即时相应,从而减少延迟时间。这对自动驾驶汽车等技术及企业发展来说至关重要。

图片 16

边缘计算可在来源附近就地高效地处理大量数据,减少Internet带宽使用。成本得以缩减的同时,还可确保远程应用程序的高效使用。

图5:将高级分析映射到物联网分析架构

此外,用户无需将数据传输至公有云即可处理数据,从而提高了敏感数据的安全性。

从强化学习到机器学习再到深度学习,数据工程和数据科学资源的作用和重要性从未如此重要。

边缘计算不仅可以解决联网设备自动化的问题,且对数据传输量的要求降低,能够在云计算的基础上消除数据存储及数据传输的瓶颈。未来,随着物联网等技术的高速发展,边缘计算作为其关键技术也将会获得巨大的成功。

利用物联网技术驱动数字化转型

日立最近被定位为Gartner“工业物联网平台魔力象限”的三个供应商之一。我们认为这是日立对工业物联网市场愿景的一个很好的验证。

图片 17

图6:Gartner物联网魔力象限

然而,您也可以看到,没有一家供应商被放在“领导者”象限中,即既具有高“愿景完整性”又具有高“执行能力”的iiot供应商。我们相信,日立正朝着这个方向发展。日立计划通过与众多客户共同创建工业解决方案的战略,以解决方案为中心的方法引领市场,定义我们的产品和服务能力。通过帮助那些选定的客户识别和获取新的客户,运营和创造市场价值。边缘的数字化转型将成为这些共同创造工作的核心。

作者: Bill Schmarzo ,日立 CTO。

图片 18

编辑:金沙澳门官网 本文来源:数字转型之战将在边缘展开,说了这么久的边缘

关键词: