Wraz z rozwojem Internetu Rzeczy, mamy do czynienia z ogromnym wzrostem ilości gromadzonych danych. Głównym wyzwaniem jest w tym wypadku utrata wartości danych, których nie można dostatecznie szybko analizować. Rozwiązaniem tego problemu może być przeniesienie obliczeń i przetwarzania ze scentralizowanych serwerów do źródła – do urządzeń, które gromadzą te dane. Proces ten nazywany jest Edge Computing, a urządzenia – Edge Devices.
Do tej pory zdalne urządzenia miały za zadanie głównie gromadzić i krótkotrwale przechowywać dane oraz wysyłać je do chmury. Edge Computing wprowadza koncepcję przetwarzania danych na urządzeniu końcowym, czyli tam, gdzie one powstają lub blisko tej lokalizacji.
Praktyczne zastosowania
Przykładem może być nagranie video. Wyobraź sobie, jaka przepustowość jest potrzebna do przesłania nagrania w jakości HD, jak długo to trwa, ile miejsca potrzebujesz do przechowania materiału, a także jak długo będzie przetwarzany i jakie będzie opóźnienie dostarczenia ważnych informacji. Jeżeli dodamy do tego, że obraz pochodzi z wielu kamer, zagadnienie staje się trudne do realizacji. Jak będzie to wyglądało z wykorzystaniem technologii Edge? Możemy analizować przesłania nagrania z kamery w czasie rzeczywistym na urządzeniu i dostarczać jedynie ważne informacje. Zastanówmy się nad praktyczną aplikacją takiego podejścia.
Monitoring parkingów / liczba wolnych miejsc – czy rzeczywiście musimy przechowywać nagranie z całego dnia? Czy faktycznie musimy wysyłać je na serwer? A może wystarczy informacja, ile samochodów znajduje się na parkingu? W efekcie porównujemy przesyłanie wielogodzinnego nagrania i przechowywanie go do prostej informacji wysyłanej w momencie zmiany liczby wolnych samochodów. Informacja taka może brzmieć: „Dostępne 23 miejsca parkingowe” – brzmi lepiej, prawda?
Kolejny przykład to rozpoznawanie specjalnych znaków drogowych informujących o objazdach. Wykrycie takiego znaku i poinformowanie kierowcy lub maszyny (w przypadku samochodów autonomicznych) musi nastąpić natychmiast więc musi zostać wykryte blisko urządzenia końcowego (w tym wypadku kamery zainstalowanej w samochodzie). Technologia Edge może być czynnikiem decydującym o sukcesie autonomicznych pojazdach, choćby przez wykorzystanie jej w zagadnieniach takich jak np. unikanie kolizji.
Kolejny obszar to przewidywanie przeglądów maszyn linii produkcyjnej. Obecnie przeglądy wykonywane są okresowo, ze względu na brak lepszych wskaźników tego czy przegląd jest potrzebny. Efektem ubocznym są przeglądy wykonywane niepotrzebnie (co generuje koszty i przerwy w pracy linii produkcyjnej). Dzięki analizie danych u źródła (analiza parametrów operacyjnych maszyny), możliwe jest wykrycie anomalii w pracy linii produkcyjnej i podjęcie zawczasu czynności konserwacyjnych lub naprawczych.
Handel detaliczny – wykorzystanie rozwiązań Edge pozwala na wykonaniem obliczeń bliżej klienta, umożliwia polecanie maksymalnie spersonalizowanych produktów czy ofert i komunikację opartą o rzeczywiste zachowanie klienta podczas zakupów.
Najważniejsze czynniki rozwoju Edge Computingu
Czas na podsumowanie. Co sprawia, że Edge Computing zyskuje na popularności? Wspomnieliśmy wcześniej o jednym z czynników: ciągle rosnąca ilość danych, ale powodów jest jeszcze więcej:
- zmniejszenie kosztów przenoszenia danych do chmury lub własnego środowiska
- skrócony czas reakcji, natychmiastowa analiza (np. w terenie)
- cyberbezpieczeństwo – unikanie przesyłania i przechowywania niezabezpieczonych danych w chmurze
- dostęp do czasowych danych i ich analiza w czasie rzeczywistym
- możliwość działania bez podłączenia do Internetu
Najważniejszym celem jest redukcja opóźnień i podwyższenie niezawodności, dzięki przeniesieniu inteligencji poza centralną chmurę.
Narzędzia – Google Cloud uruchamia Edge Computing
W tym roku Google ogłosiło dwa komponenty wspomagające Edge Computing: oprogramowanie i sprzęt.
Cloud IoT Edge to część oprogramowania, która rozszerza przetwarzanie i uczenie maszynowe Google Cloud na miliony urządzeń typu Edge, takich jak manipulatory robotyczne, turbiny wiatrowe, platformy wiertnicze i inne. Dzięki Cloud IoT Edge dane uzyskiwane z urządzeń mogą być poddawane analizie w czasie rzeczywistym a wyniki można wykorzystać do zapobiegania awariom lub lepszego wykorzystania urządzeń. Cloud IoT Edge działa na systemach operacyjnych opartych na Linuksie.
Jak działa Cloud IoT Edge
Chip Edge TPU to z kolei specjalnie zaprojektowanie komponent sprzętowy Google’a, który pozwala na efektywne uruchomienie wytrenowanego uprzednio modelu uczenia maszynowego po stronie urządzenia końcowego. Zapewnia on wysoką wydajność obliczeniową przy niewielkim fizycznym rozmiarze. Jest także zoptymalizowany, pod względem zużycia energii.
Edge TPU