Edge-analytics is een methode voor data-analyse die plaatsvindt bij of in de buurt van de bron van datageneratie, d.w.z. aan de rand van het netwerk, in plaats van in een gecentraliseerd dataverwerkingsmagazijn of -cloud.
Deze aanpak is met name nuttig in IoT-toepassingen (Internet of Things), waar apparaten en sensoren enorme hoeveelheden data genereren die moeten worden verwerkt met realtime data-analyse om snelle besluitvorming en reacties mogelijk te maken.
Moderne edge analytics heeft een belangrijk contrast met traditionele cloud-gebaseerde analytics, waarbij data doorgaans uit verschillende bronnen worden verzameld, naar de cloud worden gestuurd voor verwerking en/of opslag, en vervolgens worden teruggestuurd naar de gebruiker of applicatie in de vorm van analyseresultaten.
Deze verwerking van data aan de bron (met edge analytics) helpt bedrijven de latency te verminderen, de efficiëntie van de bandbreedte te verbeteren en de beveiliging te verbeteren. Deze voordelen zijn van ongelooflijk belang in sectoren zoals productie, gezondheidszorg, nutsbedrijven, landbouw en telecommunicatie, die enorme hoeveelheden data echt snel moeten kunnen verwerken om de snel evoluerende eisen van hun klanten bij te kunnen houden.
Dit artikel zal ingaan op alles wat edge analytics te maken heeft, inclusief wat het is, hoe het werkt, de voordelen en de real-world applicaties.
Hoe werkt Edge Analytics?
Het proces van edge analytics omvat het verzamelen, analyseren en nemen van beslissingen over data bij of in de buurt van de bron van datageneratie, meestal op edge-apparaten of sensoren.
Hier is een overzicht van elke stap in het proces:
- Dataverzameling
Edge-apparaten, zoals IoT-sensoren, industriële machines of mobiele apparaten, verzamelen data uit hun omgeving. Deze data kunnen verschillende soorten informatie bevatten, zoals temperatuur, druk, trillingen, locatie, afbeeldingen, video's of andere sensormetingen. Edge-apparaten zijn uitgerust met sensoren, processors en soms opslagcapaciteiten om data lokaal vast te leggen en op te slaan.
- Voorverwerking van data
Zodra de edge-apparaten de data verzamelen, kunnen ze voorverwerkingstaken ondergaan zoals filteren, aggregeren of comprimeren om het volume van de data te verminderen of de kwaliteit ervan te verbeteren. Deze voorverwerkingstaken helpen de data te optimaliseren voordat ze voor analyse worden verzonden, waardoor de bandbreedtevereisten worden verminderd en de efficiëntie van de daaropvolgende analyse wordt verbeterd.
- Data-analyse
Edge-apparaten voeren lokale analyses uit op de voorbewerkte data om inzichten te verkrijgen of patronen te detecteren. Analysetechnieken kunnen variëren afhankelijk van de toepassing en de aard van de data, maar kunnen statistische analyse, machine learning-algoritmen of op regels gebaseerde verwerking omvatten.
Het doel van data-analyse aan de edge is om relevante informatie te extraheren en bruikbare inzichten in realtime te identificeren.
- Besluitvorming
Op basis van de resultaten van de data-analyse kunnen edge-apparaten autonome beslissingen nemen of direct aan de edge acties activeren zonder dat ze data naar een gecentraliseerde server hoeven te sturen. Besluitvormingsprocessen kunnen vooraf gedefinieerde regels, machine learning-modellen of algoritmen zijn die in de edge-apparaten zijn geprogrammeerd.
Real-world applicaties van Edge Analytics
Laten we eens wat dieper ingaan op hoe edge analytics industrieën zoals productie, gezondheidszorg en transport transformeert, met specifieke gebruikssituaties.
Productie
Voorspellend onderhoud: Edge analytics stelt fabrikanten in staat om storingen in apparatuur te voorspellen voordat ze zich voordoen door sensorgegevens in realtime te analyseren. Een fabrikant kan bijvoorbeeld edge analytics gebruiken om de trillingspatronen van machines te monitoren. Alle abnormale patronen kunnen onderhoudswaarschuwingen activeren, waardoor proactieve reparaties mogelijk zijn en downtime tot een minimum wordt beperkt.
Kwaliteitscontrole: In productieprocessen kan edge analytics sensorgegevens analyseren om defecten of anomalieën in realtime te identificeren. In de automobielindustrie kan edge analytics bijvoorbeeld beelden van voertuigonderdelen analyseren om defecten zoals krassen of verkeerde uitlijningen op de assemblagelijn te detecteren, waardoor de productkwaliteit wordt gewaarborgd en afval wordt verminderd.
Procesoptimalisatie: Edge analytics kan productieprocessen optimaliseren door data te analyseren van sensoren die in productieapparatuur zijn ingebed. Bij de productie van halfgeleiders kan edge analytics bijvoorbeeld temperatuur, druk en andere procesparameters analyseren om de opbrengst te optimaliseren en defecten te verminderen.
Gezondheidszorg
Externe patiëntbewaking: Edge analytics maakt realtime monitoring van de vitale functies en gezondheidsgegevens van patiënten van draagbare apparaten of medische sensoren mogelijk - het medische Internet of Things (mIoT). Zorgverleners kunnen deze data gebruiken om vroege tekenen van gezondheidsproblemen of anomalieën op te sporen, waardoor tijdige interventies en gepersonaliseerde zorgplannen mogelijk zijn.
Noodhulp: In medische noodsituaties kan edge analytics data van medische apparaten en sensoren analyseren om patiënten te prioriteren en te triageren op basis van de ernst van hun aandoening. In een gebeurtenis van een massaal slachtoffer kan edge analytics bijvoorbeeld hulpverleners helpen om snel patiënten te identificeren die onmiddellijke aandacht nodig hebben.
Analyse van medische beeldvorming: Edge analytics kan medische beeldgegevens, zoals röntgenfoto's of MRI-scans, in realtime analyseren om radiologen te helpen bij het diagnosticeren van aandoeningen zoals fracturen, tumoren of afwijkingen. Dit kan de diagnostische nauwkeurigheid verbeteren en de tijd die nodig is om medische beelden te interpreteren verkorten.
Transport
Voorspellend onderhoud voor voertuigen: Edge analytics stelt transportbedrijven in staat om de staat van voertuigen in realtime te bewaken en de onderhoudsbehoeften te voorspellen op basis van sensorgegevens. Edge analytics kan bijvoorbeeld motorprestatiegegevens analyseren om tekenen van slijtage te detecteren en te anticiperen op onderhoudsvereisten, waardoor ongeplande downtime wordt verminderd en de efficiëntie van het wagenpark wordt verbeterd.
Verkeersmanagement: Edge analytics kan data van verkeerssensoren, camera's en GPS-apparaten analyseren om de verkeerssituatie in realtime te monitoren. Transportautoriteiten kunnen deze data gebruiken om de verkeersstroom te optimaliseren, congestie op te sporen en de verkeersveiligheid te verbeteren door ongevalgevoelige gebieden of gevaarlijke wegomstandigheden te identificeren.
Autonome voertuigen: Edge analytics speelt een cruciale rol bij het mogelijk maken van autonome voertuigen om realtime beslissingen te nemen op basis van sensorgegevens van camera's, LiDAR, radar en andere sensoren aan boord. Edge analytics-algoritmen analyseren deze data om obstakels, voetgangers en andere voertuigen te detecteren, waardoor autonome voertuigen veilig en efficiënt kunnen navigeren.
Naarmate de edge-technologie zich blijft ontwikkelen, kunnen we verdere vooruitgang en innovaties verwachten die worden aangedreven door edge-analytics in een breed scala van sectoren.
Het belang en de voordelen van Edge Analytics
De wereld wordt steeds meer datagestuurd, waarbij steeds meer data overal worden gegenereerd, ook aan de edge, en een groot deel ervan is ongestructureerde data.
Edge-analytics stelt bedrijven in staat hun steeds volumineuzere edge-data te benutten via:
- Realtime inzichten: Door data aan de edge te analyseren, kunnen organisaties realtime inzicht krijgen in hun activiteiten, waardoor snellere besluitvorming en respons op gebeurtenissen mogelijk zijn wanneer ze zich voordoen.
- Verminderde latency: Edge analytics vermindert de latency die gepaard gaat met het verzenden van data naar een gecentraliseerde locatie voor verwerking. Dit is met name cruciaal in toepassingen waar realtime respons van cruciaal belang is, zoals in de productie, de gezondheidszorg en autonome voertuigen.
- Bandbreedte-efficiëntie: Het analyseren van data aan de edge vermindert de hoeveelheid data die via netwerken moet worden verzonden, waardoor bandbreedte wordt bespaard en kosten en energieverbruik in verband met dataoverdracht en -opslag worden verminderd.
- Verbeterde beveiliging en privacy: Edge-analytics kunnen de veiligheid en privacy verbeteren door gevoelige data lokaal te verwerken, zonder deze over potentieel onveilige netwerken te hoeven verzenden. Dit is vooral belangrijk in sectoren als de gezondheidszorg en de financiële sector, waar de regelgeving inzake dataprivacy streng is.
- Schaalbaarheid: Edge analytics maakt gedistribueerde verwerking van data over meerdere edge-apparaten mogelijk, waardoor schaalbaarheid mogelijk is naarmate datavolumes en verwerkingsvereisten toenemen.
Conclusie
Edge-analytics is een methode voor data-analyse die plaatsvindt bij of in de buurt van de bron van datageneratie, zoals IoT-apparaten, in plaats van in gecentraliseerde dataverwerkingswarehouses of de cloud. Het is vooral voordelig in IoT-toepassingen waar snelle besluitvorming en reacties essentieel zijn. Door data aan de edge te verwerken, kunnen bedrijven de latency verminderen, de efficiëntie van de bandbreedte verbeteren en de beveiliging verbeteren.
Real-world applicaties van edge analytics bestrijken verschillende sectoren. In de productie maakt het voorspellend onderhoud, kwaliteitscontrole en procesoptimalisatie mogelijk. In de gezondheidszorg vergemakkelijkt het patiëntbewaking op afstand, noodhulp en analyse van medische beeldvorming. In het transport ondersteunt het voorspellend onderhoud voor voertuigen, verkeersmanagement en autonome voertuigbediening.
U hebt de juiste basis nodig om uw edge analytics-inspanningen te ondersteunen. Pure Storage-oplossingen kunnen u helpen te profiteren van uw op analytics gerichte AI-investeringen en uw high-performance computing te versnellen en te schalen.
Pure1® AIOps helpt bij dashboard-analytics door u in staat te stellen machine learning en analytics volledig te benutten om IT-activiteiten te stroomlijnen en te verbeteren, zoals servicedesk, monitoring en automatisering. Portworx ® en Pure Cloud Block Store ™ bieden cruciale infrastructuurondersteuning voor IoT-toepassingen.
