IoT przetwarzanie danych na brzegu – IoT Edge Computing.

Czym właściwie jest IoT? 

Jest to szerokie pojęcie, możemy zaliczyć do niego wszystkie urządzenia Smart home (urządzenia pozwalające zdalnie sterować oświetleniem, temperaturą w naszych domach), nowoczesne projekty Smart city (których koncepcją jest to, aby miasto żyło reagując, służąc i dbając o swoich mieszkańców, poprzez wprowadzenie systemu czujników powietrza monitorujących zanieczyszczenia w czasie rzeczywistym lub system koszy na śmieci które monitorują swoje zapełnienie). 

Ciągle również rozwijamy ideę Smart car (wprowadzanie inteligentnych rozwiązań, takich jak wymiana informacji o natężeniu ruchu pomiedzy pojazdami,  aby codziennie użytkowanie samochodu było dla nas wygodniejsze i bezpieczniejsze). 

Modernizujemy również fabryki, aby najcięższą i najbardziej niebezpieczną pracę wykonywały roboty. Wdrażamy rozwiązania IoT także do przemysłu w celu optymalizacji kosztów i maksymalizacji zysków.

Na tą chwilę w codziennym życiu, jesteśmy otoczeni urządzeniami smart, a liczba tych urządzeń na świecie jest już liczona w bilionach. Szacuje się, że na obecnie na świecie podłączonych jest 9.9 biliona urządzeń, a w roku 2025 liczba ta będzie oscylować w okolicy 25.5 biliona aktywnych urządzeń.

Po chwili zastanowienia możemy dojść do wniosku, że taka liczba urządzeń generuje wręcz niewyobrażalną ilość danych. Aby czerpać z tych danych korzystać, musimy je przetworzyć. 

Ilość danych IoT – jak do tego podejść?

Posłużmy się przykładem, skoro jeden samolot Airbus A350 w ciągu jednego dnia pracy gromadzi z 6000 czujników i 2.5Tb danych, to przecież codzienny transfer takiej ilości danych w celu ich przetworzenia (aby poznać aktualny stan samolotu), brzmi kosztownie i problematycznie.

Zatem znacznie rozsądniej brzmi przesłanie krótkiego raportu, które systemy są w normie a które wymagają serwisowej ingerencji. Rozwiązaniem problemu obróbki takich danych, jest przetworzenie ich jak najbliżej ich źródła czyli Edge computing. W tym celu możemy wykorzystać funkcje analitycznie oraz Machine learning. 

IoT Edge Computing korzyści płynące z przetwarzania danych lokalnie

• Oszczędność czasu

Nie tracimy czasu, czekając aż nasze dane zostaną przesłane do chmury, tam odpowiednio w niej opracowane, a następnie wrócą do nas abyśmy mogli podjąć na ich podstawie akcje. 

Zamiast czekać aż sygnalizator świetlny wyśle dane o ruchu na skrzyżowaniu, na którym właśnie jesteśmy, a potem doczeka się ich powrotu w celu  wyświetlenia nam zielonego światła, lepiej nauczyć sygnalizator samodzielnego podejmowania decyzji na podstawie danych jakie zbiera.

• Odporność na problemy z łącznością 

Odwołajmy się ponownie do przykładu ze skrzyżowaniem, następnie rozważmy sytuację w której sygnalizator utracił połączenie z siecią i nie może wysłać danych.

Czy będziemy czekali na zmianę świateł, do czasu przywrócenia połączenia? Nie będziemy skazani na czekanie, jeśli sygnalizator będzie potrafił analizować swoje dane lokalnie. Może czekać z wysłaniem raportu o swoim działaniu do czasu przywrócenia połączenia, jednocześnie normalnie funkcjonując. 

• Redukcja kosztów utrzymania infrastruktury

Przesyłanie danych kosztuje. Warto mieć to na uwadzę już na etapie projektowania infrastruktury. W ten sposób możemy uniknąć generowania zbędnych kosztów transferem danych.

• Poprawa bezpieczeństwa

Możemy uniknąć wysyłania wrażliwych danych w surowej formie, poprzez dodatkowy krok który umożliwia ich obróbkę. Doskonałym przykładem na to jest IoT w służbie wojsku. Nikt nie chciałby aby dane, takie jak np. pozycja GPS, wpadły w niepowołane ręce. 

IoT Edge Computing – z czym należy się zmierzyć

• Utrata części danych

Decydując się na przetwarzanie danych lokalnie i ograniczenie kosztów związanych z transmisją do chmury, nie mamy możliwości dalszej analizy i przetwarzania danych. 

• Ograniczone zasoby sprzętowe

W momencie gdy decydujemy się na Edge computing, musimy mieć świadomość, że urządzenie na którym zamierzamy procesować dane, ma określone zasoby sprzętowe i należy nimi odpowiednio zarządzać.

IoT w chmurze

Załóżmy, że przetwarzamy dane lokalnie, przez co redukujemy ilość danych które będziemy wysyłać z urządzenia. Rozwiązujemy w ten sposób problem zbyt dużej ilości danych, jednakże dalej stoimy przed wyzwaniem jakim jest przechowywanie oraz przetwarzanie danych, w skali naprawdę wielu urządzeń. W tym momencie możemy wykorzystać pomocną dłoń, oferowaną przez czołowych dostawców chmur. Oferują oni zestawy narzędzi, które są gotowe, aby pomóc w codziennych zadaniach.

Jak by na to nie patrzeć, flota urządzeń IoT generuje sporą liczbę informacji, które nie musza być danymi pozwalającymi na obróbkę wyłącznie w obrębie urządzenia IoT.

Integracja z chmurą, daje nam korzyści w postaci mocy obliczeniowej dostępnej na życzenie oraz możliwość gromadzenia danych, w celu późniejszego ich przetworzenia. Ułatwia nam również zadania związane z monitorowaniem i kontrolą urządzeń w czasie rzeczywistym. Jednocześnie dostajemy korzyści typowe dla usług chmurowych, takie jak model płatności w którym płacimy tylko za wykorzystane zasoby oraz brak konieczności fizycznej opieki nad infrastrukturą.

Internet rzeczy jest w naszym życiu coraz częściej obecny, co wiąże się z rosnącą ilością danych jakie generuje, a więc również z koniecznością ich przetwarzania. Na szczęście możemy wspomóc się wykonując część operacji lokalnie na urządzeniu generującym dane.