Co to są systemy przetwarzania brzegowego?

Szybsze przenoszenie, więcej przestrzeni, przetwarzanie wszystkich danych — na brzegu sieci.

Wnioski dotyczące przetwarzania brzegowego

  • Dzięki przeniesieniu wydajnego przetwarzania brzegowego bliżej miejsca generowania danych przedsiębiorstwa i usługodawcy mogą zidentyfikować nowe możliwości zwiększenia przychodów, a także oferować innowacyjne usługi i zaoszczędzić czas oraz pieniądze na działalności operacyjnej.

  • Przetwarzanie brzegowe zmniejsza opóźnienie przetwarzania danych, zwiększa szybkość reakcji oraz umożliwia lepsze zarządzanie ruchem sieciowym i zachowanie zgodności z wymogami jurysdykcyjnymi dotyczącymi bezpieczeństwa i prywatności.

  • Przetwarzanie brzegowe jest jednym z elementów rozproszonej architektury obliczeniowej, dlatego przy projektowaniu interoperacyjnego rozwiązania od brzegu do chmury należy uwzględnić całą infrastrukturę — od urządzeń brzegowych przez lokalne rozwiązania na brzegu sieci aż po chmurę.

BUILT IN - ARTICLE INTRO SECOND COMPONENT

Ogromny wzrost ilości danych zbieranych przez miliardy urządzeń IoT i urządzeń przenośnych wymusza przejście z przesyłania danych do chmury na przetwarzanie i przechowywanie w ramach modelu rozproszonego, w którym część przetwarzania odbywa się na brzegu sieci, bliżej miejsca, gdzie dane są tworzone. Technologie Intel® umożliwiają szybsze wdrażanie rozwiązań przetwarzania brzegowego do obsługi wielu zastosowań na wielu rynkach.

Co to są systemy przetwarzania brzegowego?

Przetwarzanie brzegowe odnosi się do przetwarzania, analizowania i przechowywania danych bliżej miejsca, gdzie są generowane, aby umożliwić szybką analizę i reakcję, niemalże w czasie rzeczywistym. W ostatnich latach niektóre firmy skonsolidowały operacje przez centralizację przechowywania i przetwarzania danych w chmurze. Jednak wymagania związane z nowymi przypadkami użycia obejmującymi miliardy rozproszonych urządzeń — od zaawansowanych rozwiązań z zakresu zarządzania magazynem i zapasami przez zrobotyzowane linie produkcyjne z systemami wizyjnymi aż po zaawansowane, inteligentne systemy kontroli ruchu w miastach — spowodowały, że ten model nie jest zrównoważony.

Ponadto zwiększone zapotrzebowanie na urządzenia brzegowego — od urządzeń Internetu przedmiotów (IoT), takich jak inteligentne kamery, kioski mobilnych punktów sprzedaży, czujniki medyczne i komputery przemysłowe do bram i infrastruktury obliczeniowej — do szybkich analiz w czasie zbliżonym do rzeczywistego przekłada się na wykładniczy wzrost ilości generowanych i zbieranych danych.

Szacuje się, że do 2025 roku 75% danych będzie tworzonych poza centrami danych, w których obecnie jest realizowana większość przetwarzania1. Idąc dalej, około 90% wszystkich danych zbieranych obecnie przez przedsiębiorstwa nigdy nie zostanie wykorzystane2. Przetwarzanie brzegowe zapewnia korzyści wynikające z wysokowydajnego przetwarzania danych zbieranych z urządzeń, łączności z niskim opóźnieniem oraz bezpiecznych platform.

Szacuje się, że do 2025 roku 75% danych będzie tworzonych poza centrami danych, w których obecnie odbywa się większość przetwarzania1.

Czynniki przyspieszające rozwój przetwarzania brzegowego

Granice wydajności przetwarzania w chmurze są stale przesuwane z powodu potrzeb obsługiwanych usług i aplikacji, od przechowywania i przetwarzania danych po czas reakcji systemu. W wielu przypadkach większa przepustowość lub moc obliczeniowa nie wystarczy, aby spełnić wymagania szybszego przetwarzania danych z połączonych urządzeń i natychmiastowego generowania analiz oraz działań w czasie zbliżonym do rzeczywistego. Te luki napędzają wdrażanie i korzystanie z przetwarzania brzegowego.

Oto najważniejsze czynniki przyczyniające się do wyzwań w chmurze:

  • Opóźnienie. W coraz większej liczbie branż są wdrażane aplikacje wymagające szybkiej analizy i reakcji. Samo przetwarzanie w chmurze nie może zaspokoić tych potrzeb z powodu opóźnienia spowodowanego odległością między siecią a źródłem danych, które z kolei przekłada się na brak wydajności, dłuższy czas przetwarzania i niski poziom zadowolenia klientów.
  • Przepustowość pasma. Zwiększenie przepustowości transmisji lub mocy obliczeniowej może rozwiązać problemy z opóźnieniem. Jednak z uwagi na ciągły wzrost liczby urządzeń brzegowych w sieciach firmowych i ilości generowanych danych koszty przesyłania danych do chmury mogą być nieopłacalne. Przetwarzanie, przechowywanie i analizowanie danych na brzegu sieci pozwala zmniejszyć te koszty.
  • Bezpieczeństwo i prywatność. Zabezpieczanie poufnych danych, takich jak prywatne dane medyczne, na brzegu sieci i przesyłanie mniejszej ilości danych przez Internet może pomóc w zmniejszeniu ryzyka przechwycenia. Ponadto niektóre rządy lub niektórzy klienci mogą wymagać, aby dane pozostały w jurysdykcji, w której zostały utworzone. Przykładowo w opiece zdrowotnej mogą także obowiązywać lokalne lub regionalne wymagania dotyczące ograniczenia przechowywania lub transmisji danych osobowych.
  • Łączność. Brak stałej łączności internetowej może utrudniać przetwarzanie w chmurze, jednak szereg opcji łączności sieciowej umożliwia przetwarzanie od brzegu do chmury. Przykładowo sieć 5G zapewnia połączenie o dużej przepustowości i niskich opóźnieniach do szybkiego transferu danych oraz dostarczania usług od brzegu sieci.
  • AI. Z uwagi na potrzebę uzyskiwania przydatnych informacji w czasie zbliżonym do rzeczywistego firmy potrzebują rozwiązań opartych na sztucznej inteligencji w źródle danych, aby mogły szybciej przetwarzać dane i wykorzystać potencjał wcześniej niewykorzystanych danych.

Zalety przetwarzania brzegowego

Przeniesienie niektórych funkcji związanych z przechowywaniem, przetwarzaniem i analizą z chmury na brzeg sieci bliżej miejsca, w którym dane są generowane, może zapewnić kilka kluczowych zalet:

  • Większa prędkość i mniejsze opóźnienie. Przeniesienie przetwarzania i analizowania danych na brzeg sieci pomaga przyspieszyć reakcję systemu, umożliwiając szybsze transakcje i poprawę doświadczeń, co może być szczególnie istotne w zastosowaniach w czasie rzeczywistym, takich jak obsługa pojazdów autonomicznych.
  • Udoskonalone zarządzanie ruchem sieciowym. Minimalizacja ilości danych przesyłanych w sieci do chmury może zmniejszyć przepustowość oraz koszty przesyłania i przechowywania dużych ilości danych.
  • Większa niezawodność. Ilość danych przesyłanych jednocześnie w sieci jest ograniczona. W przypadku lokalizacji ze słabą łącznością internetową możliwość przechowywania i przetwarzania danych na brzegu sieci zwiększa niezawodność, gdy połączenie z chmurą zostanie zakłócone.
  • Większe bezpieczeństwo. Gdy zostanie odpowiednio wdrożone, rozwiązanie przetwarzania brzegowego może zwiększyć bezpieczeństwo danych, ograniczając transmisję danych przez Internet.

Z brzegu sieci do chmury

Chociaż przetwarzanie brzegowe daje organizacjom niespotykaną możliwość odblokowania wartości danych, chmura nadal jest niezwykle ważna jako główne repozytorium danych i centrum przetwarzania. Na poniższej ilustracji przedstawiono, jak połączenie urządzeń brzegowych do zbierania danych, przetwarzania, przechowywania i obsługi sieci pomaga organizacjom maksymalnie wykorzystać dane w każdym punkcie.

Urządzenia IoT i do przetwarzania brzegowego zbierają dane oraz zarządzają nimi na jeden z dwóch głównych sposobów. Inteligentne urządzenia do przetwarzania brzegowego z wbudowanymi procesorami mogą zapewniać zaawansowane możliwości, takie jak analizy lub wdrożenie sztucznej inteligencji, natomiast urządzenia bez procesorów wysyłają wygenerowane dane na serwer na lokalnym brzegu sieci na potrzeby przechowywania i analizy. Lokalny serwer brzegowy może wówczas przetwarzać dane z urządzeń do przetwarzania brzegowego i zwracać kluczowe informacje wymagane w ramach zastosowań w czasie zbliżonym do rzeczywistego lub wysyłać jedynie odpowiednie części danych do chmury. Dane z licznych urządzeń do przetwarzania brzegowego można skonsolidować w chmurze, aby uzyskać większe możliwości przetwarzania i analizy.

Przypadki użycia przetwarzania brzegowego

Firma Intel współpracowała z wieloma partnerami z branży i klientami końcowymi przy wdrażaniu kilkudziesięciu tysięcy rozwiązań przetwarzania brzegowego. Poniżej opisano cztery przypadki użycia rozwiązań przetwarzania brzegowego, które pokazują, jak firma Intel dała przedsiębiorstwom nowe możliwości i przyczyniła się do zwiększenia wydajności operacji.

Sprzedaż detaliczna: systemy przetwarzania brzegowego mogą korzystać z czujników i kamer, aby poprawić dokładność inwentaryzacji w sprzedaży detalicznej i zwiększyć wydajność łańcuchów dostaw oraz rozwoju produktów. Ponadto systemy przetwarzania brzegowego mogą obsługiwać analizę zachowania klientów w czasie zbliżonym do rzeczywistego, zapewniając lepsze i potencjalnie bezpieczniejsze zakupy. Przykładowo rozwiązanie wideo Sensormatic oparte na sztucznej inteligencji pomogło sprzedawcom detalicznym otworzyć sklepy z zachowaniem standardów bezpieczeństwa podczas pandemii COVID-19 przez śledzenie liczby klientów i monitorowanie dystansu społecznego.
Przemysł: systemy przetwarzania brzegowego mogą stanowić podstawę dla Przemysłu 4.0 w ramach integracji technologii cyfrowych i fizycznych na potrzeby zwiększenia elastyczności i optymalizacji produkcji. Przykładowo firmy Intel i Nebbiolo Technologies współpracowały z inżynierami Audi odpowiedzialnymi za produkcję samochodów, aby opracować skalowalną, elastyczną platformę wykorzystującą algorytmy analizy predykcyjnej i uczenia maszynowego, w efekcie usprawniając kontrole spoin oraz krytyczne procesy kontroli jakości.3
Edukacja: niektóre rozwiązania edukacyjne oparte na oprogramowaniu wykorzystują technologię AI na urządzeniach na potrzeby spersonalizowanej pomocy wirtualnej, naturalnej interakcji językowej, a nawet rozszerzonej rzeczywistości. Przykładowo tablica cyfrowa ViewSonic wykorzystuje technologię brzegową i wizyjną, aby odtworzyć warunki nauczania w klasie dla uczniów i nauczycieli objętych programem zdalnego nauczania.
Opieka zdrowotna: systemy przetwarzania brzegowego mogą pomóc w transformacji wyników w ramach monitorowania pacjentów ambulatoryjnych i szpitalnych oraz usług teleopieki, a także pomagają szybciej wykrywać problemy zdrowotne przez zastosowanie interfejsów maszynowego i głębokiego uczenia w urządzeniach do obrazowania. Firma Philips, korzystając ze sztucznej inteligencji, usprawniła interpretowanie obrazów diagnostycznych z dotychczasowych tomografów o 188 procent bez konieczności zakupu nowego drogiego sprzętu4.

Technologia przetwarzania brzegowego w praktyce

W odcinku 5 „The Inside Edge” Steen Graham, główny menedżer ds. IoT firmy Intel, omawia zastosowania przetwarzania brzegowego w prawdziwym świecie, od opieki zdrowotnej przez produkcję po sprzedaż detaliczną, aby pokazać, jak rozwiązania przetwarzania brzegowego oparte na technologiach Intel mogą zapewnić klientom nowe doświadczenia i spowodować rewolucję w całych branżach.

Lepsze wyniki zaczynają się na brzegu sieci

Przetwarzanie brzegowe daje przedsiębiorstwom i usługodawcom wyjątkową możliwość odblokowania wartości danych. Z właściwym partnerem firma może w pełni wykorzystać dane w każdym punkcie. Firma Intel, która wdrożyła kilkadziesiąt tysięcy systemów brzegowych generujących realną wartość, setki gotowych rozwiązań zoptymalizowanych dla różnych rynków, technologie oparte na standardach i najbardziej zaawansowany na świecie ekosystem dla programistów, może pomóc w opracowaniu inteligentnego systemu brzegowego.

Dowiedz się więcej o rozwiązaniach przetwarzania brzegowego

Doświadczenie firmy Intel w zakresie opracowywania rozwiązań, które łączą przechowywanie, transmisję, przetwarzanie i analizowanie danych, zaowocowało dziesiątkami tysięcy wdrożeń rozwiązań brzegowych opartych na technologiach Intel. Dowiedz się więcej z poniższych zasobów.

Technologie i rozwiązania przetwarzania brzegowego Intel®

Poznaj technologie i rozwiązania brzegowe firmy Intel® oraz dowiedz się, z jakich możliwości możesz skorzystać.

Więcej informacji

Inteligentne decyzje z Internetem przedmiotów (IoT)

Dowiedz się, jak firma Intel przyczynia się do rozwoju Internetu przedmiotów (IoT), aby pomóc organizacjom w przekształcaniu danych w przydatne analizy.

Więcej informacji

Sztuczna inteligencja Intel®: udane wdrożenia w branży produkcyjnej

Zobacz, jak firma Intel wraz z partnerami dostarcza rozwiązania brzegowe oparte na AI w branży produkcyjnej.

Więcej informacji

5G i przetwarzanie brzegowe

Dowiedz się, jak sieć 5G i przetwarzanie brzegowe zwiększają prędkość, niezawodność i elastyczność aplikacji firmowych.

Więcej informacji

Często zadawane pytania

Często zadawane pytania

Przetwarzanie brzegowe odnosi się do przetwarzania, analizowania i przechowywania danych bliżej miejsca, w którym są generowane w sieci, co pozwala na szybką analizę i reagowanie w czasie rzeczywistym, a także daje możliwość zarabiania na danych, oferowania nowych usług oraz oszczędzania czasu i pieniędzy na działalności operacyjnej. Pięć podstawowych czynników przyspieszających rozwój przetwarzania brzegowego to opóźnienie, przepustowość, bezpieczeństwo, łączność i sztuczna inteligencja.

Brzeg sieci to miejsce tuż poza rdzeniem sieci. Obejmuje zbieżne lokalizacje, takie jak regionalne centra danych, centralne biura nowej generacji (NGCO), stałe punkty dostępu do sieci przewodowej, stacje bazowe dostępu do sieci bezprzewodowej i sieci radiowe (RAN).

Przetwarzanie brzegowe w chmurze rozszerza standardowe przetwarzanie chmurowe o technologie brzegowe w ramach pewnych rodzajów obciążeń. W przypadku przetwarzania brzegowego w chmurze chmura brzegowa hostowana na serwerze brzegowym, który funkcjonuje jako centrum danych, rozszerza zalety korzystania z chmury na sieci brzegowe, przybliżając inteligentne węzły brzegowe do urządzeń lokalnych, wyposażenia i zasobów do zbierania oraz przechowywania danych, a także przyspiesza przetwarzanie danych, zmniejszając w ten sposób opóźnienie w aplikacjach brzegowych zależnych od danych przetwarzanych w czasie zbliżonym do rzeczywistego.

Informacje o produktach i wydajności

1

Rob van der Meulen, „What Edge Computing Means for Infrastructure and Operations Leaders,” Smarter with Gartner, 3 października 2018 r., https://www.gartner.com/smarterwithgartner/what-edge-computing-means-for-infrastructure-and-operations-leaders/

2

Tom Taulli, „What You Need To Know About Dark Data,” Forbes, 27 października 2019 r., https://www.forbes.com/sites/tomtaulli/2019/10/27/what-you-need-to-know-about-dark-data/?sh=62b9d4be2c79

3

„Zautomatyzowana fabryka Audi jest coraz bliżej koncepcji przemysłu 4.0,” Intel, https://www.intel.com/content/dam/www/public/us/en/documents/case-studies/audis-automated-factory-closer-to-industry-case-study.pdf.

4

„Firmy Intel i Philips przyspieszają wnioskowanie głębokiego uczenia na procesorach w najważniejszych zastosowaniach obrazowania medycznego,” Intel News Byte, 14 sierpnia 2018 r., https://newsroom.intel.com/news/intel-philips-accelerate-deep-learning-inference-cpus-key-medical-imaging-uses/#gs.kx7zmx Firma Intel może w dowolnym momencie i bez wcześniejszego powiadomienia zmienić dostępność produktów oraz ich obsługę. Skontaktuj się z przedstawicielem konta firmy Intel, aby uzyskać dodatkowe informacje.