大數據,大問題。邊緣運算能有答案嗎?

edge computing data

多少數據稱作太多?邊緣運算說明較小數據分析的事例。

企業憑直覺或經驗做決策的日子一去不復返了,因為他們總是這麼做。相反地,資料助長了更進一層的業務創新,幫助企業做出更明智,通常也是即時的決策。

成功的關鍵是大數據,即被描述為大到無法由傳統軟體處理的探勘資料集。大數據使公司能夠理解海量資訊,包括格式化和原始流資料,更準確地類比結果,甚至發現未知的相關性。

例如,人們發現抗抑鬱藥物desipramine在治療某些類型的肺癌時具有潛在的益處。如果沒有大數據分析,很難發現這種關聯性。

過多貧乏數據

隨著物聯網設備數量的增加,利用收集到的額外資料提升洞察力,對企業來講是一個巨大的機會。但也許現在有太多的數據,並非全部有用。 思科估計,在物聯網設備的推動下,到2021年,我們每年將產生驚人的847 zettabytes(ZB)數據。

使用雲端系統簡單地處理大量數據需要更昂貴的基礎設施。從雜亂的資料中區分有用資料是一個更大的挑戰。事實上,據思科預計,到2021年,有用資料約85 ZB,僅占總生成量的10%。然而,邊緣運算和邊緣AI可能會有答案,以下為兩種主要的方法。

改善資料收集

基於強大的雲端大數據分析功能,能提供給系統的資訊越有用,就能為您的問題提供更好的答案。例如,在零售環境中,人臉辨識系統收集的客流量統計資料可以為簡單的銷售增加更多細節資訊,讓您不僅知道已銷售的品項為何,還知道為哪些客戶所購買。

大數據大問題-1
不是所有工業物聯網感測器產生的資料都是有用的,那麼為什麼不在邊緣進行篩選呢?

而且,在製造業中,物聯網感測器測量溫度、濕度和振幅等值,有助於全面瞭解,讓您預測機器可能何時出現故障,並預先安排維護。

困難點在於,在這些場景以及其他類似場景中,物聯網設備正生成驚人量的數據,但並非所有數據都是有用的。以人口統計資訊為例,使用基於雲端的系統,物聯網攝影鏡頭必須收集影片,將其發送到中央伺服器,然後提取必要資訊。

在邊緣篩選數據

藉由邊緣運算解決方案,連接到攝影鏡頭的電腦可以自動刪除人口統計資訊,並將其發送到雲端進行存儲和處理。這大大減少了數據的收集量,且只提供有用資訊。

同樣地,使用物聯網感測器,還有必要每秒為存儲發送測量值嗎?在本地存放資料,或許使用較長時間段的平均值,邊緣運算可以減少無用資訊,對資料進行篩選並僅提供有用及相關的資訊。

或許最重要的是,在人們擔心安全和隱私的時代,邊緣運算提供了一種可靠且安全的方式來收集資料。此外,對於人口統計資料,沒有個人影片或人臉數據被發送至伺服器,而邊緣電腦可以採取有用但非個性化的資料傳送到雲端。

即時數據處理

大數據分析有兩種主要的實行模式:數據建模和即時性。建模有助於提供商業洞察力和遠景,即時數據可以讓你對正在發生的事情做出反應。

大數據大問題-2
即時邊緣運算可以為上下文廣告提供資訊,特殊優惠則由最新數據驅動。

邊緣AI最大的意義在於即時處理。例如,透過人臉辨識和客流量統計,零售商店可以定制一個數位顯示螢幕,用來展示吸引人的優惠活動。

將影片串流發送到雲端進行處理,進而再顯示合適的優惠將過於耗時。使用邊緣運算,本地電腦可以解碼客流量資訊,並於短時間內顯示合適的優惠資訊。

邊緣AI也可以基於感測器輸入自動做出更明智的決定。藉由預知性維護,邊緣設備可以監控物聯網感測器,以尋找即將出現的問題的跡象,例如裝配線上的振動增加。

不僅如此,邊緣AI設備還可以持續進行監視,然後採取正確的行動,無論是降低生產線的速度防止損壞並發送警報,或是連線備份系統。反應速度是關鍵,邊緣AI設備能夠作出即時決策,而無需快速的網路連線。

邊緣是大數據的未來

從雜訊中對信號進行排序並應用即時學習,需要透過強大的客制化系統提供邊緣運算。 瞭解搭載Qualcomm®Snapdragon820E嵌入式平臺的威盛ALTA DS 3等系統如何為您提供協助。

威盛電子股份有限公司