В наши дни датчики повсюду: от грузовиков до газонокосилок, холодильников и даже на наших телах! Возможно, ни одна другая область не претерпела такой трансформации благодаря Интернету вещей, как область промышленной аналитики. Отрасли освоили использование датчиков IoT в промышленных активах, которые могут быть разбросаны по всему миру. Огромный объем данных, генерируемых этими датчиками, можно эффективно использовать для оптимизации производительности активов и сокращения времени простоя. Чтобы дать представление о том, насколько велик набор данных, о котором мы говорим, газовая турбина GE может генерировать в среднем 40 миллионов точек данных от более чем 1000 датчиков с поддержкой IoT. Теперь представьте, что у вас есть парк промышленных активов с поддержкой IoT, таких как турбины, разбросанные по всему миру. Полученные данные огромны! В результате почти сразу возникают два важных вопроса. Как хранить и управлять этими данными? Кроме того, как мне эффективно анализировать данные датчиков, чтобы получить здоровую рентабельность инвестиций?
Облачная промышленная аналитика
Как правило, отрасли начали рассматривать облако как стратегию извлечения выгоды. В основном это означает, что огромное количество данных должно непрерывно передаваться в центральный агрегатор для хранения и аналитики. До сих пор эта модель работала очень хорошо, но в последнее время возникли некоторые важные проблемы. Во-первых, владельцы активов должны будут перенести конфиденциальные данные в облако, поэтому конфиденциальность данных может стать проблемой. Во-вторых, хотя хранение данных обходится недорого, затраты на запуск алгоритмов для обработки этих данных и обмена информацией с малой задержкой могут очень быстро возрасти. Когда вы занимаетесь математикой, стоимость вычислений быстро увеличивается!
Пограничная аналитика
Пограничные вычисления были предложены как средство локальной аналитики рядом с источником данных, чтобы обеспечить немедленные выводы и понимание. В недавнем отчете Gartner подсчитано, что к 2022 году более 50% данных, генерируемых предприятиями, будут создаваться и обрабатываться вне центров обработки данных или облака. К 2021 году 80% ИТ-директоров ресурсоемких отраслей будут нести ответственность за данные операционных технологий (ОТ) и будут рассматривать интеграцию ИТ/ОТ как стратегическую необходимость. Неудивительно, что все больше и больше крупных промышленных предприятий используют передовые стратегии для продвижения своих усилий по цифровой трансформации.
Проблемы с краем
Хотя пограничные вычисления отлично подходят для локальной обработки данных, они часто ограничены тем фактом, что данные разрознены на отдельных пограничных сайтах. В результате в большинстве случаев информация, полученная на Edge, ограничена только данными, наблюдаемыми на этом конкретном сайте Edge! Чтобы получить ценную информацию по всему парку, данные необходимо периодически переносить в облако. На самом деле, большинство отраслевых экспертов, с которыми мы беседовали, жаловались на ограничения периферии в отношении ее зависимости от облака для получения информации о масштабах всего парка.
Это представляет собой критическое узкое место парадигмы граничных вычислений. Что делать, если у меня есть несколько промышленных активов с поддержкой IoT, разбросанных по обширной географической территории? Как я могу гарантировать, что, скажем, режимы отказа, наблюдаемые на подмножестве оборудования, могут быть распространены на остальную часть моего парка? Было бы замечательно, если бы сайты Edge могли общаться и сотрудничать друг с другом? Что, если бы пограничные сайты могли взаимодействовать друг с другом без перемещения данных?
Представляем Blockalytics!
Именно эти вопросы вдохновили нас на создание Blockalytics, федеративной пограничной аналитической платформы для промышленного Интернета вещей. Blockalytics использует децентрализованную федеративную платформу периферийной аналитики для предоставления информации о качестве облака. Платформа Blockalytics может охватывать несколько сайтов Edge и помогает раскрыть скрытый потенциал данных, спрятанных в информационных хранилищах. Это позволяет пограничным сайтам сотрудничать и создавать аналитические модели для множества активов без перемещения каких-либо данных. Blockalytics значительно сокращает количество взаимодействий с облаком, позволяя вам, пользователю, использовать ваши данные Edge для создания глобальной информации о парке! Кроме того, с помощью нашего специально разработанного SDK специалисты по обработке и анализу данных могут создавать и портировать свои собственные приложения для аналитики и машинного обучения.
Основное преимущество такой платформы, как Blockalytics, заключается в том, что мы можем обеспечить оба мандата Edge: устранить необходимость перемещения данных и снизить затраты на вычисления. Используя Blockalytics, теперь можно реализовать истинный потенциал Edge! Вы можете хранить свои данные и получать информацию! Разве это не удивительно!
Вот короткое видео о Blockalytics, которое мы собрали, чтобы помочь понять, как Blockalytics может повысить ценность вашего предприятия.
