哪些行业可以应用边缘计算?
边缘计算是附近计算的概念(分散计算架构)。计算在局域网中执行,其中资源靠近云。尽量,数据不会返回到云端,从而降低了向云行驶的数据成本。与云的差异是网络中心节点在网络逻辑上移动到边缘节点位置以进行处理。
随着传感器价格和计算成本持续下降,更多的“东西”将连接到互联网上。随着越来越多的联网设备可用,边缘计算将在各行各业得到越来越多的应用,特别是在云计算效率低下的领域。我们已经开始看到边缘计算技术在许多不同行业的影响。
“当我们将云的力量注入设备(即边缘设备)时,我们就能实时响应、分析和行动,特别是在网络条件有限或缺乏网络的地区……它仍处于早期开发阶段,但我们开始看到这些新特性可以应用于解决世界范围内的一些主要挑战。——微软首席技术官
从自动驾驶汽车到农业,以下分别分析了几个行业如何结合边缘计算技术实现更大的效益。
- 运输业
边缘计算技术最明显的潜在应用之一是交通运输,更具体地说,是无人驾驶汽车。自动驾驶汽车配备了各种传感器,从摄像头到雷达到激光系统,以帮助车辆行驶。
如前所述,这些自动驾驶汽车可以通过这些传感器使用边缘计算来处理离车辆更近的数据,从而尽可能地减少系统在驾驶过程中的响应时间。虽然无人驾驶汽车不是主流趋势,但很多公司都在计划。今年早些时候,汽车边缘计算联盟(AECC)宣布将启动专注于互联汽车解决方案的项目。“联网汽车正迅速从豪华车型和高端品牌扩展到量大的中档车型。汽车行业将很快达到一个临界点,届时汽车产生的数据量将超过现有的云、计算和通信基础设施资源。”该联盟的成员包括电装株式会社、丰田汽车公司、美国电话电报公司、爱立信、英特尔等公司。
然而,不仅仅是自动驾驶汽车会产生大量数据并需要实时处理。同样的道理也适用于飞机、火车和其他交通工具——无论它们是否由人驾驶。例如,飞机制造商庞巴迪(Bombardier) C系列飞机就配备了大量传感器,以快速检测发动机性能问题。在12小时的飞行中,飞机产生了高达844 TB的数据。边缘计算支持实时数据处理,因此公司可以主动处理引擎问题。 - 医疗保健行业
如今,人们越来越喜欢佩戴健康追踪设备、血糖监测器、智能手表和其他可穿戴设备来监测自己的健康状况。然而,要真正从收集到的大量数据中受益,实时分析可能是必不可少的——许多可穿戴设备直接连接到云,但其他设备支持离线操作。
一些可穿戴健康监测器可以在不连接云的情况下分析脉冲数据或睡眠模式。医生可以当场评估病人,并对病人的健康状况提供即时反馈。但在医疗领域,边缘计算的潜力远不止局限于可穿戴设备。考虑一下数据处理能给医院和诊所的远程患者监控、住院患者护理和医疗管理带来多大的好处。
医生和临床医生将能够为患者提供更快,更好的护理,而患者产生的健康数据也有额外的安全层。医院病床的平均超过20个联网设备,产生了大量数据。这些数据的处理将直接接近边缘,而不是向云发送机密数据,从而避免不正确访问数据的风险。如前所述,本地化数据处理意味着大规模云或网络故障不会影响业务运营。即使云操作中断,这些医院的传感器也可以独立运行。 - 制造业
智能制造有望从部署在现代工厂的传感器中获得洞察。
由于边缘计算可以减少延迟,它可以使制造过程更快地响应和改变,而且它可以从数据分析中实时应用洞察力和行动。这可能包括在机器过热之前关闭机器。一个工厂可以使用两个机器人来完成同样的任务。这两个机器人都配备了传感器,并与边缘设备相连。边缘设备可以通过运行机器学习模型来预测其中一个机器人是否会失败。
如果边缘设备确定机器人可能发生故障,则会触发可防止或减慢机器人操作的动作。这将使工厂能够实时评估潜在的失败。如果机器人可以自行处理数据,它们也可能变得更加自足和响应。边缘计算应更快地支持大数据的更多洞察力,并支持更多机器学习技术对业务运营的应用。最终目标是利用实时产生的大量数据的巨大价值,防止潜在的安全危险,并减少工厂地板的机器中断。 - 农业和智能农业工业
边缘计算非常适合农业,因为农场通常在远程位置和恶劣环境中,并且可能存在带宽和网络连接的问题。
现在,想要提高网络连接的智能农场需要投资昂贵的光纤,微波连接,或者卫星运行24/7;和边缘计算是合适的,经济高效的替代方案。智能农场可以使用边缘计算来监测温度和设备性能,并自动减速或关闭各种设备(如过热泵)。 - 能源及电网控制行业
边缘计算可能在整个能源行业中特别有效,特别是在石油和天然气设施的安全监控中。
例如,压力和湿度传感器应密切监控,不能出现连接错误,特别是考虑到这些传感器大多位于偏远地区。如果出现异常情况,如管道过热,但没有及时发现,就可能发生灾难性的爆炸。边缘计算的另一个好处是能够实时检测设备故障。通过电网控制,传感器可以监控从电动汽车到风力发电厂等一切设备产生的能量,帮助做出相应的决策,降低成本,提高能源生产效率。 - 其他行业应用
其他可以利用边缘计算技术的行业包括金融和零售业。这两个行业都使用大客户和后端数据集来提供从选股信息到店内服装摆放的一切信息,这可以从减少对云计算的依赖中获益。
零售可以使用边缘计算应用来增强客户体验。今天,许多零售商正在努力改善店内经验,并优化收集的方式和分析的方式对他们有意义 - 特别是考虑到许多零售商已经尝试了连接的智能显示器。
此外,许多人使用由店内平板电脑生成的销售点数据,这些数据将被转移到云或数据中心。通过边缘计算,可以对数据进行局部分析,降低了敏感数据泄漏的风险。
为了得出结论:从可穿戴设备到汽车到机器人,物联网设备呈现出越来越强烈的发展势头。
随着我们走向更加互联的生态系统,数据生成将继续迅速增加,特别是在5G技术起飞并进一步加速网络连接之后。尽管中央云或数据中心传统上一直是数据管理、处理和存储的首选,但这两种解决方案都有局限性。边缘计算可以作为一种替代解决方案,但由于该技术仍处于初级阶段,很难预测其未来的发展。
设备能力挑战 - 包括开发可以在云中处理云计算任务的软件和硬件的能力 - 可能会出现。教导机器在可以在边缘执行的计算任务之间切换的挑战是一个挑战,并且需要在云中执行的那些。
即便如此,由于边缘计算变得更加采用,公司将有更多机会在各个领域进行测试和部署这项技术。一些用例可以证明边缘计算的价值比其他情况更好,但总体而言,边缘计算技术对我们整个互连的生态系统的潜在影响将是不可预测的潜力,我们期待着未来的边缘计算的发展。