چهار کاربرد مهم و دگرگون کننده محاسبات لبه (Edge Computing) در صنایع مختلف

چهار کاربرد مهم و دگرگون کننده محاسبات لبه (Edge Computing) در صنایع مختلف

 

چهار کاربرد مهم و دگرگون کننده محاسبات لبه (Edge Computing) در صنایع مختلف

 

محاسبات لبه بسته به نوع کاربرد می‌توانند معانی متفاوتی داشته باشند، با این‌حال، تمامی اشکال محاسبات لبه در مفهوم موقعیت مکانی با یکدیگر وجه اشتراک دارند.

چهار کاربرد مهم و دگرگون کننده محاسبات لبه در صنایع مختلف

  • محاسبات لبه این امکان را برای تجهیزات شبکه و اینترنت اشیا فراهم می‌کنند که حتا در صورت قطع شدن ارتباط با شبکه اصلی (مرکز داده اصلی) به دلیل شرایط غیر‌منتظره بازهم توانایی سرویس‌دهی را داشته باشند. به بیان دقیق‌تر، زمانی که مراکز داده لبه را در نزدیکی تجهیزات حساس شبکه مستقر کنید، این مراکز داده می‌توانند برخی پردازش‌ها را به شکل محلی انجام دهند و نتیجه را برای دستگاه‌ها باز گردانند. به‌طور مثال، وقتی یکی از مهمانان هتل از طریق تلفن همراه سفارش غذا می‌دهد و می‌خواهد آن‌را در حیات هتل تحویل بگیرد، محاسبه لبه با شناسایی موقعیت مکانی کاربر به پیش‌خدمت یا روبات خودکار در هتل مکان دقیق کاربر را ارسال می‌کند تا سفارش را در همان نقطه دریافت کند، این فرآیند به گونه‌ای انجام می‌شود که هیچ مکالمه‌ای میان کاربر و پذیرش انجام نمی‌شود و همه چیز از طریق حس‌گرهای مستقر در لبه شبکه انجام می‌شوند. حس‌گرها، دستگاه‌های هوشمند و کاربران تجهیزات سیار در حال گسترش در تمام صنایع هستند. سازمان‌ها و شرکت‌های بزرگ نیز در حال سرمایه‌گذاری روی فناوری لبه هستند تا بتوانند به مقادیر رو به رشد داده‌های غیرمتمرکز که نیاز به پردازش در محل دارند پاسخ دهند. در مواردی که تاخیر کم حائز اهمیت است، پیاده‌سازی لبه زمان تاخیر انتقال داده به یک مرکز داده یا ابر عمومی‌ برای پردازش را از بین می‌برد.
  • عامل تاثیرگذار دیگر هزینه بازگرداندن مجدد داده به یک مکان مرکزی است. پردازش و تجزیه و تحلیل محلی می‌تواند نیاز به پهنای باند گران‌قیمت را به حداقل برساند. طبق اعلام گارتنر، تا سال ۲۰۲۲ بیش از ۵۰ درصد از داده‌های تولید شده توسط شرکت‌ها در خارج از مرکز داده یا ابر پردازش خواهند شد. در عین حال پیاده‌سازی‌های لبه به صورت مستقل انجام نمی‌شود. زیرساخت لبه معمولا به صورت متمرکز از طریق یک مرکز داده سازمانی یا ابر مدیریت می‌شود. سرویس‌های لبه ممکن است توسط شبکه‌های تحویل محتوا، ارائه‌دهندگان سرورهای اشتراکی اجاره‌ای و خدمات‌دهندگان ابری که به مراکز داده منطقه‌ای و محلی متصل هستند ارائه شود. به گفته گارتنر، سازمان‌ها کار خود را با محاسبات لبه به صورت محدود توسط یک فروشنده یا ادغام‌کننده سیستم شروع می‌کنند، اما این تازه آغاز راه است. ظرف چند سال آینده انتظار می‌رود سازمان‌ها به طیف گسترده‌ای از موارد استفاده محاسبات لبه گسترش پیدا کنند. گارتنر پیش بینی می‌کند تا انتهای سال ۲۰۲۳، بیش از ۵۰ درصد از سازمان‌ها و شرکت‌‌های بزرگ دست کم شش مورد استفاده جدید از محاسبات لبه را تجربه خواهند کرد. شرکت‌ها و صنایع بزرگ سرمایه‌گذاری روی استفاده از فناوری محاسبات لبه و نحوه تاثیر آن بر ایمنی کارکنان، بهره‌وری، خدمات مشتری و کسب درآمد را آغاز کرده‌اند و انتظار می‌رود ظرف دو سال آینده شاهد تغییرات بزرگی در زمینه باشیم. با این‌حال، گارتنر پیش‌بینی می‌کند تا چند سال آینده محاسبات لبه و تلفیق آن با فناوری‌های دیگری نظیر هوش مصنوعی تغییرات مهمی در صنایع مهم بر جای خواهند گذاشت.

هوش مصنوعی در لبه سرعت فرآیندهایی نظیر تعمیر و نگهداری قطارهای باری را افزایش می‌دهد

  • اسکات کارنز، مدیر ارشد عملیات شرکت Duos Technologies می‌گوید: «شرکت‌های راه‌آهن عملکرد قطارهای باری را بر اساس میزان پیمایش مسافت نسبت به زمان ​​اندازه‌گیری می‌کنند که معمولا در محدوده‌‌ ۳۵-۳۷‌ مایل در ساعت است. اگر آن‌ها بتوانند یک مایل در ساعت به میزان پیمایش مسافت نسبت به زمان اضافه کنند، این معادل ۱۰ میلیون دلار سودآوری خواهد بود. بنابراین یک فشار بزرگ برای سرمایه‌گذاری روی فناوری‌هایی وجود دارد که آن‌ها را کارآمدتر می‌کند.»
  • موضوعی که باعث کند شدن سرعت قطارهای باری می‌شود ایست‌های بازرسی است. با عبور قطارهای باری از خطوط ریلی اپراتورها باید برای بازرسی‌های اجباری وقت زیادی را صرف کنند. شرکت Duos در تلاش است تا با استفاده از سنسورها، تصویربرداری و تجزیه و تحلیل‌های مستقر در مکان این فرآیند را ساده کند. به‌طور مثال، در شهر جکسونویل ایالت فلوریدا این شرکت در حال ساخت ورودی‌هایی برای بازرسی از خطوط ریلی است که به جای بررسی فیزیکی در محوطه بازرسی، قطار از ورودگاه Duos عبور می‌کند و بدون نیاز به کاهش سرعت تحت بازرسی خودکار قرار می‌گیرد. این ورودگاه مجهز به چراغ‌های ال‌ئی‌دی پر قدرت برای روشنایی قطارها و دوربین‌هایی هستند که می‌توانند با سرعت زیاد تصاویر را ضبط کنند. در بخش توسعه، این شرکت به گسترش دامنه کاربردهای هوش مصنوعی خود ادامه می‌دهد. به تازگی، Duos ساخت نمونه‌ای از یک اپلیکیشن را آغاز کرده که از تصویربرداری حرارتی برای ضبط و تجزیه و تحلیل نحوه کار موتورهای کششی الکتریکی که در زیر واگن‌های قطار سوار می‌شوند، در دماهای مختلف استفاده می‌کند. هدف از این‌کار بهبود پیش‌بینی زمان تعمیر و نگهداری این قطعات پر هزینه است که به میزان زیادی مستعد خرابی هستند.

اپلیکیشن‌های آگاه از موقعیت مکانی به اتاق‌های هوشمند هتل‌ها اضافه می‌شود

گاهی اوقات انجام کار بیشتر در لبه می‌تواند به معنای کاهش ادوات سخت‌افزاری باشد. در هتل‌های Nobu یک زیرساخت بی‌سیم ارتقا یافته امکان استفاده از تجهیزات اینترنت اشیا و اپلیکیشن‌های مبتنی بر هوش مصنوعی را با حداقل نیاز به امکانات سخت‌افزاری فراهم کرده است. Nobu زیرساخت‌های شبکه را برای هتل‌های خود به شکلی استانداردسازی کرده که امکان دسترسی وای‌فای را با طیف وسیعی از کاربردها برای مهمانان و کارمندان از جمله تحویل محتوا، کنترل روشنایی، قفل درب و هشدارهای ایمنی فراهم کند. در عین حال این دستاورد مهم به Nobu اجازه داده تا نیازهای سخترافزاری داخلی خود را ساده و در وقت و هزینه صرفه‌جویی کند.  رادنی لینویل مدیر بخش بین الملل فناوری اطلاعات Nobu Hospitality می‌گوید: «با ساده کردن فرآیند افتتاح یک هتل و امکان ادغام فناوری‌های موجود باید اطمینان حاصل کنیم که فناوری انتخاب شده قادر به انجام این‌کار باشد.» Nobu در سه هتل جدید خود در شهرهای شیکاگو، ورشو و لندن از فناوری لبه و سوییچ‌های Aruba و از ClearPass Policy Manager برای کنترل دسترسی امن به شبکه استفاده کرده که از بلوتوث، زیگ‌بی، وای‌فای و پروتکل‌های ثالث پشتیبانی می‌کند. زیرساخت شبکه از اپلیکیشن‌های مدیریتی از قبیل پایانه فروش (POS) موبایل هتل، سیستم مدیریت دارایی و اپلیکیشن‌های مهمان پشتیبانی می‌کند. مهمانان با استفاده از دستگاه‌های موبایل خود می‌توانند از داخل یا خارج محوطه هتل خدمات مورد نیاز خود را سفارش دهند. خدمه هتل هم می‌توانند در شرایط اضطراری دسترسی به اتاق‌ها را تحت نظر داشته باشند، برنامه‌ریزی قفل‌ها را تغییر دهند یا درخواست کمک کنند. برای انجام چنین کاری گروه فناوری اطلاعات بلوتوث و فناوری رادیویی زیگ‌بی تعبیه شده در اکسسرپوینت های Aruba را به اینترنت اشیا و اپلیکیشن‌های تحلیلی متصل می‌کنند. Nobu یکپارچه‌سازی زیرساخت Aruba با فناوری کنترل دسترسی ASSA ABLOY Global Solutions را آغاز کرده است. فناوری ASSA ABLOY به مهمانان اجازه می‌دهد از تلفن هوشمند خود برای ورود و باز کردن بدون تماس قفل اتاق خود استفاده کنند.

ساده‌سازی نیازهای فناوری اطلاعات فروشگاه‌های مواد غذایی با فناوری HCI

  • جف میلر، مدیر بخش فناوری اطلاعات شرکت Jerry’s Foods با ۵۰ فروشگاه موارد غذایی از چند سال گذشته زیرساخت فراهمگرا (HCI) را برای استفاده در مقاصد تجاری خود تحت نظر داشته است، اما عامل بازدارنده در استفاده از این سیستم اندازه آن بوده است. او می‌گوید: «تصور می‌کردم این پلتفرم عالی است، اما من آن‌را ۱۰ برابر کوچک‌تر می‌خواستم.» او با شرکت Scale Computing در ارتباط بود تا به گزینه‌های مورد نظر خود دست پیدا کند. در گذشته هر کدام از فروشگاه‌های شرکت جف یک سرور مجازی و یک SAN داشت. سیستم‌های قدیمی‌ گران بودند و مدیریت آن‌ها دشوار بود، اما اکنون شرکت Jerry’s Foods در حال پیاده‌سازی دستگاه‌های لبه HE150 شرکت Scale Computing در فروشگاه‌های خود است.
  • HE150 یک دستگاه محاسباتی مبتنی بر ذخیره‌سازی NVMe است که روی مینی کامپیوتر Intel NUC پیاده‌سازی شده است. اندازه این سیستم تقریبا به اندازه سه تلفن هوشمند است که روی هم قرار می‌گیرند. میلر می‌گوید: «این زیرساخت شامل بازیابی فاجعه، خوشه‌بندی با قابلیت دسترسی بالا، انجام به‌روزرسانی و محافظت از داده‌های یکپارچه است.» مسئله مهم برای یک فروشگاه این است که اطلاعات محصول باید در خود فروشگاه مدیریت شود، بنابراین پردازش محلی بسیار حیاتی است. فروشگاه‌ها بین ۶۵۰۰۰ تا ۷۰۰۰۰ کالا را ارائه می‌کنند که در پایگاه داده‌ای که به‌طور مداوم در حال به‌روزرسانی است نگهداری می‌شوند. تراکنش‌های دستگاه‌های پوز (POS) نیازمند دسترسی به این اطلاعات هستند که شامل کدهای UPC، شماره‌های فروشنده، دسته‌بندی محصولات و قیمت‌ها است. میلر می‌گوید: «همه این‌‌ها باید مستقر در محل باشند و بتوان آن‌ها را به صورت محلی بررسی کرد.» یکی دیگر از مصارف ضروری استقرار در محل سیستم انتقال منافع الکترونیکی (EBT)  است که برای تایید موجود بودن اجناس به اتصال بین اپلیکیشن POS و سیستم‌های در حال اجرا نیاز دارد. اپلیکیشن EBT روی زیرساخت HE150 اجرا می‌شود که برای بهبود دسترس‌پذیری به صورت کلاستر پیاده‌سازی شده است. اگر خریداران نتوانند از اجناس EBT استفاده کنند، در جای دیگری خرید می‌کنند که می‌تواند تاثیر زیادی در فروش مکان‌های شلوغ Jerry’s Foods بگذارد. میلر می‌گوید: «برای مثال اگر EBT در یک فروشگاه پرتردد ما از کار بیوفتد، ظرف کمتر از یک ساعت ما ۴۰۰۰۰ دلار متضرر می‌شویم.» با استفاده از تجهیزات لبه، شرکت Jerry’s Foods می‌تواند اپلیکیشن‌هایی که باید در هر مکان اجرا ‌شوند را سفارشی کند.

محاسبات لبه و عملیات استخراج از معدن

  • مهندسان شرکت Boliden در حال استخراج مس، روی، سرب، طلا و نقره هستند، اما آن‌ها این‌کار را به جای تونل‌های زیرزمینی از طریق یک اتاق کنترل راحت از روی زمین انجام می‌دهند. در سایت Boliden مستقر در گارپنبرگ سوئد، تجهیزات استخراج خودمختار در مناطقی فعالیت می‌کنند که برای اعزام افراد ایمن نیست. سال‌ها است که خودکارسازی صنعت استخراج از معدن را دگرگون کرده است.
  • Sandvik Mining and Rock Technology اولین تجهیزات استخراج خودمختار خود را از اوایل سال ۲۰۰۴ روانه بازار کرد و امروزه پیشرفته‌ترین ناوگان تجهیزات کاملا مستقل این شرکت در حال کار در یک معدن زیرزمینی هستند. پتری مانون، مدیر خط تولید تجهیزات معدن‌کاوی شرکت Sandvik می‌گوید: «کامپیوترهای متصل به تجهیزات بدون نیاز به تعامل انسانی، ماشین‌ها را به‌طور مستقل کنترل می‌کنند.» هر چه فناوری استخراج پیشرفته‌تر می‌شود، نیاز به اتصال بیشتر می‌شود. اکنون باید تمام ماشین‌آلات به‌طور دائم به شبکه متصل باشند. Sandvik تجهیزات استخراج را به همراه نرم‌افزار عملیاتی ارائه می‌کند که برای اتصالات باسیم و بی‌سیم به فناوری شبکه‌سازی اینترنت اشیا صنعتی سیسکو وابسته هستند. در بخش شبکه، عملیات استخراج از معدن به وسیله سوییچ‌ها و اکسس‌پوینت‌های صنعتی سیسکو با کمترین میزان تاخیر شبکه اینترنت اشیا صورت می‌گیرد. محاسبات لبه این امکان را برای تجهیزات استخراج مستقل فراهم می‌کنند تا حتا در صورت قطع شدن از شبکه در شرایط غیر‌منتظره به عملکرد خود ادامه دهند. برخی محاسبات به‌طور مستقل در دورترین لبه‌های معادن انجام می‌شود. تجهیزات ممکن است در منطقه‌ای کار کنند که پوشش مداوم شبکه ندارند، بنابراین می‌توان تجزیه و تحلیل را در محل انجام داد.

کلام آخر

محاسبات لبه از جمله فناوری‌های نوینی است که ظرف چند سال آینده اثرگذاری آن به وضوح روشن خواهد شد، با این وجود برخی ملاحضات فنی که بیشتر حول محور امنیت، گسترش‌پذیری و فرهنگ ‌سازمانی قرار دارند باعث شده‌اند کارشناسان عرضه شبکه نقدهایی بر آن وارد کنند. موسسه Futurum در گزارش سال ۲۰۱۸ عنوان کرد: «ما شاهد افزایش کلی داده‌های تولید شده و پردازش‌ شده در لبه خواهیم بود، علاوه بر این شاهد افزایش حجم داده‌های تولیدشده از طریق خود شرکت‌ها و به‌ویژه در لبه هوشمند آینده نیز خواهیم بود.» به نظر می‌رسد این پیش‌بینی موسسه Futurum به واقعیت پیوسته و تا چند سال دیگر محاسبات لبه یکی از فناوری‌های تاثیرگذار صنعت باشند

منبع : شبکه

  نظرات