大規模な IoT および IIoT の導入に伴うデータの津波に対して、組織が備えていることはほとんどありません。アナリストは、今後数年間で、接続された 416 億個の IoT デバイスが 79.4 ZB のデータを生成すると予測しています。さらに、このデータの約 25% はリアルタイムであるため、組織が計画して克服しなければならない課題のリストがさらに複雑になります。

[[341407]]

この記事では、現在の IoT プロジェクトにおける主要なギャップ、それがなぜ重要なのか、エッジ コンピューティング機能によって IoT のスケーラビリティと成功がどのように向上するかについて説明します。

クラウドの現状

現代の組織のほとんどは、インフラストラクチャのニーズを満たすためにクラウドとレガシー プラットフォームの組み合わせに依存しています。ただし、クラウド内の IoT センサーからの生データを分析するには、データ転送と処理のコストがかかるため、コストと時間がかかることがよくあります。クラウドのレイテンシ、帯域幅、セキュリティの課題は、特に高精度の生の機械データや IoT センサーデータを生成する産業分野にとって依然として大きな障壁となっています。その結果、組織はコストと適時性のバランスを取るためにダウンサンプリングされたデータや時間遅延されたデータを使用することが多くなり、データの異常を見逃しやすくなります。

クラウドはデータ モデリングと学習の効果的なエントリ ポイントですが、輸送とエコシステムを考慮すると、製造、石油とガス、輸送などの市場におけるミッション クリティカルな IoT アプリケーションに必要なリアルタイム機能が欠けています。

エッジファーストデプロイメントの導入

ネイティブ エッジ ソリューションを実装することで、組織はデータをローカルで取り込み、拡充、分析し、クレンジングされたデータ セットで機械学習モデルを実行し、強化された予測機能を提供できるようになります。エッジ コンピューティングは、リアルタイム機能を必要とするさまざまな IoT 駆動型アプリケーションにとって重要です。体温、顔の保護、社会的距離の確保など、従業員の健康と安全の監視を検討してください。鉱業や車両運用など、セキュリティ上の懸念や帯域幅アクセスの制限がある業界も、エッジ コンピューティングから大きなメリットを享受できます。

エッジファーストの IoT イニシアチブでは、クラウドの関与がすべて排除されるわけではないことに留意してください。実際、エッジ ソリューションは、既存の機械学習モデルのトレーニングと改善にクラウド環境の無制限のリソースを活用しています。リアルタイムのストリーミング データに対して機械学習を実行するエッジ デバイスでは、モデルの精度と環境の変化を定期的にチェックする必要があります。

モデルの精度が低下すると、現在のモデルの再トレーニングを必要とする異常なアクティビティを表すデータを含む分析情報がクラウドに送り返されます。モデルが微調整されると、エッジに戻され、資産パフォーマンス、プロセス改善、製品品質の向上につながる高品質の予測分析を生成する、一定のクローズドループ プロセスが作成されます。

クラウドエッジ バージョンの機械学習モデルをリアルタイムで実行することで、組織はソースで関心のあるイベントに対して行動し、反応し、対策を講じることができます。これにより、各エコシステムの強みが活用され、IoT、エッジ、クラウドの調和のとれた相互作用が保証されます。さらに、クラウド エッジ ハイブリッド ソリューションでは、さまざまなユース ケースで 1 つ以上のパブリック クラウドとプライベート クラウドに分析情報を公開できるため、クラウド ロックインを防止できます。

IoTにおけるクラウドの利点

クラウドエッジ ハイブリッド イニシアチブは、リアルタイムの IoT データを、生産効率と品質メトリックに関連する実用的な洞察に変換します。これにより、運用管理者は計画外のダウンタイムを削減し、生産量を最大化し、機械の使用率を向上させることができます。たとえば、エッジクラウドハイブリッド戦略を使用すると、工場では製品の品​​質を向上させることができます。 IoT センサー データをリアルタイムで分析することで、組織は事前に定義されたしきい値やルールを超える値を識別し、機械学習モデルを構築してトレーニングし、根本原因の問題を特定し、機械学習モデルを展開して不良部品の生産を自動的に停止することができます。

さらに、エッジ クラウドの分析情報により、スマート ビルディングのオペレーターはエネルギー使用量を監視し、エネルギー システムの過剰稼働による停電を回避するために運用を積極的に変更できるようになります。管理者とオペレーターは、クラウドのみのシステムからの遅延した洞察に頼るのではなく、リアルタイムで洞察にアクセスして、IoT 主導の建物システムの紛争の根本原因をより迅速に特定し、最終的に全体的なダウンタイムを削減できます。