HP is Kennispartner van Daily Data Bytes. In een eerder blog schreef HP over de toepassing van HP Z Workstations bij het opsporen en voorspellen van verzakkingen in de gemeente Zaanstad. Ging het daar om snelheid en rekenkracht van het systeem, in dit blog gaat het over Edge Analytics, een slimme en snelle manier om data te verwerken.
Het afgelopen decennium was cloudtechnologie de trend op het gebied van tech. Hierop volgde een massale migratie van data naar de cloud. Daarnaast zagen we het aantal diensten die middels de cloud aangeboden worden groeien. Denk aan diensten als Netflix, Uber en Spotify. Bedrijven en organisaties die voorop willen blijven lopen op het gebied van data beginnen tegenwoordig tegen de limieten van cloud-technologie aan te lopen. Alle data centraliseren in datacenters vervult niet langer alle wensen van innovatieve bedrijven.
De komst van 5G en een toename aan aangesloten apparaten als onderdeel van het Industrial Internet of Things (IIoT) zullen enorme hoeveelheden real-time gegevens opleveren in onder andere de gezondheidszorg, de maakindustrie en de logistieke sector. Deze data zal met name waardevol zijn voor het maken van real-time beslissingen. Het is hiervoor noodzakelijk dat deze real-time datastroom ook snel geanalyseerd wordt. In de wereld van data is snelheid tegenwoordig net zo belangrijk als nauwkeurigheid, en in deze wereld zal de inzet van alleen de cloud tekortschieten.
Met edge analytics wordt data niet verwerkt op een centraal verwerkingssysteem zoals een data center of in de cloud, maar wordt de data verwerkt op het apparaat zelf, of op een ander apparaat in de nabije omgeving zoals een workstation. Dit betreft dan geautomatiseerde berekeningen en zorgt ervoor dat je data niet eerst naar een datacentrum hoeft te worden gestuurd.
Je moet alleen data verplaatsen als dat nodig is
Meer decentralisatie
Volgens Gartner1 wordt er slechts zo’n 10 procent van de door ondernemingen gegenereerde data zowel gecreëerd als verwerkt buiten een datacenter of de cloud, maar de verwachting is dat dit cijfer in 2025 zal zijn gestegen tot 75 procent. Santhosh Rao, Senior Research Director van Gartner, concludeert dat organisaties daarom een gedecentraliseerde aanpak zullen moeten overwegen: ‘Naarmate het volume en de snelheid van data toeneemt, neemt ook de inefficiëntie toe van het streamen van al deze informatie naar een cloud of datacenter voor verwerking.’
Voor bedrijven die grote hoeveelheden IIoT-gegevens genereren, zou edge computing een manier moeten zijn om de kosten van het heen- en terugzenden van gegevens naar een datacenter of de cloud te bestrijden. Het idee dat je alleen gegevens moet verplaatsen als dat nodig is, is iets waar je over na moet denken. De data-verwerking wordt daarnaast sneller en de netwerkbelasting wordt verlicht, doordat er simpelweg minder vaak data wordt verstuurd en opgevraagd. Ook het opvragen van data zal door edge minder vaak nodig zijn, waardoor bedrijven meer geld kunnen besparen.
Een voorbeeld: een booreiland dat op een afgelegen locatie in de oceaan opereert, kan duizenden sensoren hebben die grote hoeveelheden gegevens produceren, waarvan de meeste redundant kunnen zijn. Het is onwaarschijnlijk dat er een betrouwbare internetverbinding is, en het terugsturen van al deze informatie naar de basis via een satellietgegevensverbinding zou onbetaalbaar zijn. In plaats daarvan zou een lokaal edge computersysteem de gegevens kunnen compileren en dagelijkse rapporteren naar een centraal datacentrum of de cloud kunnen sturen voor opslag op lange termijn, zodat alleen de belangrijke gegevens worden doorgestuurd.3
De gegevensverwerking vindt zo dicht mogelijk bij de bron plaats
Real-time inzichten
Edge Computing gaat dus over het implementeren van een meer gedistribueerde architectuur die tot meer schaalbaarheid zal leiden. De gegevensverwerking vindt zo dicht mogelijk bij de bron van de gegevens plaats, waardoor het voor gebruikers haalbaarder wordt om real-time inzichten te verkrijgen uit de gegevens die worden verzameld. Voor het bedrijfsleven betekent dit een verbetering van het besluitvormingsproces.
Zoals gezegd biedt edge computing oplossingen voor de beperkingen van de cloud, maar edge en cloud sluiten elkaar niet uit. Er is een nieuw hybride model in opkomst waarbij de edge en cloud samenwerken. Als voorbeeld kan je denken aan een fabrieksomgeving.
HP Labs speelt een belangrijke rol in digital manufacturing. Ze brengen de belangrijkste technologieën samen om te innoveren en transformatie te stimuleren. Binnen HP Labs wordt onder andere AI en machine learning ingezet om digital manufacturing, maatwerk, workflow en de supply chain te optimaliseren.
Real-time analyseren
Door sensordata van machines, in bijvoorbeeld een fabriek, in real-time te analyseren met machine learning algoritmes worden problemen voortijdig gelokaliseerd en kun je de uitval van machines minimaliseren. Met machine learning kunnen er modellen worden gebouwd die op basis van veranderingen in temperatuur of prestatie in een onderdeel voorspellen wanneer dat onderdeel vervangen dient te worden. Ook kan er een ideaal onderhoudsmoment worden voorgesteld waarbij er wordt gekeken naar levertijden van onderdelen en momenten waarop de machine niet in gebruik zal zijn. Dit voorkomt downtime en daarmee zullen klanten meer tevreden zijn, omdat de productleveringen consistenter zijn. Als vuistregel kan men aanhouden dat wanneer geanalyseerde data real-time nodig is je voor de edge moet kiezen; heb je de data of analyse later nodig, dan kun je kiezen voor de cloud. 4
Ook biedt Edge Analytics nieuwe mogelijkheden in toepassingen voor machine learning. In de financiële dienstverlening bijvoorbeeld kunnen datawetenschappers modellen trainen om in real-time te beoordelen of een transactie ongebruikelijk is, en om verificatie vragen, of de transactie zelfs blokkeren als er ten minste 95 procent kans is dat deze frauduleus is.5
De gezondheidszorg is een andere sector waarin machine learning aangestuurde analyses een enorme impact zullen hebben. Niet alleen door aanzienlijke efficiëntieverbetering in termen van tijd en kosten, maar ook – en dat is cruciaal – door het redden van levens. Een week wachten op de resultaten van je MRI-scan zou in de toekomst tot het verleden kunnen horen door de inzet van machine learning.
Een snellere respons, kostenbesparingen op dataverkeer en betere schaalbaarheid
Veeleisende projecten
Kort gezegd brengt edge computing drie belangrijke voordelen met zich mee die de cloud niet kan bieden: een snellere respons, kostenbesparingen op dataverkeer en betere schaalbaarheid omdat processing wordt gedistribueerd over het netwerk aan de rand. Tel daarbij de mogelijkheid om een hybride model van zowel edge als cloud in te zetten in je bedrijf en je komt tot de conclusie dat we met edge analytics aan de rand staan van een nieuwe wereld van data science en toepassingen, waarbij naast de cloud krachtige computer solutions benodigd zijn.
Z by HP biedt high performance workstations die getest, geoptimaliseerd en gecertificeerd zijn voor de meest complexe workflows. Deze high-performance workstations zijn ontworpen om krachtige computerbewerkingen te bewerkstelligen voor veeleisende projecten. Van advanced analytics op de edge, visualisatie van digital twins of real-time rendering, Z by HP workstations sturen de zwaarste workloads aan en complementeren de cloud-omgeving van organisaties. https://www.hp.com/us-en/workstations/workstation-pcs.html
5: https://towardsdatascience.com/machine-learning-in-finance-why-what-how-d524a2357b56?gi=ed60b99facf9