원래 IoT 의제에 게시 된 대로
IIoT(산업 사물 인터넷)에대한 모든 흥분에서 IIoT 기술을 지속적인 비즈니스 가치로 변환하기 위해 가장 많이 할 수 있는 컴퓨팅 활동의 영역은 다소 간과되었습니다. 예, 우리는 에 대해 얘기하고 있습니다엣지 컴퓨팅.
물론 컴퓨팅에 엣지데이터 수집, 데이터 분석 및 데이터 스토리지를 위해 생산 작업 중 또는 그 근처에 위치한 기술 인프라는 수십 년 동안 계속되어 왔습니다. 조립 라인을 원활하게 가동하고 깨끗한 물을 지속적으로 공급하며 열차를 제 시간에 운행하는 것과 같은 프로세스는 오랫동안 의존해 왔습니다. 엣지 데이터 센터에 대한 연결만 제한되어 효율적으로 수집되는 데이터입니다. 그러나 컴퓨팅 관점에서, 엣지 종종 졸린 백워터의 무언가로 볼 수있다.
최근 컴퓨팅 인프라에 대한 투자가 급격히 증가한 세속적(업계 불가지론) 추세덕분에 모든 변화가 있었습니다. 엣지, 다음에 에 대한 의존도가 높아짐 엣지- 절단을 위한 수집된 데이터엣지 응용 프로그램. 이러한 추세에는 비즈니스 성공에 대한 데이터의 중요도가 포함됩니다. 더 나은 비즈니스 의사 결정을 내리기 위해 데이터의 실시간 분석에 대한 요구; 그리고 점점 더 높은 품질의 데이터를 수집하기 위해 모든 종류의 “사물”의 상호 연결이 증가합니다.
그 결과, 분석가들은 기업과 정부가 소유한 56억 개의 IoT 장치가 활용될 것으로 예상합니다. 엣지 2020년 데이터 수집 및 처리를 위한 컴퓨팅은 2017년 16억 에서 증가했습니다. [1] 그리고 2019년까지 모든 IoT 수집 데이터의 40%가 가까이 또는 그 가까이에 저장, 처리, 분석 및 처리될 것으로 예상됩니다. 엣지 네트워크의. [2]
진정한 혜택, 실제 기회
이러한 추세는 이를 활용할 수 있는 조직에 상당한 이점을 얻을 수 있는 기회를 제공합니다.
의사 결정 및 전반적인 생산성을 향상하려는 제조업체의 사례를 고려하십시오. 대부분의 제조업체는 이미 엣지. 공장 운영은 중앙 집중화될 수 있지만 무인 기계 또는 무인 워크스테이션에서 수집한 데이터는 데이터 센터 및 비즈니스 네트워크에 만 최소한으로 연결될 수 있습니다. 따라서 기계 성능에 대한 데이터를 수집, 처리 및 분석하는 데 걸리는 시간을 통해 문제를 식별하고 진단하고 신속하게 대응하기가 어려워집니다.
오늘의 엣지 반면, 컴퓨팅 인프라는 이제 제조업체가 IoT 센서에서 사용할 수 있는 대량의 기계 데이터 수집을 자동화하고, 자체 역사적인 성능 또는 업계 전반의 표준과 비교하고, 현장에서 바로 사용할 수 있는 분석을 도출할 수 있습니다. 이 접근 방식은 예측 유지 보수를 통해 기계 가동 시간을 최대화하고 생산 프로세스를 간소화하며 비용을 절감합니다.
