لبه های محاسباتی: تأمین آینده تولید


زیرساخت های ابری محلی و متمرکز موجود نمی توانند نیازهای محاسباتی عظیم این برنامه های قدرتمند را که نیاز به تأخیر کم – یا تأخیر انتقال داده – برای حمل و نقل روان و دسترسی به اطلاعات در زمان واقعی دارند ، پشتیبانی کنند. برای کاهش تأخیر و استفاده از پهنای باند و همچنین محدودیت های هزینه ، قدرت و فرایندهای محاسباتی باید به مکان فیزیکی داده ها نزدیکتر باشند. راه حل؟ به جای استفاده از مراکز داده از راه دور ، قدرت محاسباتی را به زیرساخت های محلی در “لبه” شبکه منتقل کنید.

طبق گفته فراست و سالیوان ، تقریباً 90٪ بنگاههای صنعتی تا سال 2022 از فناوری محاسبات محدود استفاده خواهند کرد ، در حالی که گزارش IDC اخیر (ثبت نام مورد نیاز) نشان می دهد که 40٪ از کل سازمانها در سال آینده در محاسبات نهایی سرمایه گذاری می کنند. Bike Xie ، معاون مهندسی در ارائه دهنده فناوری AI Kneron ، گفت: “لبه های محاسباتی برای فعال کردن انقلاب صنعتی نسل بعدی لازم است.” وی توضیح می دهد که آینده هوش مصنوعی و سایر فن آوری های اتوماسیون به لبه غیرمتمرکز بستگی دارد ، خواه اتصال اینترنت اشیا و سایر دستگاه ها به گره های شبکه توزیع شده یا تراشه های پشتیبانی کننده هوش مصنوعی که می توانند مدل های الگوریتمی مستقلی را ایجاد کنند.

زی می گوید: “لبه های محاسباتی مکمل ابر هستند.” “مانند ابر ، فناوری پیشرفته به فروشندگان برنامه اجازه می دهد تا دانش داده را برای تأمین انرژی کارخانه ها و محصولات هوشمند به دست آورند و از آنها استفاده کنند.

تولید در حال حرکت به لبه است

تغییر به محاسبات رایانه ای نتیجه تغییر دریایی در تولید طی دو دهه گذشته است. تولیدکنندگان ، خواه محصولات صنعتی ، تجهیزات الکترونیکی یا کالاهای مصرفی تولید کنند ، به آرامی اما پایدار به سمت افزایش اتوماسیون و خودکنترلی سیستم ها و فرایندها حرکت کرده اند تا بهره وری بیشتر در تولید محصول ، تعمیر و نگهداری تجهیزات و بهینه سازی هر واحد را تحریک کنند. از زنجیره تامین .

از آنجا که سازندگان دستگاه های حسگر بیشتری را کنترل می کنند که توسط اتوماسیون کنترل می شوند ، آنها همچنین بیش از هر زمان دیگری داده تولید می کنند. اما غالباً مجموعه داده های مبتنی بر سنسور برای سیستم های متمرکز می توانند به سرعت سنگین شوند ، سرعت اتوماسیون را کم کرده و برنامه های زمان واقعی را از کار بیندازند.

Xie می گوید ، لبه های محاسباتی به تولیدکنندگان اجازه می دهد تا در مورد پردازش داده ها انتخاب های انعطاف پذیر انجام دهند تا تاخیر زمانی را کاهش دهند و از پهنای باند استفاده کنند. “اگر انتقال داده در ابر مانعی داشته باشد ، تولیدکنندگان می توانند داده ها را به سرعت در لبه پردازش کنند یا اگر مسئله تأخیر و پهنای باند مسئله ای نباشد ، داده های خاصی را به ابر منتقل می کنند.” نه تنها پردازش داده ها نزدیک به مکان مورد استفاده ، باعث صرفه جویی در پهنای باند و کاهش وی افزود ، اما داده ها ایمن تر هستند زیرا بلافاصله پردازش می شوند.

IDC پیش بینی می کند که تا سال 2023 ، بیش از 50٪ از زیرساخت های جدید فناوری اطلاعات سازمانی به جای مراکز داده سازمانی ، در لبه قرار خواهد گرفت ، در حالی که در سال 2020 این میزان کمتر از 10٪ است.

نمونه ای از سوئیچ ابر به انتها توسط پل ساویل ، معاون ارشد مدیریت محصول و خدمات در Lumen ، یک شرکت فناوری ارائه می دهد که یک سیستم عامل پیشرفته رایانه ارائه می دهد. لومن اخیراً در یک کارخانه تازه ساخته شده به مساحت یک میلیون متر مربع نصب و راه اندازی کرده است. سیستم های رباتیک از حدود 50 سازنده مختلف به محاسبات نهایی اعتماد می کنند ، “زیرا Saville می گوید که باید در 5 میلی ثانیه تاخیر باشند تا کنترل دقیق رباتیک انجام شود.” این استقرار اتصال ایمن را از برنامه های پیشرفته به مراکز داده تولیدکنندگان رباتیک فراهم می کند ، “جایی که آنها اطلاعات بی درنگ را جمع آوری می کنند.”

Savill می گوید ، اما برای برنامه های ذخیره سازی طولانی مدت داده ها و یادگیری ماشین و تجزیه و تحلیل ، همه چیز در ابر عمومی قرار می گیرد. بارهای سنگین دیگر در مراکز داده بزرگ “با قدرت محاسباتی بسیار زیاد” پردازش می شوند که می توانند حجم عظیمی از داده ها را به سرعت پردازش کنند.

ساویل می گوید: “این زنجیره از ابر عمومی تا محاسبه لبه به محلی بسیار مهم است.” “این به مشتریان امکان استفاده از آخرین فن آوری را می دهد به گونه ای که باعث صرفه جویی در هزینه آنها شده و منجر به بازدهی بسیار زیاد می شود.”


منبع: unbox-khabar.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>