{"id":21646,"date":"2024-11-28T17:09:45","date_gmt":"2024-11-28T16:09:45","guid":{"rendered":"https:\/\/www.astor.com.pl\/poradnikautomatyka\/?p=21646"},"modified":"2024-11-28T17:09:47","modified_gmt":"2024-11-28T16:09:47","slug":"edge-computing-co-to-jest-przetwarzanie-brzegowe","status":"publish","type":"post","link":"https:\/\/www.astor.com.pl\/poradnikautomatyka\/edge-computing-co-to-jest-przetwarzanie-brzegowe\/","title":{"rendered":"Edge Computing. Co to jest przetwarzanie brzegowe?"},"content":{"rendered":"\n
<\/div>\n\n\n\n
\n

Z tego artyku\u0142u dowiesz si\u0119:<\/h3>\n
    \n
  • co to jest przetwarzanie brzegowe,<\/li>\n
  • do czego i dlaczego si\u0119 je stosuje.<\/li>\n<\/ul>\n<\/div>\n\n\n\n
    <\/div>\n\n\n\n

    Poj\u0119cie Edge Computing, czyli inaczej przetwarzanie brzegowe, staje si\u0119 coraz popularniejsze w\u00a0bran\u017cy automatyki. Praktycznie ka\u017cdy z\u00a0nas nie raz spotka\u0142 si\u0119 z\u00a0tym terminem i\u00a0wiele os\u00f3b zastanawia si\u0119, co tak w\u0142a\u015bciwie si\u0119 pod nim kryje, do czego mo\u017cna to wykorzysta\u0107 i\u00a0w\u00a0czym mo\u017ce mi to pom\u00f3c. Spr\u00f3bujmy odpowiedzie\u0107 na te pytania.<\/strong><\/p>\n\n\n\n

    Zdarza si\u0119 b\u0142\u0119dne kojarzenie terminu Edge Computing z\u00a0Cloud Computing, czyli przetwarzania brzegowego z\u00a0przetwarzaniem w\u00a0chmurze. Tymczasem, pomimo podobie\u0144stw w\u00a0nazwach, idea stoj\u0105ca za tymi rozwi\u0105zaniami jest r\u00f3\u017cna.<\/p>\n\n\n\n

    Edge Computing oznacza instalowanie urz\u0105dze\u0144 o\u00a0odpowiedniej mocy obliczeniowej i\u00a0mo\u017cliwo\u015bciach sk\u0142adowania danych w\u00a0miejscach, gdzie s\u0105 one generowane. Mo\u017cna powiedzie\u0107, \u017ce urz\u0105dzenia takie znajduj\u0105 si\u0119 zawsze blisko \u017ar\u00f3d\u0142a, kt\u00f3re wytwarza dane<\/strong>. Oczywi\u015bcie nie ka\u017cde urz\u0105dzenie generuj\u0105ce dane potrzebuje dedykowanego urz\u0105dzenia do ich obr\u00f3bki i\u00a0przechowywania. Je\u015bli w\u00a0jednym miejscu znajduje si\u0119 kilka \u017ar\u00f3de\u0142 danych, zazwyczaj spina si\u0119 je wszystkie do jednego urz\u0105dzenia, kt\u00f3re je zbiera i\u00a0pozwala na ich przetwarzanie.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Po co stosuje si\u0119 Edge Computing?<\/h2>\n\n\n\n

    Odpowied\u017a jest bardzo prosta. Celem jest optymalizacja czasu i\u00a0koszt\u00f3w oraz podniesienie bezpiecze\u0144stwa i\u00a0dost\u0119pno\u015bci<\/strong>. Przetwarzanie danych blisko \u017ar\u00f3d\u0142a ich generowania w\u00a0spos\u00f3b znacz\u0105cy pomaga ograniczy\u0107 liczb\u0119 proces\u00f3w, jakie musieliby\u015bmy wykona\u0107 w\u00a0scentralizowanym centrum obr\u00f3bki danych (np. w\u00a0chmurze lub lokalnym data center w\u00a0przedsi\u0119biorstwie). Ogranicza to tak\u017ce ilo\u015b\u0107 danych, jakie musieliby\u015bmy do takich system\u00f3w wysy\u0142a\u0107, cz\u0119sto na du\u017ce odleg\u0142o\u015bci. To z\u00a0kolei znacz\u0105co wp\u0142ywa na odci\u0105\u017cenie sieci komunikacyjnej i\u00a0oszcz\u0119dza ogrom czasu, jaki jest potrzebny na wys\u0142anie danych, ich przetworzenie i\u00a0odes\u0142anie konkretnych informacji z\u00a0powrotem. W\u00a0efekcie prowadzi to do znacz\u0105cej optymalizacji koszt\u00f3w.<\/p>\n\n\n\n

    Przetwarzanie brzegowe ma te\u017c inne zalety. Zwi\u0119ksza si\u0119 bezpiecze\u0144stwo, poniewa\u017c dane nie musz\u0105 by\u0107 wysy\u0142ane poza miejsce, gdzie s\u0105 generowane<\/strong>. Urz\u0105dzenia przetwarzania brzegowego mo\u017cna dodatkowo zabezpieczy\u0107 przed nieautoryzowanym u\u017cyciem, a\u00a0awaria sieci komunikacyjnej pomi\u0119dzy urz\u0105dzeniem przetwarzania brzegowego a\u00a0np.\u00a0chmur\u0105 nie spowoduje braku dost\u0119pu do danych. Pozwala to bez przeszk\u00f3d kontynuowa\u0107 realizowany proces, zwi\u0119kszaj\u0105c tym samym jego dost\u0119pno\u015b\u0107.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Edge Computing \u2013 dla kogo?<\/h2>\n\n\n\n

    Jak wida\u0107, Edge Computing znacz\u0105co r\u00f3\u017cni si\u0119 od modelu, w\u00a0kt\u00f3rym dane przetwarzane s\u0105 w\u00a0dedykowanych centrach w\u00a0siedzibach przedsi\u0119biorstw lub w\u00a0chmurze. Przetwarzanie brzegowe pozwala przetwarza\u0107 dane w\u00a0miejscu, gdzie zosta\u0142y wygenerowane, na brzegu sieci. Pojawia si\u0119 pytanie: kogo to dotyczy i\u00a0kto mo\u017ce mie\u0107 potrzeb\u0119 lokalnego przetwarzania danych? Okazuje si\u0119, \u017ce takich system\u00f3w jest coraz wi\u0119cej<\/strong>. Wsz\u0119dzie tam, gdzie konieczna jest szybka analiza, np. obrazu, danych dotycz\u0105cych bezpiecze\u0144stwa czy predykcji zachowa\u0144, idea Edge Computing wykorzystywana jest od bardzo dawna.<\/p>\n\n\n\n

    Najlepszym przyk\u0142adem mog\u0105 by\u0107 pojazdy autonomiczne, kt\u00f3re poruszaj\u0105 si\u0119 po drogach publicznych, zdalnie sterowane drony czy autonomiczne roboty, wykorzystywane na halach produkcyjnych. W\u00a0takich przypadkach ilo\u015b\u0107 danych generowanych przez sensory, w\u00a0jakie wyposa\u017cone s\u0105 powy\u017csze urz\u0105dzenia, w\u00a0po\u0142\u0105czeniu z\u00a0konieczno\u015bci\u0105 ich bardzo szybkiej obr\u00f3bki i\u00a0analizy, wymuszaj\u0105 wr\u0119cz potrzeb\u0119 przetwarzania ich w\u00a0miejscu, gdzie zosta\u0142y wygenerowane. Dzi\u0119ki temu mog\u0105 by\u0107 u\u017cyteczne dla prowadzonego procesu. Realizowane jest to w\u00a0czasie rzeczywistym, bez \u017cadnych op\u00f3\u017anie\u0144, a\u00a0konkretne informacje wykorzystywane s\u0105 do prawid\u0142owego i\u00a0bezpiecznego dzia\u0142ania tych urz\u0105dze\u0144.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Dane \u2013 motor nap\u0119dowy przetwarzania brzegowego<\/h2>\n\n\n\n

    Wszystkie og\u00f3lnodost\u0119pne raporty i analizy o\u015brodk\u00f3w analityczno-badawczych (np. Gartner) m\u00f3wi\u0105 jednoznacznie, \u017ce danych z roku na rok generujemy coraz wi\u0119cej. Wed\u0142ug IDC do 2025 roku ludzko\u015b\u0107 wygeneruje 180 zettabajt\u00f3w danych. Dla por\u00f3wnania 1 zettabajt stanowi\u0142 ca\u0142y ruch w \u015bwiatowym Internecie w 2016 roku. Do tego czasu b\u0119dziemy te\u017c wytwarza\u0107 460 eksabajt\u00f3w danych dziennie. Na ten wr\u0119cz wyk\u0142adniczy przyrost wp\u0142yw ma przede wszystkim lawinowy wzrost liczby urz\u0105dze\u0144 IoT, instalowanych nie tylko w zastosowaniach komercyjnych, ale przede wszystkim w przemy\u015ble.<\/p>\n\n\n\n

    Sedno problemu z\u00a0generowaniem i\u00a0udost\u0119pnianiem danych przesun\u0119\u0142o si\u0119 w\u00a0ostatnich latach w\u00a0stron\u0119 konieczno\u015bci ich szybkiej obr\u00f3bki. Przesy\u0142anie wszystkiego do centralnego systemu jest po prostu nieefektywne. Nie tylko ze wzgl\u0119du na czas i\u00a0koszty, ale te\u017c z\u00a0punktu widzenia bezpiecze\u0144stwa. W\u00a0takich przypadkach przetwarzanie brzegowe jest bardzo pomocne. Wst\u0119pna obr\u00f3bka na poziomie lokalnym i\u00a0udost\u0119pnianie tylko istotnych i\u00a0przefiltrowanych danych znacz\u0105co redukuje ilo\u015b\u0107 danych transferowanych przez sie\u0107<\/strong>. Ma to korzystny wp\u0142yw na redukcj\u0119 koszt\u00f3w operacyjnych, wynikaj\u0105cych z\u00a0wykorzystywania rozwi\u0105za\u0144 chmurowych. Dodatkowo urz\u0105dzenia do przetwarzania brzegowego potrafi\u0105 bardzo dobrze zabezpiecza\u0107 udost\u0119pniane dalej dane \u2013 poprzez ich szyfrowanie.<\/p>\n\n\n\n

    W\u00a0nowoczesnych modelach przetwarzania danych w\u0142a\u015bnie z\u00a0powodu wydajno\u015bci i\u00a0bezpiecze\u0144stwa coraz cz\u0119\u015bciej odchodzi si\u0119 od modelu przesy\u0142ania strumieniowego wszystkich posiadanych danych na rzecz przechowywania i\u00a0przetwarzania ich lokalnie. Obliczenia rozproszone, bo o\u00a0tym mowa, nie s\u0105 niczym nowym. Od wielu lat taki model wykorzystuj\u0105 przedsi\u0119biorstwa, kt\u00f3re wykonuj\u0105 dzia\u0142ania zdalnie. Obecnie ten model wydaje si\u0119 by\u0107 bardzo wskazany r\u00f3wnie\u017c dla innych. Tradycyjny spos\u00f3b przesy\u0142ania wszystkich danych poprzez sie\u0107 Internet nie daje gwarancji szybkiego dost\u0119pu do informacji niezb\u0119dnych do podejmowania kluczowych decyzji. Przepustowo\u015b\u0107 \u0142\u0105cz internetowych r\u00f3wnie\u017c ma swoje granice. Na to nak\u0142ada si\u0119 dodatkowo ryzyko przerw w\u00a0ci\u0105g\u0142o\u015bci dost\u0119pu do us\u0142ug i\u00a0ryzyko spowolnienia, wynikaj\u0105ce ze zbyt du\u017cego obci\u0105\u017cenia sieciowego i\u00a0wykorzystywania infrastruktury, kt\u00f3rej bardzo cz\u0119sto nie jeste\u015bmy w\u0142a\u015bcicielem. To, w\u00a0przypadku urz\u0105dze\u0144 wymagaj\u0105cych obs\u0142ugi wr\u0119cz w\u00a0czasie rzeczywistym, eliminuje mo\u017cliwo\u015b\u0107 wykorzystania tradycyjnych metod polegaj\u0105cych na centralnej analizie i\u00a0przetwarzaniu danych. Pozostaje przetwarzanie na brzegu sieci<\/strong>.<\/p>\n\n\n\n

    Ale sam Edge Computing nie zast\u0105pi architektury, w kt\u00f3rej korzystamy z rozwi\u0105za\u0144 i us\u0142ug dost\u0119pnych w chmurze. Pow\u00f3d jest bardzo prozaiczny. Chodzi o zasoby i moc obliczeniow\u0105. Urz\u0105dzenia do przetwarzania brzegowego charakteryzuj\u0105 si\u0119 wzgl\u0119dnie optymalnymi zasobami. Jest to kompromis pomi\u0119dzy kosztami posiadania a mo\u017cliwo\u015bciami i wydajno\u015bci\u0105. Aplikacje, takie jak rozszerzona rzeczywisto\u015b\u0107 (AR), wirtualna rzeczywisto\u015b\u0107 (VR), uczenie maszynowe (ML) i sztuczna inteligencja (AI) mog\u0105 wymaga\u0107 znacznie wi\u0119kszych mocy obliczeniowych, ni\u017c Edge Computing b\u0119dzie m\u00f3g\u0142 dostarczy\u0107.<\/p>\n\n\n\n

    Oczywi\u015bcie mo\u017cna zainwestowa\u0107 w\u00a0sprz\u0119t du\u017co bardziej wydajny, ale to b\u0119dzie wi\u0105za\u0142o si\u0119 z\u00a0wi\u0119kszymi nak\u0142adami finansowymi. Wykorzystanie przetwarzania brzegowego do lokalnej obr\u00f3bki danych w\u00a0po\u0142\u0105czeniu z\u00a0chmur\u0105<\/strong>, kt\u00f3ra daje wi\u0119ksze mo\u017cliwo\u015bci przy obs\u0142udze zaawansowanych aplikacji, jest bardzo dobr\u0105 kombinacj\u0105 dla u\u017cytkownik\u00f3w maj\u0105cych wi\u0119ksze potrzeby w\u00a0zakresie wydajno\u015bci przy jednoczesnej optymalizacji nak\u0142ad\u00f3w inwestycyjnych. Edge Computing mo\u017cna w\u00a0takim przypadku potraktowa\u0107 jako element uzupe\u0142niaj\u0105cy system centralnego przetwarzania danych.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Co mo\u017ce by\u0107 \u017ar\u00f3d\u0142em danych dla Egde Computing?<\/h2>\n\n\n\n

    Ka\u017cde urz\u0105dzenie generuj\u0105ce dane mo\u017ce by\u0107 \u017ar\u00f3d\u0142em dla Edge Computing. W przypadku zastosowa\u0144 przemys\u0142owych mog\u0105 to by\u0107 wszystkie czujniki zainstalowane na maszynach (i wok\u00f3\u0142 nich) do monitorowania \u015brodowiska pracy: kamery, skanery, czujniki RFID, analizatory. \u0179r\u00f3d\u0142em mog\u0105 by\u0107 same sterowniki PLC, kontrolery PAC czy uk\u0142ady I\/O, kt\u00f3re w systemach automatyki dane generuj\u0105 i przetwarzaj\u0105 je na potrzeby prowadzenia procesu.<\/p>\n\n\n\n

    Do \u201e\u017ar\u00f3de\u0142 danych\u201d z\u00a0pewno\u015bci\u0105 mo\u017cemy tak\u017ce zaliczy\u0107 operator\u00f3w maszyn i\u00a0proces\u00f3w, kt\u00f3rzy za po\u015brednictwem pulpit\u00f3w steruj\u0105cych, urz\u0105dze\u0144 HMI czy system\u00f3w SCADA wprowadzaj\u0105 dane na produkcji. Ale to nie wszystko. \u0179r\u00f3d\u0142em informacji mog\u0105 by\u0107 tak\u017ce systemy pochodz\u0105ce spoza \u015bwiata automatyki i\u00a0wizualizacji<\/strong>. Przyk\u0142adem takich zewn\u0119trznych \u017ar\u00f3de\u0142 danych s\u0105 systemy bazodanowe, jakie znajdziemy w\u00a0praktycznie ka\u017cdym zak\u0142adzie przemys\u0142owym, a\u00a0tak\u017ce zewn\u0119trzne serwisy udost\u0119pniaj\u0105ce rozmaite informacje \u2013 o\u00a0pogodzie, opadach, temperaturze, sile i\u00a0kierunku wiatru, cenach energii elektrycznej czy kosztach frachtu. W\u00a0zale\u017cno\u015bci od tego, jakie czynniki maj\u0105 wp\u0142yw na prowadzony przez nas proces, dane do Edge Computing mo\u017cna integrowa\u0107 zgodnie z\u00a0naszymi potrzebami. Integracja mo\u017cliwa jest dzi\u0119ki obs\u0142udze wi\u0119kszo\u015bci bran\u017cowych standard\u00f3w komunikacyjnych, jakie spotykamy w\u00a0zak\u0142adach produkcyjnych, zar\u00f3wno na poziomie sieci przemys\u0142owych, jak i\u00a0sieci IT. Opcji jest bardzo du\u017co.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Gdzie mo\u017cemy spotka\u0107 rozwi\u0105zania oparte o przetwarzanie brzegowe?<\/h2>\n\n\n\n

    Wiele os\u00f3b nie zdaje sobie sprawy z tego, \u017ce praktycznie ka\u017cdego dnia korzysta z rozwi\u0105za\u0144 opartych o przetwarzanie brzegowe. Przeje\u017cd\u017caj\u0105c samochodem przez skrzy\u017cowanie ze \u015bwiat\u0142ami jest wielce prawdopodobne, \u017ce cykle programu s\u0105 uzale\u017cnione od intensywno\u015bci i nat\u0119\u017cenia ruchu z r\u00f3\u017cnych kierunk\u00f3w i dynamicznie dostosowuj\u0105 si\u0119 do warunk\u00f3w panuj\u0105cych na drodze. Zainstalowane na pok\u0142adzie samochodu systemy, takie jak asystenci pasa ruchu, awaryjnego hamowania czy rozpoznawania znak\u00f3w, to nic innego, jak Edge Computing.<\/p>\n\n\n\n

    R\u00f3wnie\u017c \u017cywno\u015b\u0107, kt\u00f3r\u0105 spo\u017cywamy codziennie by\u0142a wyprodukowana z wykorzystaniem algorytm\u00f3w przetwarzania brzegowego. Monitorowanie poziomu wilgotno\u015bci gleby, zawarto\u015bci sk\u0142adnik\u00f3w od\u017cywczych, predykcje pogody w okresie wzrostu, wegetacji i owocowania ro\u015blin s\u0105 bardzo cz\u0119sto okre\u015blane przy pomocy przetwarzania brzegowego. Podobnie jak przewidywanie optymalnego czasu zbior\u00f3w plon\u00f3w, aby zapewni\u0107 maksymaln\u0105 wydajno\u015b\u0107. Przetwarzanie brzegowe pomaga te\u017c w innych obszarach: w transporcie, logistyce, SmartCity.<\/p>\n\n\n\n

    Produkcja przemys\u0142owa korzysta z\u00a0Edge Computing coraz cz\u0119\u015bciej<\/strong>. Obszar analizy pracy maszyn i\u00a0linii produkcyjnych ma kluczowe znaczenie dla poprawy wydajno\u015bci i\u00a0zysk\u00f3w z\u00a0produkcji \u2013 dzi\u0119ki minimalizacji wyst\u0119powania awarii i\u00a0ulepszaniu procesu produkcyjnego. Sama agregacja danych w\u00a0jednym miejscu i\u00a0mo\u017cliwo\u015b\u0107 kontrolowanego sterowania ich przep\u0142ywem pomi\u0119dzy aplikacjami i\u00a0serwisami wbudowanymi w\u00a0urz\u0105dzenie do przetwarzania brzegowego, daje nowe mo\u017cliwo\u015bci w\u00a0zakresie informowania operator\u00f3w, s\u0142u\u017cb utrzymania ruchu czy manager\u00f3w o\u00a0kluczowych z\u00a0punktu widzenia produkcji parametrach. Dashboardy, kt\u00f3re w\u00a0zale\u017cno\u015bci od kontekstu mog\u0105 udost\u0119pnia\u0107 odpowiednie tre\u015bci serwisowe, wydajno\u015bciowe czy operacyjne, pozwalaj\u0105 personelowi znacznie szybciej reagowa\u0107 i\u00a0podejmowa\u0107 w\u0142a\u015bciwe dzia\u0142ania.<\/p>\n\n\n\n

    <\/div>\n\n\n\n
    \n
    \n
    \n

    Newsletter Poradnika Automatyka<\/h3><\/div>\n

    Czytaj trendy i inspiracje, podstawy automatyki, automatyk\u0119 w praktyce<\/p>\n<\/div>\n

    \n
    \n