目前的物联网解决方案都是通过平台收集来自联网设备的传感数据,然后集中进行存储和分析。平台解决方案需要可靠、低延迟、高带宽的网络连接,但显然不适用于网络状况不佳、连接受限、收费高昂、地处偏远的企业,也不能满足海量暴增的数据分析需求。

边缘计算支持的数据分析(简称“边缘分析”),可以让物联网边缘设备(即远离云计算中心、靠近产生数据终端的设备)上的高保真数据无须再往返于各个云计算平台,而是依靠先进的机器学习和人工智能分析技术,直接对边缘性数据进行计算和分析以备决策支持。边缘分析即就地对数据进行分析,其优势是基于兼备灵活性和知识性的框架,牢牢把握业务发展逻辑的核心⸺高保真的数据以及更加可靠实时的决策。

用灵活性摆脱 “技术债”

设想一下,一个新型传感器的使用需要特别的解决方案:设备专家进行安装,应用专家依据数据科学家建立的模型开发分析应用程序。该程序通过新型传感器生成了相关数据。三位专家之间明晰的协调配合有助于全面性解决方案的实施:共享有关传感器功能、应用程序和模型的相关知识。随后,与现场工程师合作,在多个站点上配置和部署边缘性实例⸺新的物理传感器。

但是,如此紧密的相互依赖性却限制了解决方案在大型企业运营环境中的可扩展性和可维护性。在精简操作流程方面既没有可重复使用性,也缺乏灵活性,同时还造成了组织管理和业务监督的缺位。

垂直整合的解决方案虽然可以直击痛点,但需要对物联网堆栈中的各个方面进行有效控制⸺从边缘性计算机硬件到云层组件的集中编排。这种解决方案会令企业束缚于供应商模式的生态系统中,限制了其使用现有技术,或是部署最佳解决方案的能力。

我们看到,尽管工业物联网企业(包括制造业、运输和石油天然气业务)数十年来始终奔波在数字化和工业资产网络化的进程中,但由于受到监管的约束,他们中的许多企业无法进一步实现创新。日积月累,这些企业反而形成了各种“技术债”积压:比如缺乏专有的解决方案和异构方法,过时的硬件条件,以及多个业务部门边缘性数据收集和分析能力的不足。

运营环境特有的“棕色地带”(容易出现闲置废弃、未充分利用的设施)属性,呼唤着充分的灵活性、可调性。因此,所有边缘分析框架的设计都应支持现有的运营模式,并助力企业无缝迈向现代化生态系统和新技术的应用之路。跨部门的多元化需求意味着企业必须能够针对各项条件给予足够的支持,包括边缘性计算硬件、操作系统、数据处理、存储以及分析运行时间和语言等方面。

用新框架降低复杂性

借助埃森哲技术研究院创建的边缘性分析框架,企业无须对现有的信息和运营技术环境进行彻头彻尾的改变或者引入垂直集成解决方案,即可应对所面临的挑战。我们针对存在异构型环境的企业,提供了各种有关应用、模型和硬件设施建设等方面的方案。同时,我们可助力企业逐步掌握如何更好地利用技术迭代(见图一)。

  1. 架构分层体系支持独立分析
  2. 架构层的每一层都提供了越来越多的计算、存储和网络容量,适合于执行各种复杂又具有延迟性要求的分析。

    因此,我们的解决方案允许每个组件在可替换的位置进行解耦。基于其自身所定义的目标和部署要求,微服务结构可以独立管理每个软件组件。各层之间的异步消息传递(包括与传感器的连接)使这些组件能够使用开放式数据库,彼此进行通信。除了利用整个行业的标准和做法外,使用开放性数据库,使得架构能够具备良好的扩展性,从而支持各种类型的业务发展或特定行业的定制协议。

    这种架构分层体系的设计支持雾层(物联网设备之间的局域网)处理器层面的分析,可处理全站点中的设备群数据,或者在底部层级的网关,进行较小规模的传感器数据分析。

  3. 抽象层为复杂设备提供通用性框架
  4. 企业的边缘计算设备和传感器往往五花八门,许多更是分属不同的业务单位管理,各自为政。每种类型的设备或传感器都有其独特的硬件功能、协议、数据格式和接口,因而增加了整体操作的复杂性。为了确保互用性并鼓励重复使用,边缘框架必须提供标准化方法对相关设备及应用进行管理。

    我们的框架利用容器化技术(如Docker)以及异步事件驱动hub(见图二),为边缘设备的潜在复杂性提供了抽象层……

    作者:特丽莎 • 董、让-吕克 • 夏特兰、王晓光(请点击查看完整报告阅读全文)

订阅中心
订阅埃森哲相关新闻 订阅埃森哲相关新闻