物联网作为“信息化”时代的重要产物,正在悄然颠覆未来与发展的根本格局。随着物联网部署的日趋复杂化与数据化,企业对于平台的需求也在不断提高,如何能在管理日常业务的同时实现网络扩展成为了当今数字企业所面临的巨大挑战。

边缘分析便由此应运而生。它提供了一种全新的数据收集、存储和分析的解决方案,能够基于高保真的数据及兼备灵活性和知识性的框架,依靠先进的机器学习和人工智能分析技术,就地对边缘性数据进行计算和分析,从而制定可靠而又实时的决策。方便企业进行流动部署、运营管理与全面监管。

边缘分析能够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。

相比于云层,边缘分析更适合在雾环境中进行。边缘分析平台能够针对雾层边缘设备相关性模型的部署进行管理,并随着边缘设备功能的改善,将其推送到设备上。企业可根据具体需求,将边缘分析平台运用在业务运营中:

  1. 运用全球边缘设备的海量数据进行集中开发、培训和管理云层中的分析模型
  2. 在雾层中利用未经过滤的(高保真)原始数据进行部署和执行,实现低延时的响应时间
  3. 通过与云平台的无缝协调,依照本地情况,采用适当的业务模式,并在特定的应用中,根据集中设定目标的需要,建立数据缓冲

以往,企业在搭建新型物联网解决方案时倾向于选择垂直整合的方式。此种方案虽然可以直击痛点,但却需要从边缘性计算机硬件到云层组件的集中编排,令企业束缚于供应商模式的生态系统中,限制了部署更优解决方案的能力。

埃森哲技术研究院所创建的边缘性分析框架,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,最低限度降低了复杂性,可令企业无需彻底推翻现有的信息和运营技术环境即可应对挑战。

为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。

埃森哲边缘性分析框架优势有如下几点:

  1. 允许每个组件在可替换的位置进行解耦,使用开放性数字库,使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。
  2. 利用了容器化技术(如Docker)以及异步事件驱动hub,为边缘设备的潜在复杂性提供了抽象层。
  3. 整合了相关应用及模型的集中式知识图谱,并列明对于硬件及数据的具体要求。从而实现对边缘设备容器化模型的部署、执行及监控,确保各业务部门的独立运营。

传统的工业运营会产生大量的数据,此时,仅依靠云技术是无法适用于机器学习和深度学习模型的。采用埃森哲边缘性分析框架,可以实现在边缘进行大规模的边缘分析处理,充分利用高保真数据和情景处理技术,将分析引入边缘性数据。

关于作者

特丽莎 • 董(Teresa Tung)博士

埃森哲技术研究院应用智能创新主管,董事总经理


让-吕克 • 夏特兰(Jean-Luc Chatelain)

埃森哲应用智能CTO,董事总经理


王晓光

埃森哲中国卓越技术中心,董事总经理

了解更多


Subscription Center
订阅埃森哲相关新闻 订阅埃森哲相关新闻