Industry 4.0: สิ่งที่จำเป็นต้องมีสำหรับ IoT ที่ฉับไว

เป็นความจริงที่ว่า คลาวด์ไม่เหมาะสำหรับการประมวลผลข้อมูลจำนวนมากแบบ real-time บริษัทในการผลิตเชิงอุตสาหกรรมควรใช้การประมวลผลที่เรียกว่า Edge Computing ซึ่งจะช่วยลดเวลาในการรับส่งข้อมูล (Latency)

*Edge Computing คือการประมวลผลข้อมูลที่อยู่ใกล้กับแหล่งข้อมูลให้มากที่สุด อาจจะอยู่ในรูปแบบการวิเคราะห์ข้อมูล การประมวลผลข้อมูลเชิงสถิติ ซึ่งแทนที่จะเอาข้อมูลจำนวนมหาศาลขึ้นไปประมวลผลบน Cloud ก็เอาข้อมูลเหล่านั้นมาประมวลผลที่ต้นทางที่ใกล้กับแหล่งข้อมูลมากที่สุด หรือ Edge นั่นเอง สาเหตุหลักที่ทำให้การประมวลผลจำเป็นต้องอยู่ที่ต้นทาง (Edge)

จาก Cloud report ประจำปีครั้งที่สามของ McAfee นั้น 96% ของบริษัทเยอรมันทั้งหมดใช้บริการคลาวด์อยู่แล้ว ตามที่สมาคมอุตสาหกรรม Bitkom ระบุว่า พวกเขาพึ่งพาซอฟต์แวร์สำนักงานบนคลาวด์ 46%, โซลูชันด้านความปลอดภัย 44% และกรุ๊ปแวร์ เช่น อีเมลและปฏิทิน 35% อย่างไรก็ตาม cloud concept นั้นไม่เหมาะสมเมื่อต้องประมวลผลข้อมูลจำนวนมหาศาลแบบ real-time ตัวอย่างเช่น หากเครื่องจักรในการผลิตต้องตัดสินใจอย่างรวดเร็วและอย่างเป็นอิสระ ข้อมูลของพวกเขาก็ควรจะถูกประมวลผลอย่างเหมาะสมและไม่ถูกถ่ายโอนไปยังคลาวด์ก่อน นอกจากนี้การประมวลผลข้อมูลแบบกระจายจากศูนย์กลางเป็นข้อกำหนดเบื้องต้นโดยเฉพาะอย่างยิ่งสำหรับการขับขี่อัตโนมัติที่เป็นเครือข่าย

ข้อมูลที่เกี่ยวข้องกับการวิเคราะห์สามารถรับ-ส่งได้ด้วยการเชื่อมต่อที่ดีและแบนด์วิดธ์ที่ใหญ่พอ นอกจากนี้แม้จะมีการเชื่อมต่อที่ดี เวลาในการรับส่งข้อมูลสำหรับ LTE อาจนานเกินไปสำหรับการใช้งานในการจราจรบนถนน ยานพาหนะที่ควบคุมด้วยคอมพิวเตอร์จะต้องสามารถตอบสนองต่อเหตุการณ์ที่ไม่คาดคิดได้ด้วยความเร็วแบบสายฟ้าฟาด ซึ่งก็คือระยะเวลาที่ใช้ในการถ่ายโอนข้อมูลจากจุดเริ่มต้นไปยังจุดประมวลผล เช่น ไปยังคลาวด์ ซึ่งกระบวนการในการส่งข้อมูลดังกล่าวก็อาจเป็นประตูให้กับอาชญากรไซเบอร์ได้

fast IoT
Fast processing of huge amounts of data in the cloud? The latency of edge computing is much shorter. (Source: Markus Spiske/Unsplash)

Edge computing สามารถช่วยได้ในกรณีเหล่านี้ เพราะข้อมูลจำนวนมหาศาลถูกประมวลผลโดยตรงที่เครือข่ายต้นทาง (The edge of the network) หมายความว่าข้อมูลจะไม่ถูกถ่ายโอนไปยังศูนย์ข้อมูลก่อนแล้วถึงตีกลับมาอีกครั้ง แต่จะถูกวิเคราะห์และนำไปใช้ได้ทันทีที่ต้นทางที่ข้อมูลเกิดขึ้น ระยะเวลาในการรับส่งข้อมูลที่สั้นลงนั้นมีความสำคัญอย่างยิ่งต่อความสำเร็จของการขับขี่อัตโนมัติ สภาพแวดล้อมของ 5G ทั้งหมดและการผลิตเชิงอุตสาหกรรม

นั่นคือข้อได้เปรียบที่สำคัญที่สุดของการใช้ edge computing แต่เพื่อใช้ประโยชน์จาก Edge Computing ได้อย่างเต็มที่ สิ่งสำคัญก็คือการเชื่อมต่อเครือข่ายต้องพร้อมใช้งานตลอดเวลาทั้งบอร์ดและต้องสามารถเชื่อถือได้ ดังนั้นจึงต้องมีความโปร่งใสชนิดไม่ผิดเพี้ยน เช่น มุมมองแบบ end-to-end ของแอปพลิเคชันในเครือข่ายทั้งหมด อย่างไรก็ตาม หากข้อมูลไม่ได้รับการประมวลผลอย่างต่อเนื่อง ได้มาตรฐานและมีความสัมพันธ์แบบ “on the edge” ก็เป็นเรื่องยากที่จะได้รับข้อมูลเชิงลึกแบบ real-time เข้าสู่แอปพลิเคชันและความปลอดภัยของบริการ

ข้อมูลอัจฉริยะคือ ข้อมูลพิเศษที่ถูดดึงมาจากข้อมูล IP จำนวนมากมายมหาศาล ข้อมูลเหล่านี้ล้วนมีแต่ข้อมูลที่มีความหมายหรือมีประโยชน์ซึ่งสามารถนำไปจัดระเบียบและนำไปวิเคราะห์เพื่อใช้งานต่อไปได้ หากบริษัทต่างๆ ใช้ Smart Data เพื่อวิเคราะห์เครือข่าย พวกเขาก็สามารถวิเคราะห์ข้อมูลทั้งหมดได้แบบ real-time สิ่งนี้ทำให้พวกเขาได้รับข้อมูลเชิงลึกที่มีค่าเกี่ยวกับวิธีการทำงานของแอปพลิเคชันภายในเครือข่ายของพวกเขา

ด้วยการเข้าถึง Smart Data องค์กรสามารถตัดสินใจได้อย่างชาญฉลาดเกี่ยวกับวิธีเพิ่มประสิทธิภาพเครือข่ายและแอพพลิเคชัน รวมถึงว่าจะจัดสรรความจุเพื่อปรับปรุงประสิทธิภาพได้ที่ไหน นอกจากนี้ Smart Data ยังช่วยเพิ่มความชัดเจนให้กับทั้งเครือข่าย ทำให้สามารถระบุความผิดปกติได้เร็วขึ้นและตอบสนองต่อการเปลี่ยนแปลงที่บ่งชี้ถึงภัยคุกคามหรือปัญหาด้านประสิทธิภาพต่างๆ เนื่องจากองค์กรจำนวนมากใช้แอพพลิเคชั่น IoT ในเครือข่าย ข้อมูลอัจฉริยะจึงมีความสำคัญต่อความสำเร็จ

เทคโนโลยีของ Edge Computing ยังอยู่ในช่วงเริ่มต้น แต่ข้อดีนั้นไม่มีใครสามารถปฏิเสธได้ ทั้งการเพิ่มความเร็วในการประมวลผล, ลดเวลาในการรับส่งข้อมูล และการประมวลผลข้อมูลแม้ในขณะที่ bandwidths ต่ำ ด้วยการใช้โซลูชันข้อมูลอัจฉริยะ บริษัทต่างๆ สามารถติดตาม ecosystem และระบุที่มาของปัญหาที่อาจส่งผลให้เกิดการหยุดชะงักได้

 

  •  
  •  
  •  
  •  
  •  
  •  

Categories