We verzamelen data in grote hoeveelheden. Tegelijkertijd komen er steeds meer applicaties waarbij de responstijd ultrakort moet zijn, zoals autonoom rijdende voertuigen, augmented reality (AR) en real-time videoanalyse. Dit verklaart waarom steeds meer organisaties interesse hebben in ‘edge computing’. Maar wat is edge computing? Wat zijn de voordelen? En hoe werkt het in de praktijk? Lees de antwoorden op deze vragen in deze blog.
Wat is edge computing?
Edge computing is het concept van het vastleggen en verwerken van gegevens zo dicht mogelijk bij de bron. Deze verwerking gebeurt lokaal door servers of andere hardware dichtbij de gegevensbronnen zoals Internet of Things (IoT) sensoren, verbonden voertuigen of camera's. Aan de “rand waar alles gebeurt” wordt intelligentie geplaatst in de vorm van een stukje rekenkracht. Dit zorgt voor een snellere verwerkingstijd en hogere beschikbaarheid in omgevingen met tijdkritische toepassingen.
Voordelen van edge computing
Edge computing biedt verschillende voordelen. Een van de voordelen van edge computing is security. Gevoelige data zoals persoonsgegevens en intellectueel eigendom blijven lokaal. Het lokaal opslaan van deze data zorgt dat je voldoet aan wet- en regelgeving, zoals de AGV, EUCS en draag je bij aan de datasoevereiniteit van je organisatie. Deze lokale dataopslag zorgt voor compliancy met security en wet- en regelgeving, zoals de AGV en GDPR en datasoevereiniteit. Alleen essentiële gegevens worden verzonden naar een extern datacenter.
Andere voordelen zijn tijdswinst en minder beslag op bandbreedte van het netwerk. Door gegevens lokaal te verwerken hoeft de data niet eerst de reis naar de cloud of het datacenter af te leggen. Zo kunnen ultra lage reactietijden worden behaald. Bovendien kan het, afhankelijk van de toepassing en situatie, kostenbesparingen opleveren; data wordt enkel verwerkt, verstuurd en opgeslagen indien strikt noodzakelijk, resulterend in lagere kosten voor internetverbindingen en opslag in datacenters.
Toepassingen van edge computing
Edge computing wordt toegepast voor tijdkritische toepassingen waar elke duizendste seconde telt, zoals autonoom rijdende voertuigen. Een iets te trage reactie kan zo’n autonoom voertuig en de omgeving hiervan in gevaar brengen.
Edge is niet alleen relevant voor het verzamelen en analyseren van gegevens, maar vormt ook een belangrijke aanjager van AI en machine learning. Zo kan de edge worden gebruikt om machine learning algrotimes te trainen en uit te voeren. Voor het succesvol inzetten van AI en machine learning zijn enorme hoeveelheden data nodig die real-time acties moeten kunnen bepalen uit deze data. Het versturen van die enorme hoeveelheden data naar de cloud is kostbaar en vraagt veel van je netwerkcapaciteit, evenals de dataopslag. Door alleen noodzakelijke data naar de cloud te sturen scheelt dit in kosten.
Ook robots in een fabriek die als team met elkaar moeten samenwerken, zijn op de edge aangewezen. De ene robot kan niet op de andere robot wachten totdat die zijn instructies heeft gehad. Alles moet razendsnel en beslissingen moeten real-time genomen worden.
5G, IoT en edge computing: een gouden huwelijk
5G en IoT geven een grote boost aan het gebruik van edge computing. Uniek aan 5G zijn de ultra lage reactietijden (latency). Daarnaast maakt het 5G-netwerk het mogelijk om tot wel één miljoen apparaten te verbinden per km2. Dit geeft weer een enorme stimulans aan Internet of Things (IoT) toepassingen. Door de krachten van 5G, IoT en edge computing met elkaar te bundelen ontstaan er tal van nieuwe toepassingen die bedrijven strategische voordelen biedt op het gebied van productiviteit, efficiëntie en veiligheid.
Edge computing in de praktijk
Autonome voertuigen en robots zijn slimme apparaten die zelfstandig met zijn omgeving omgaat en taken (veelal) zonder menselijke hulp uitvoert. Snelle dataverwerking en real-time besluitvorming zijn essentieel voor een soepele operatie en om ongelukken op de werkvloer te voorkomen.
Voorspellend onderhoud is het slim monitoren van machines om onderhoud te voorspellen en kosten te minimaliseren. Het gebruikt data uit tientallen (IoT) sensoren of video analytics toepassingen in combinatie met getrainde AI/ML-modellen om de gezondheid van apparaten real-time te beoordelen. Hierdoor kan onderhoud ingepland worden, voordat kostbare machines stil komen te staan. Naast het voorkomen van stilstand biedt het ook kansen voor slimmere inkoop: wanneer je weet dat een machine binnenkort onderhoud nodig heeft, kun je benodigdheden al op voorhand bestellen. Edge speelt een belangrijke rol bij het real-time analyseren en verwerken van al deze data om tijdig acties door te geven.
Computer visioning is een toepassing waarbij AI en machine learning waardevolle informatie uit afbeeldingen, video’s en andere visuele invoer halen. Zo kunnen camera’s in winkels diefstal helpen te voorkomen, patiënten op afstand gemonitord worden via sensoren of kwaliteitscontroles worden uitgevoerd middels een camera die afwijkingen detecteert doordat getrainde AI-algrotimes patronen herkennen. Computer visioning gaat gepaard met enorme hoeveelheden (beeld)bestanden die niet allemaal even relevant zijn om op te slaan. Met edge stuur je alleen noodzakelijke beelden naar de cloud, de rest verwerk je direct op locatie.
Locatie gebaseerde augmented en virtual reality (AR & VR) worden steeds populairder in diverse sectoren voor het trainen van medewerkers in een veilige omgeving of het bieden van specialistische hulp op afstand. Vooral bij dit laatste is het belangrijk om real-time te weten waar een persoon zich bevindt, om de juiste informatie te tonen en beelden direct te verwerken.
Edge computing vs de cloud
Edge computing lijkt op het eerste gezicht moeilijk te rijmen met de populariteit van de cloud. Edge vervangt de cloud niet, maar sluit daarop aan en wordt regelmatig gecombineerd met de cloud. Bij edge wordt de data aan de rand van het netwerk verwerkt en niet in een centraal verwerkingssysteem zoals bij de cloud. Waar edge computing beschikt over eigenschappen als lokaal, lage reactietijden, beperkte resources en rekenkracht vult cloud computing dit aan met eigenschappen zoals centraal, schaalbaar en hoge flexibiliteit. Afhankelijk van de hoeveelheden data en privacy- en compliancy eisen bepaal je waar je data het beste opgeslagen en verwerkt kan worden.
