Интернет вещей и периферийные вычисления

Извлечение информации в режиме реального времени

Пообщайтесь со специалистом

До 11,1 трлн долларов в год

Общий потенциальный экономический эффект рынка Интернета вещей к 2025 году составит от 3,9 трлн до 11,1 трлн долларов в год1

507,5 Збайт к 2020 году

Предполагалось, что к 2020 году во всем мире будет использоваться более пяти миллионов интеллектуальных датчиков и других устройств с поддержкой Интернета вещей, которые будут генерировать не менее 507,5 зеттабайт данных2

47 млрд к 2021 году

Предполагалось, что к 2021 году будет 47 миллиардов подключенных устройств3

Возможность использования искусственного интеллекта (ИИ) и машинного обучения (МО) делает аналитику в реальном времени на периферии возможной или даже предпочтительной не только сейчас, но и в ближайшие годы. ИИ и МО становятся все более сложными, универсальными и изощренными, чтобы обеспечить возможность анализа в реальном времени на периферии, в концентраторе и, в конечном счете, в облаке, чтобы получить больше пользы от всех собранных данных Интернета вещей. Данные можно отправлять в облако, где машинное обучение и искусственный интеллект смогут отслеживать закономерности и со временем получать ценную информацию из больших наборов данных.

ИСТОЧНИК: НЕИСПОЛЬЗОВАННЫЕ ДАННЫЕ: ИЗВЛЕЧЕНИЕ БОЛЬШЕЙ ПОЛЬЗЫ ИЗ ДАННЫХ ИНТЕРНЕТА ВЕЩЕЙ НА ПЕРИФЕРИИ И В ОБЛАКЕ. – КРИСТОФЕР БЕРГЕЙ, WESTERN DIGITAL (БЛОГ WESTERN DIGITAL, 06.05.2018)

КАК ИЗВЛЕЧЬ ЦЕННОСТЬ ИЗ ПЕРИФЕРИЙНЫХ ДАННЫХ

Интернет вещей обеспечивает анализ в реальном времени на периферии сети

Для многих приложений Интернета вещей стало критически важно проверять, анализировать и преобразовывать данные там, где они генерируются (с датчиков в автомобиле, камер наблюдения, дронов, персональных устройств, роботов, шлюзов и т. д.). Предоставление аналитических данных в режиме реального времени на периферии сети помогает повысить эффективность работы, обеспечить более безопасное вождение, создать более безопасную среду, предвидеть предстоящее техническое обслуживание, определить покупательское поведение клиентов и открыть большое разнообразие возможностей.

Ожидание отклика сети — настоящее испытание. Сохранение и пересылка данных в современных объемах занимает слишком много времени. Периферийное хранилище управляет сбором данных и предоставляет вычислительные возможности, которые объединяют и анализируют эти данные в режиме реального времени, чтобы предоставлять актуальную и полезную информацию на уровне устройства.

ЦЕННОСТЬ ПЕРИФЕРИЙНОГО АНАЛИЗА

Периферийный анализ ценен в режиме реального времени

Искусственный интеллект (ИИ), машинное обучение (МО), распознавание изображений, голоса и жестов и другие технологии, развернутые на периферийных устройствах, взаимодействуют с полученными данными в режиме реального времени, чтобы предоставить ценную информацию. Полная обработка аналитических данных может происходить в облаке, где эти данные можно использовать для дальнейшего обучения моделей ИИ для машинного обучения или заархивировать для дальнейшего использования. Возможность доступа к этой информации в режиме реального времени, в конечном счете, создает более эффективный и действенный бизнес, рабочий процесс или среду с большими возможностями для монетизации программы Интернета вещей.

Использование мощности и возможностей данных на периферии

Western Digital предлагает обширный ассортимент продуктов от устройств до систем и платформ, предназначенных для использования мощности и возможностей данных, управляемых Интернетом вещей и периферийными вычислениями.

Эксперты Интернета вещей согласны

По мнению ABI Research, одной из наиболее значительных тенденций в Интернете вещей (или, как говорят в мире подключенных устройств, в Интернете всего, в целом) является смещение баланса между периферийными и облачными вычислениями. В первые дни существования Интернета вещей и его концептуального предшественника M2M важную роль играли облачные платформы в качестве среды для запуска приложений. Интеллект «умных» систем в значительной степени обеспечивался на облачном уровне, а фактические устройства, из которых они состояли, были относительно простыми. Эта старая компоновка в настоящее время отвергается, поскольку вычислительные возможности на периферийном уровне развиваются быстрее, чем на облачном уровне.

ИСТОЧНИК: ПЕРИФЕРИЙНАЯ АНАЛИТИКА В ИНТЕРНЕТЕ ВЕЩЕЙ. – ABI RESEARCH, 2015

Мы поможем найти решение, которое подойдет именно вам

Свяжитесь со мной

Прогнозы
На этой веб-странице могут содержаться прогнозы, в том числе касающиеся нашего ассортимента продуктов и технологий, мощностей, возможностей и приложений, рынка для наших продуктов, наших стратегий и возможностей роста, а также рыночных тенденций. Эти прогнозы – рискованные и неопределенные, и могут привести к тому, что фактические результаты будут существенно отличаться от тех, которые выражены или подразумеваются в прогнозных заявлениях. Риски и неопределенности более подробно обсуждаются в документах Western Digital Corporation, поданных в Комиссию по ценным бумагам и биржам, включая наш последний периодический отчет, на который мы хотим обратить ваше внимание. Читателей предупреждают, чтобы они не слишком полагались на эти прогнозы, и мы не берем на себя никаких обязательств по их обновлению для отражения последующих событий или обстоятельств, за исключением случаев, предусмотренных законом.

Оговорки
1. Источник: Раскрытие потенциала Интернета вещей. – Джеймс Маньики, Майкл Чуи, Питер Биссон, Джонатан Вотцель, Ричард Доббс, Жак Бугин и Дэн Аарон (Институт глобальных исследований McKinsey, июнь 2015 г.)
2. Источник: Периферийные вычисления: Шпаргалка. – Мэри Шеклетт (TechRepublic, 21 июня 2017 г.)
3. Источник: Различия показателей Интернета вещей: устройства и расходы в 2020 году. – Деннис Кнаке (We Speak IoT, 06.10.2017)
4. Источник: По данным Gartner предполагалось, что в 2017 году будет использоваться 8,4 миллиарда подключенных устройств, что на 31 % больше, чем в 2016 году, пресс-релиз (Gartner, 07.02.2017)
5. Источник: Индекс визуальных сетей Cisco: прогноз и методология, 2016–2021 гг. (Cisco, 15.09.2017 г.)