INDUSTRY 4.0: สิ่งที่จำเป็นต้องมีสำหรับ IOT ที่ฉับไว

เป็นความจริงที่ว่า คลาวด์ไม่เหมาะสำหรับการประมวลผลข้อมูลจำนวนมากแบบ real-time บริษัทสายการผลิตเชิงอุตสาหกรรมควรใช้ระบบการประมวลผลที่เรียกว่า Edge Computing ซึ่งจะช่วยลดเวลาในการรับส่งข้อมูล (Latency) ได้มากกว่า

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

จาก Cloud report ประจำปีครั้งที่สามของ McAfee ระบุะว่า 96% ของบริษัทเยอรมันทั้งหมดใช้บริการคลาวด์อยู่แล้ว ตามที่สมาคมอุตสาหกรรม Bitkom ระบุว่า พวกเขาใช้ซอฟต์แวร์สำนักงาน (office) บนคลาวด์ 46%, โซลูชันด้านความปลอดภัย 44% และกรุ๊ปแวร์ เช่น อีเมลและปฏิทิน 35% อย่างไรก็ตาม cloud concept นั้นไม่เหมาะเมื่อต้องประมวลผลข้อมูลจำนวนมหาศาลแบบ real-time ตัวอย่างเช่น กรณีที่เครื่องจักรในการผลิตต้องตัดสินใจอย่างรวดเร็วและเป็นอิสระ ข้อมูลก็ควรจะถูกประมวลผลแยกจากศูนย์กลางโดยไม่ต้องถ่ายโอนไปยังคลาวด์ก่อน นอกจากนี้การประมวลผลข้อมูลแบบแยกจากศูนย์ หรือ decentralized data processing ยังเป็นปัจจัยพื้นฐานที่สำคัญประการหนึ่ง โดยเฉพาะอย่างยิ่งสำหรับระบบการขับขี่อัตโนมัติที่เป็นเครือข่าย (autonomous and networked driving) แปลได้อีกว่า คลาวด์ไม่เหมาะกับกระบวนการนี้อย่างแน่นอน สิ่งที่ต้องการในที่นี้ก็คือเทคโนโลยีที่เราเรียกว่า Edge Computing

**Decentralized data process คือการประมวลผลข้อมูลแบบแยกจากศูนย์ หมายถึงการประมวลผลข้อมูลที่มีการเก็บข้อมูลไว้ที่หน่วยงานแต่ละหน่วย ต่างฝ่ายต่างประมวลผลไปได้เองโดยไม่ต้องอาศัยข้อมูลจากกัน

ข้อมูลสำคัญที่เกี่ยวข้องกับการวิเคราะห์สามารถรับ-ส่งได้ด้วยการเชื่อมต่อที่ดีและขนาดของแบนด์วิดธ์ (ปริมาณการรับและการส่งข้อมูล) ที่ใหญ่พอ นอกจากนี้แม้จะมีการเชื่อมต่อที่ดี แต่เวลาในการรับส่งข้อมูลสำหรับ LTE หรือ Long Term Evolution (4G) อาจนานเกินไปเมื่อต้องใช้งานรับ-ส่งข้อมูลเกี่ยวกับการจราจรบนถนน ยานพาหนะที่ควบคุมด้วยระบบคอมพิวเตอร์จะต้องสามารถตอบสนองต่อเหตุการณ์ที่ไม่คาดคิดได้แบบทันท่วงทีไม่มีดีเลย์ ซึ่งมันก็คือระยะเวลาที่ใช้ในการถ่ายโอนข้อมูลจากจุดเริ่มต้นไปยังจุดประมวลผล เช่น ไปยังคลาวด์ นอกจากนี้ กระบวนการในการถ่ายโอนหรือส่งข้อมูลดังกล่าวก็อาจเป็นประตูให้กับอาชญากรไซเบอร์ได้

กล่าวให้เข้าใจง่ายขึ้นก็คือ การถ่ายโอนข้อมูลวิเคราะห์ไปยังคลาวด์ก่อนไม่ใช่วิธีที่เหมาะสมกับการประมวลผลที่ต้องการความฉับไวทันที เช่น ในระบบการขับขี่อัตโนมัติ

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 เพราะข้อมูลจำนวนมหาศาลจะถูกประมวลผลโดยตรงที่เครือข่ายต้นทาง (The edge of the network) หมายความว่าข้อมูลจะไม่ถูกถ่ายโอนไปยังศูนย์ข้อมูลก่อนแล้วจึงตีกลับมาอีกครั้ง แต่จะถูกวิเคราะห์ที่ต้นทางของข้อมูลและนำไปใช้ได้ทันที ระยะเวลาในการรับ-ส่งข้อมูลที่สั้นลงนั้นมีความสำคัญอย่างยิ่งต่อความสมบูรณ์แบบและความสำเร็จของการขับขี่อัตโนมัติ รวมทั้งสภาพแวดล้อมของ 5G และการผลิตเชิงอุตสาหกรรมทั้งหมด และนั่นคือข้อได้เปรียบที่สำคัญที่สุดของ Edge Computing

แต่เพื่อใช้ประโยชน์จาก Edge Computing ได้อย่างเต็มที่ สิ่งสำคัญก็คือการเชื่อมต่อเครือข่ายต้องพร้อมใช้งานตลอดเวลาทั้งบอร์ดและความน่าเชื่อถือได้ ดังนั้นจึงต้องมีความโปร่งใสชนิดไม่มีผิดเพี้ยน เช่น มุมมองแบบ end-to-end ของแอปพลิเคชันในเครือข่ายทั้งหมด อย่างไรก็ตาม หากข้อมูลไม่ได้รับการประมวลผลอย่างต่อเนื่อง ไม่ได้มาตรฐานและไม่มีความสัมพันธ์แบบ “on the edge” ก็เป็นเรื่องยากที่จะได้รับข้อมูลเชิงลึกแบบ real-time เข้าสู่แอปพลิเคชันรวมถึงความปลอดภัยของบริการ

ข้อมูลอัจฉริยะ หรือ Smart data คือ ข้อมูลพิเศษที่ถูกดึงมาจาก IP Data จำนวนมากมายมหาศาล ข้อมูลเหล่านี้ล้วนมีแต่ข้อมูลที่มีความหมายหรือมีประโยชน์ซึ่งสามารถนำไปจัดระเบียบและนำไปวิเคราะห์เพื่อใช้งานต่อไปได้ หากบริษัทต่างๆ ใช้ Smart Data เพื่อวิเคราะห์เครือข่ายของตนเอง ก็จะสามารถวิเคราะห์ข้อมูลทั้งหมดได้แบบ real-time สิ่งนี้ทำให้องค์กรได้รับข้อมูลเชิงลึกที่มีคุณค่าเกี่ยวกับวิธีการทำงานของแอปพลิเคชันภายในเครือข่ายขององค์กร

ด้วยการเข้าถึง Smart Data องค์กรสามารถตัดสินใจได้อย่างชาญฉลาดเกี่ยวกับวิธีเพิ่มประสิทธิภาพเครือข่ายและแอปพลิเคชัน รวมถึงการจัดสรรความจุเพื่อปรับปรุงประสิทธิภาพ นอกจากนี้ Smart Data ยังช่วยเพิ่มความชัดเจนให้กับทั้งเครือข่าย ทำให้สามารถระบุความผิดปกติและตอบสนองต่อการเปลี่ยนแปลงที่บ่งชี้ถึงภัยคุกคามได้เร็วขึ้น หรืออาจเป็นปัญหาด้านประสิทธิภาพต่าง ๆ เนื่องจากองค์กรจำนวนมากใช้แอปพลิเคชัน IoT ในเครือข่าย ข้อมูลอัจฉริยะจึงมีความสำคัญต่อความสำเร็จ

เทคโนโลยีของ Edge Computing ยังอยู่ในช่วงเริ่มต้น แต่ข้อดีนั้นไม่มีใครสามารถปฏิเสธได้ ทั้งการเพิ่มความเร็วในการประมวลผล, ลดเวลาในการรับ-ส่งข้อมูล และการประมวลผลข้อมูลแม้ในขณะที่ bandwidths ต่ำ ด้วยการใช้โซลูชันข้อมูลอัจฉริยะ บริษัทต่างๆ สามารถติดตาม ecosystem ได้แบบทันท่วงทีและระบุที่มาของปัญหาที่อาจส่งผลให้เกิดการชะงักงัน (ของระบบการทำงาน หรือ ระบบการผลิต) ได้

Source:
Toolmakers.co

Leave a Reply

Your email address will not be published.Required fields are marked *