‘Lokaal handelen, wereldwijd verbinden met IoT en edge computing’

Door Werner Vogels, VP & CTO bij Amazon

Er zijn plaatsen zo afgelegen, zo ruw dat mensen ze niet veilig kunnen verkennen (bijvoor­beeld honderden kilo­me­ters onder de aarde, gebieden met extreme tempe­ra­turen, of op andere planeten). Deze plaatsen bevatten mogelijk belang­rijke gegevens die ons kunnen helpen de aarde en haar geschie­denis beter te begrijpen, evenals het leven op andere planeten. Maar ze hebben meestal weinig tot geen inter­net­ver­bin­ding waardoor de uitdaging voor mensen om onher­berg­zame omge­vingen te verkennen zelfs nog onmo­ge­lijker lijkt.

Hoe verleggen we de grenzen van wat mogelijk is?

Het antwoord op deze vraag is eigenlijk te vinden op je telefoon, je slimme horloge en miljarden andere plaatsen op onze aarde – het is het Internet of Things (IoT). Met connected devices kunnen we onze zintuigen uitbreiden naar afgelegen locaties, zoals een robot die ons werk op Mars uitvoert of externe olie­bronnen bewaakt.

Dit is de spannende toekomst voor IoT en het is dich­terbij dan je denkt. Nu al levert IoT diep­gaande en nauw­keu­rige inzichten om vrijwel elk aspect van ons leven te verbe­teren. IoT-sensoren in een fabriek kunnen uitval van appa­ra­tuur contro­leren en voor­spellen vóór een ongeval gebeurt, zorg­aan­bie­ders kunnen de gezond­heid van een patiënt op afstand monitoren waardoor de pati­ën­ten­zorg verbetert en beveiligingscamera’s kunnen mensen beter beschermen met realtime meldingen.

Maar naarmate het aantal IoT-apparaten en use cases groeit, merken mensen dat het beheren van deze connected devices nieuwe uitda­gingen geeft. Soms is een inter­net­ver­bin­ding zwak of helemaal niet beschik­baar, zoals vaak op afgelegen locaties. Voor sommige toepas­singen is een reis naar de cloud en terug niet mogelijk vanwege latency-vereisten (bijvoor­beeld een autonome auto die de omgeving in realtime inter­pre­teert). Er zijn ook kosten verbonden aan het verzenden van gegevens naar de cloud. Sommige sensoren, zoals die in fabrieken, verza­melen een onge­loof­lijke hoeveel­heid gegevens en het verzenden van dit alles naar de cloud kan duur worden. Deze barrières brengen sommige mensen letter­lijk naar de edge.

In dit blog wil ik het hebben over edge computing, de moge­lijk­heid om reken­bronnen en beslis­sings­mo­ge­lijk­heden te hebben op verschil­lende locaties, vaak met inter­mit­te­rende of geen connec­ti­vi­teit met de cloud. Met andere woorden, verwerk de gegevens dichter bij waar ze zijn gemaakt.

Waar zijn edge devices?

In toene­mende mate ontdekken ontwik­ke­laars de voordelen van het doen van bere­ke­ningen en analyses dich­terbij de eind­ge­bruiker, en zelfs direct op apparaten. Door data­ver­wer­king dichter bij de eind­ge­bruiker te brengen, kunnen ontwik­ke­laars de latency voor kritieke toepas­singen vermin­deren, helpen bij het beheren van de enorme stroom data die wordt gege­ne­reerd door de miljarden apparaten en snelle, intel­li­gente bijna real-time respon­si­vi­teit leveren.

Edge devices kunnen lokaal reageren op de gegevens die ze genereren, terwijl ze de cloud nog steeds gebruiken voor beheer, analytics, duurzame opslag en meer. Hier zijn een paar andere plaatsen waar je waar­schijn­lijk geavan­ceerde tech­no­lo­gieën op het werk zult zien:

• Afgelegen locaties

Edge devices zijn van cruciaal belang als het gaat om toegang tot gegevens op afgelegen locaties waar weinig of geen inter­net­ver­bin­ding is of veilig­heid een probleem is. Voor­beelden hiervan zijn in een mijn of een oliebron kilo­me­ters onder het aard­op­per­vlak, midden in de jungle, of zelfs op een andere planeet. Bovendien kunnen robots met geavan­ceerde moge­lijk­heden werk­ne­mers veiliger houden door te testen en te werken op onher­berg­zame en gevaar­lijke locaties.

• Fabrieken

Door continu de staat van appa­ra­tuur in real-time te volgen, kunnen mogelijke storingen worden geïden­ti­fi­ceerd voordat ze de productie beïn­vloeden. We zien vaak oplos­singen die voor­spel­lingen maken over onderhoud die worden toegepast in indu­striële omge­vingen, zoals fabrieken en produc­tie­fa­ci­li­teiten. Dit resul­teert in een langere levens­duur van de appa­ra­tuur, verbe­terde veilig­heid van de werk­ne­mers en opti­ma­li­satie van de supply chain. Verder kan je rijke inzichten krijgen tegen lagere kosten door jouw apparaat te program­meren om gegevens lokaal te filteren en alleen de gegevens die je nodig hebt voor jouw toepas­singen naar de cloud te verzenden. Edge devices kunnen ook bewer­kingen stroom­lijnen door repe­ti­tieve taken te auto­ma­ti­seren (bijvoor­beeld in Amazon-uitvoe­rings­centra helpen robots mense­lijke werk­ne­mers door pakketten te sorteren en af ​​te leveren).

• Land­bouw­be­drijven

Land­bouw­be­drijven verbe­teren de gezond­heid, opbrengst en voeding van gewassen en verlagen tege­lij­ker­tijd de kosten van voedsel met kassen en boer­de­rijen die werken met IoT. Edge devices herkennen de belang­rijkste groei­fasen van planten en passen voedings‑, water- en omge­vings­con­di­ties auto­ma­tisch aan om de opbreng­sten te maxi­ma­li­seren. Ze kunnen ook de bodem­ge­steld­heid contro­leren of gewas­ka­rak­te­ris­tieken regi­streren, zoals opbrengst, schaal­ge­wicht en vocht tijdens de oogst.

• Voer­tuigen

Auto’s en vracht­wa­gens krijgen steeds meer de moge­lijk­heid om hun omgeving te begrijpen en zelfs te navigeren (bijvoor­beeld een ander voertuig detec­teren, camera’s gebruiken om de alertheid van de bestuurder te contro­leren, spraak­be­stu­ring gebruiken om de auto- of thuis­in­stel­lingen te beheren, of zelfs autonoom rijden). Voor dit soort verbe­te­ringen is lokaal reken­kracht vereist, zodat voer­tuigen en chauf­feurs in een fractie van een seconde kunnen reageren.

• Huizen

Voor onon­der­broken huis­be­wa­king hebben apparaten (bijvoor­beeld verbonden deur­sloten, video­deur­bellen, bevei­li­gings­ca­me­ra’s, water­lek­de­tec­toren en verbonden ther­mo­staten) een lage latency en de moge­lijk­heid om gegevens lokaal te berekenen om zo bewoners snel op de hoogte te brengen van een inbraak of lek.

Machine learning op de edge

Met edge computing kan je een deel van de kracht en func­ti­o­na­li­teit van de cloud gebruiken en uitbreiden naar geavan­ceerde apparaten. Eén van de meest opwin­dende verbe­te­ringen in IoT en edge computing is de moge­lijk­heid om machine learning-infe­rentie lokaal op apparaten uit te voeren. Machine learning maakt gebruik van statis­ti­sche algo­ritmen die leren van bestaande gegevens, een proces dat training wordt genoemd, om beslis­singen te nemen over nieuwe gegevens, een proces dat infe­rentie wordt genoemd. Tijdens de training worden patronen en relaties in de gegevens geïden­ti­fi­ceerd om een ​​model te bouwen. Met het model kan een systeem intel­li­gente beslis­singen nemen over gegevens die het nog niet eerder is tegen­ge­komen. Door modellen te opti­ma­li­seren wordt de model­grootte gecom­pri­meerd, zodat deze snel wordt uitgevoerd.

Voor het trainen en opti­ma­li­seren van modellen voor machine learning zijn enorme reken­bronnen nodig, dus het is een natuur­lijke match met de cloud. Maar infe­rentie kost veel minder reken­kracht en wordt vaak in real-time gedaan wanneer nieuwe gegevens beschik­baar zijn. Het verkrijgen van infe­ren­tie­re­sul­taten met een zeer lage latency is belang­rijk om ervoor te zorgen dat jouw IoT-toepas­singen snel kunnen reageren op lokale gebeurtenissen.

Robotics

Het toevoegen van geavan­ceerde ML-moge­lijk­heden aan een robot die kan detec­teren, berekenen en actie kan onder­nemen, is een uiterst krachtige combi­natie. Dankzij lokale infe­rentie kan de robot vrijwel real-time beslis­singen nemen, zelfs zonder verbin­ding met de cloud.

Intel­li­gente robots worden steeds vaker gebruikt in maga­zijnen om inven­taris te distri­bu­eren, in huizen om saai huis­hou­de­lijk werk uit te voeren en in winkels om klan­ten­ser­vice te bieden. Robotica-toepas­singen gebruiken machine learning om complexere taken uit te voeren, zoals het herkennen van een object of gezicht, een gesprek hebben met een persoon, een gesproken opdracht volgen of autonoom navigeren.

Opslagruimte

De uitdaging van het opslaan en verwerken van gegevens in een omgeving met weinig tot geen inter­net­ver­bin­ding is er één waar veel orga­ni­sa­ties mee gecon­fron­teerd worden (bijvoor­beeld in woes­tijnen, schepen of drones). In derge­lijke situaties heb je een fysiek opslag­ap­pa­raat en een compu­ter­ap­pa­raat nodig dat klein genoeg is om te verzenden en de ontbe­ringen van een ruwe omgeving aankan.

Vooruit kijken

Of je nu externe locaties wilt ontdekken en verkennen, levens wilt redden, de productie wilt verbe­teren of gewoon het perfecte flatbread wilt maken – IoT en edge tech­no­lo­gieën kunnen je daarbij helpen. 

Als we denken aan de toekomst van hybride, geloven we bij Amazon Web Services (AWS) dat het on-premises deel de miljarden apparaten zullen zijn die op de edge staan ​​– niet in data­cen­ters. On-premises zullen onze huizen, kantoren, olie­velden, ruimte, vlieg­tuigen, schepen en meer zijn. Dit maakt de cloud belang­rijker dan ooit: connected devices hebben een veilig platform nodig om alle data te verza­melen en te analy­seren. Met deze inzichten van bovenaf kunnen orga­ni­sa­ties betere beslis­singen nemen, de erva­ringen van eind­ge­brui­kers verbe­teren en nieuwe kansen ontdekken.