Maison >Périphériques technologiques >IA >Comment l'informatique de pointe aide les entreprises à réduire leurs coûts et à accroître leur efficacité
De plus en plus d'espoirs sont placés dans l'informatique de pointe, ce qui rend le secteur plein d'idées audacieuses, telles que « la périphérie va manger le cloud » et l'automatisation en temps réel deviendra courante dans les soins de santé, la vente au détail et l'industrie manufacturière.
Aujourd'hui, de plus en plus d'experts estiment que l'edge computing jouera un rôle clé dans la transformation numérique de presque toutes les entreprises. Mais les progrès ont été lents. La pensée traditionnelle empêche les entreprises de tirer pleinement parti de la prise de décision et de l’allocation des ressources en temps réel. Pour comprendre comment et pourquoi cela s’est produit, revenons sur la première vague de l’informatique de pointe et sur ce qui s’est passé depuis.
Première vague de Edge Computing : Internet des objets (IoT)
Ces flux de données doivent ensuite être corrélés à ce que l'on appelle communément la fusion de capteurs. À l’époque, les aspects économiques des capteurs, la durée de vie des batteries et l’ubiquité entraînaient souvent des flux de données trop limités et de faible fidélité. De plus, la modernisation des équipements existants avec des capteurs est souvent coûteuse. Bien que les capteurs eux-mêmes soient peu coûteux, leur installation prend du temps et nécessite un personnel qualifié. Enfin, l'expertise requise pour analyser les données à l'aide de la fusion de capteurs est intégrée dans la base de connaissances des employés de l'ensemble de l'organisation. Cela a conduit à un ralentissement de l’adoption de l’IoT.
De plus, les préoccupations concernant la sécurité ont également affecté l'application à grande échelle de l'Internet des objets. Le calcul est simple : des milliers d’appareils connectés répartis sur plusieurs sites équivalent à une quantité d’exposition massive et souvent inconnue. Les risques potentiels étant supérieurs aux avantages non prouvés, nombreux sont ceux qui estiment qu’il est prudent d’adopter une approche attentiste.
Au-delà de l'IoT 1.0
mais la prise de décision en temps réel pour les opérations sur des sites et des zones géographiques distribués. En informatique, et de plus en plus dans les environnements industriels, nous appelons ces sources de données distribuées la périphérie. Nous appelons la prise de décision à partir de tous ces emplacements en dehors du centre de données ou du cloud computing.
De nos jours, la frontière est partout
—là où nous vivons, là où nous travaillons et là où se déroulent les activités humaines. La couverture clairsemée des capteurs a été corrigée avec des capteurs plus récents et plus flexibles. Les nouveaux actifs et technologies s’accompagnent d’une large gamme de capteurs intégrés. Les capteurs sont désormais souvent complétés par une imagerie haute résolution/haute fidélité (équipement à rayons X, lidar). La raison est simple : il n'y a pas suffisamment de bande passante et de temps disponibles entre l'emplacement périphérique et le cloud. Les données en périphérie sont les plus importantes à court terme. Les données peuvent désormais être analysées et consommées en temps réel à la périphérie, plutôt que traitées et analysées ultérieurement dans le cloud. Pour atteindre de nouveaux niveaux d’efficacité et un retour opérationnel supérieur, l’informatique doit être effectuée à la périphérie. Cela ne veut pas dire que le cloud n’est pas pertinent. Le cloud joue toujours un rôle important dans l’edge computing en raison de la possibilité de le déployer et de le gérer sur tous les sites. Par exemple, le cloud permet d'accéder à des applications et des données depuis d'autres emplacements, ainsi qu'à des experts à distance pour gérer les systèmes, les données et les applications dans le monde entier. De plus, le cloud peut être utilisé pour analyser de grands ensembles de données sur plusieurs sites, afficher les tendances au fil du temps et générer des modèles d'analyse prédictive. La technologie de pointe consiste donc à gérer les flux de données massives dans un grand nombre d'emplacements géographiquement dispersés. Il faut adopter cette nouvelle compréhension de la périphérie pour vraiment comprendre ce qui est désormais possible avec l’informatique de pointe. Aujourd'hui : Edge Analytics en temps réel C'est incroyable ce qui peut être fait à la périphérie aujourd'hui par rapport à il y a quelques années seulement. Désormais, les données peuvent être générées à partir d’un grand nombre de capteurs et de caméras, plutôt que de se limiter à quelques-uns. Ces données seront ensuite analysées sur des ordinateurs des milliers de fois plus puissants que ceux d’il y a 20 ans – le tout à un coût raisonnable. Des processeurs et GPU à grand nombre de cœurs, ainsi que des réseaux à haut débit et des caméras haute résolution sont désormais facilement disponibles, faisant de l'analyse de périphérie en temps réel une réalité. Le déploiement d'analyses en temps réel à la périphérie (là où se déroule l'activité commerciale) aide les entreprises à comprendre leurs opérations et à réagir immédiatement. Grâce à ces connaissances, de nombreuses opérations peuvent être davantage automatisées, augmentant ainsi la productivité et réduisant les pertes. Voici quelques cas d'utilisation actuels de l'analyse de périphérie en temps réel :De nombreux supermarchés utilisent désormais une forme de caisse automatique et malheureusement, ils constatent également un nombre croissant d'incidents de fraude. Certains acheteurs peu scrupuleux peuvent remplacer des codes-barres moins chers par des articles plus chers et payer moins cher. Pour détecter ce type de fraude, les magasins utilisent désormais des caméras haute résolution qui comparent les scans et le poids d'un produit à la valeur réelle du produit. Ces caméras sont relativement bon marché mais génèrent d’énormes quantités de données. En déplaçant l'informatique vers la périphérie, les données peuvent être analysées instantanément. Cela signifie que les magasins peuvent détecter la fraude en temps réel, plutôt qu'après que le « client » a quitté le parking.
Aujourd'hui, une installation de fabrication peut être équipée de dizaines de caméras et de capteurs à chaque étape du processus de fabrication. L'analyse en temps réel et le raisonnement basé sur l'IA peuvent révéler si une erreur existe en quelques millisecondes, voire microsecondes. Par exemple, la caméra montrera peut-être que trop de sucre a été ajouté ou qu'il y a trop d'ingrédients. Grâce aux caméras et aux analyses en temps réel, les lignes de production peuvent s'ajuster pour améliorer les problèmes et même calculer les arrêts lorsque des réparations sont nécessaires, sans causer de dommages catastrophiques.
Dans le secteur de la santé, les caméras infrarouges et à rayons X ont changé la donne car elles offrent une haute résolution et fournissent rapidement des images aux techniciens et aux médecins. Avec une résolution aussi élevée, l’IA peut désormais filtrer, évaluer et diagnostiquer les anomalies avant qu’un médecin ne les confirme. En déployant l’informatique de pointe basée sur l’IA, les médecins peuvent gagner du temps car ils n’ont pas besoin d’envoyer des données vers le cloud pour obtenir un diagnostic. Par conséquent, lorsque les oncologues déterminent si un patient souffre d’un cancer du poumon, ils peuvent appliquer un filtrage IA en temps réel aux images pulmonaires du patient pour obtenir un diagnostic rapide et précis et réduire considérablement l’anxiété du patient lié à l’attente d’une réponse.
Aujourd'hui, les voitures autonomes sont possibles grâce à des caméras relativement bon marché et disponibles qui offrent une perception visuelle stéréoscopique à 360 degrés. L'analyse permet également une reconnaissance précise des images, de sorte qu'un ordinateur peut reconnaître la différence entre un tumbleweed et le chat d'un voisin, et décider s'il doit freiner ou contourner un obstacle pour rester en sécurité.
L'abordabilité, la disponibilité et la miniaturisation des GPU et CPU hautes performances permettent la reconnaissance de formes en temps réel et la planification vectorielle pour l'intelligence de la conduite des véhicules autonomes. Pour que les voitures autonomes réussissent, elles doivent disposer de suffisamment de données et de puissance de traitement pour prendre des décisions intelligentes et prendre des mesures correctives assez rapidement. Désormais, cela n’est possible qu’avec les technologies de pointe actuelles.
Lorsqu'une informatique extrêmement puissante est déployée à la périphérie, les entreprises peuvent mieux optimiser leurs opérations sans se soucier de la latence ni de perdre la connectivité au cloud. Tout est désormais distribué à la périphérie, de sorte que les problèmes sont résolus en temps réel avec une connectivité seulement sporadique.
Nous avons parcouru un long chemin depuis la première vague de technologies de pointe. Grâce aux progrès de la technologie de pointe, les entreprises bénéficient désormais d’une vue plus complète de leurs opérations. Les technologies de pointe d'aujourd'hui aident non seulement les entreprises à augmenter leurs bénéfices, mais elles les aident également à réduire les risques et à améliorer les produits, les services et l'expérience client.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!