Bagaimana menghapus latensi dapat membuka nilai yang lebih besar dari IoT

Evolusi IoT

Ketika IoT pertama kali muncul, itu semua tentang perangkat dan bukan tentang kecerdasan. Konsumen membeli termostat yang terhubung untuk rumah mereka karena berbagai alasan, termasuk kemudahan antarmuka yang lebih sederhana untuk pemrograman tingkat lanjut dan kendali jarak jauh perangkat. Namun, sistem awal ini hanyalah perangkat yang dikendalikan dari jarak jauh, dan sebenarnya bukan IoT.

Kemudian, ruang IoT berkembang. Tiba-tiba, termostat pintar Anda dapat mempelajari perilaku Anda dan mengontrol sistem HVAC berdasarkan berbagai faktor, seperti pola penggunaan Anda atau harga daya pada waktu tertentu dari data yang dikumpulkan melalui internet. Itu berarti sistem dapat menghemat uang Anda, sekaligus menurunkan jejak karbon Anda.

Saat sistem IoT yang lebih cerdas muncul, manfaat utamanya adalah modifikasi perilaku. Saya membeli termostat pintar pada awalnya karena menurut saya itu keren. Jika itu membantu saya tetap nyaman, sambil menghemat energi dan mengurangi tagihan energi saya, itu adalah peningkatan besar dari sebelumnya.

Salah satu hal terbaik yang dilakukan IoT untuk hari ini adalah penambahan AI dan pengumpulan data. Misalnya, mesin cuci terhubung yang berumur beberapa tahun sudah mulai bergetar selama siklus putaran. Alangkah baiknya mengetahui apakah bantalan mulai lepas. Dan, jika masalah berlanjut, hanya masalah waktu sebelum mesin cuci terlepas dari dinding dan membanjiri lantai dasar Anda. Dengan AI, produsen dapat menganalisis tren di ribuan atau ratusan ribu mesin cuci lainnya dan menyimpulkan secara akurat kapan salah satunya akan gagal. Kemudian, kami dapat mengambil tindakan yang tepat, seperti yang direkomendasikan oleh mesin AI, seperti mengirim teknisi atau mengirimkan peringatan pada aplikasi pengguna untuk menyelesaikan masalah sebelum terjadi bencana.

Mengakhiri latensi IoT

Kembali ke contoh BBQ itu, kasus penggunaan memicu banyak diskusi komputasi tepi dan latensi. Ada latensi antara digital twin di cloud dan BBQ di halaman Anda. Hasil dari latensi ini mungkin berarti makanan Anda menjadi terlalu matang. Mungkin Anda memperhatikan; mungkin tidak.

Sistem yang memiliki latensi lebih lama juga akhirnya melakukan pengumpulan data dan pengolahan data secara terpisah. Kasus penggunaan aplikasi dan perilaku bisnis berubah jika pengumpulan dan pemrosesan data dapat dilakukan secara bersamaan. Dalam sistem seperti itu, sumber daya berbasis cloud dapat terus mengumpulkan informasi dalam jumlah besar dan mengelola model data yang besar. Server yang dilokalkan dapat membandingkan informasi yang telah dilatih sebelumnya dengan data lokal dan pengelolaan perangkat secara waktu nyata.

Dalam beberapa kasus, latensi dapat memengaruhi kegunaan atau memiliki konsekuensi keamanan yang negatif. Misalnya, kendaraan otonom yang menerima data dari cloud. Mendapatkan informasi koreksi jalur karena kondisi jalan waktu nyata di depan berarti Anda tidak boleh memiliki latensi detik karena hal itu dapat mengakibatkan kendaraan membuat keputusan yang buruk dan menabrak. Dalam sistem seperti itu, server yang dilokalkan dapat membandingkan informasi pra-pelatihan yang disimpan dengan data lokal dan menyarankan kendaraan otonom untuk menghindari masalah latensi dan beroperasi dengan efisiensi puncak.

Kabar baiknya adalah sekarang ada solusi yang dapat menangani model data besar dan secara efisien menangani pemrosesan AI di lingkungan lokal. Infrastruktur back-end sekarang dapat menyelesaikan lebih banyak pemrosesan data dengan lebih sedikit. Manfaat bagi perusahaan adalah mereka dapat terus mengumpulkan data, yang meningkat secara eksponensial, dan melatihnya. Perangkat edge kemudian memiliki kemampuan untuk mendapatkan lebih banyak kecerdasan dan kemampuan prediktif dari data tersebut secara real time.

Setelah mendapatkan kecerdasan dari data Anda, Anda dapat mulai menggunakannya dengan cara yang tidak pernah terpikirkan sebelumnya. Saat itulah terobosan inovasi benar-benar mulai terjadi.

Tentang Penulis
Mark Wright adalah penginjil teknologi di GSI Teknologi Inc. Dia berasal dari karir di sistem elektronik, mencakup desain dengan keandalan tinggi dan aplikasi teknologi baru. Dia memulai karirnya merancang produk tingkat dewan untuk Computing Devices Corporation, sekarang GD Canada. Dia telah mendorong manajemen produk untuk teknologi baru, seperti memori beralamat konten terner dan IoT, di perusahaan seperti Integrated DNA Technologies, Ayla Networks, dan Samsung Electronics. Sebelum bergabung dengan Teknologi GSI, Wright berkonsultasi untuk perusahaan rintisan tahap awal tentang masalah teknologi dan pengembangan bisnis.