Hvad er grænseberegning?
Grænseberegning er en distribueret databehandlingsstruktur, der gør det muligt for IoT-enheder hurtigt at behandle og reagere på data på grænsen af netværket.
Forklaring af cloudgrænseberegning
Grænseberegning gør det muligt for enheder på fjernplaceringer at behandle data på "grænsen" af netværket, enten af enheden eller en lokal server. Og når data skal behandles i det centrale datacenter, overføres kun de vigtigste data, hvilket minimerer ventetiden.
Hvorfor bruger virksomheder grænseberegning?
Virksomheder bruger grænseberegning til at forbedre svartiderne på deres fjernenheder og til at få mere omfattende og rettidig indsigt fra enhedsdata. Grænseberegning gør det muligt at foretage databehandling i realtid på placeringer, hvor det normalt ikke ville være muligt, og reducerer flaskehalse på de netværk og datacentre, der understøtter grænseenheder.
Uden grænseberegning vil den enorme mængde data, der genereres af grænseenheder, overvælde de fleste af nutidens virksomhedsnetværk og forhindre alle handlinger på et påvirket netværk. It-omkostningerne kunne blive skyhøje. Utilfredse kunder kan tage deres forretning et andet sted hen. Værdifulde maskiner kan blive beskadiget eller blot være mindre produktive. Men vigtigst af alt, medarbejdernes sikkerhed kan blive kompromitteret i brancher, der er afhængige af intelligente sensorer for at beskytte dem.
Hvordan fungerer grænseberegning?
For at gøre funktionalitet i realtid mulig for intelligente apps og IoT-sensorer løser grænseberegning tre indbyrdes forbundne udfordringer:
- Tilslutning af en enhed til et netværk fra en fjernplacering.
- Langsom databehandling på grund af netværks- eller databehandlingsbegrænsninger.
- Grænseenheder, der forårsager problemer med netværksbåndbredden.
Fremskridt inden for netværksteknologier, f.eks. trådløs 5G, har gjort det muligt at løse disse udfordringer globalt og kommercielt. 5G-netværk kan håndtere store mængder data –, der går til og fra enheder og datacentre – i næsten realtid. (Der er endda et trådløst netværk, som bruger kryptovaluta til at opfordre brugerne til at udvide dækningen til områder, der er sværere at nå ud til).
Men fremskridt inden for trådløs teknologi er kun en del af løsningen til at få grænseberegning til at fungere i stor skala. Det er også vigtigt at være selektiv med hensyn til, hvilke data der skal inkluderes og udelades i datastrømme via netværk, for at reducere ventetiden og levere resultater i realtid.
Et eksempel på grænseberegning:
Et sikkerhedskamera i et fjernlager bruger kunstig intelligens til at identificere mistænkelig aktivitet og sender kun disse specifikke data til det primære datacenter til øjeblikkelig behandling. Så i stedet for, at kameraet belaster netværket 24 timer pr. dag ved konstant at overføre alle sine optagelser, sender det kun relevante videoklip. Dette frigør virksomhedens netværksbåndbredde og beregningsbehandlingsressourcer til andre formål.
Use cases og eksempler på grænseberegning
Flere use cases til cloudgrænseberegning:
- En detailbutik, der ligger 1.000 km fra virksomhedens primære datacenter, bruger trådløse salgsenheder til øjeblikkeligt at behandle betalinger.
- En olieplatform midt på havet bruger IoT-sensorer og kunstig intelligens til hurtigt at registrere udstyrsfejl, før de kommer i gang.
- Et vandingssystem på en ekstern gårdmark justerer den mængde vand, det bruger i realtid, ved at registrere fugtniveauer i jorden.
Hvorfor er grænseberegning vigtig?
Fordelene ved grænseberegning er enorme, lige fra sikkerhed på arbejdspladsen til sikkerhed og produktivitet:
Offentlig cloud
Mere effektive handlinger. Grænseberegning hjælper virksomheder med at optimere deres daglige drift ved hurtigt at behandle store datamængder på eller i nærheden af de lokale websteder, hvor dataene indsamles. Dette er mere effektivt end at sende alle de indsamlede data til en centraliseret cloud eller et primært datacenter flere tidszoner væk, hvilket ville medføre for mange netværksforsinkelser og problemer med ydeevnen.
Privat cloud
Hurtigere svartider. Grænseberegning tilsidesætter centraliserede cloud- og datacenterplaceringer for at give virksomheder mulighed for at behandle data hurtigere og mere pålideligt i realtid eller tæt på dem. Overvej dataventetid, netværksflaskehalse og forringet datakvalitet, der kan opstå, når du forsøger at sende oplysninger fra tusindvis af sensorer, kameraer eller andre intelligente enheder til et centralt kontor på én gang. Grænseberegning gør det i stedet muligt for enheder på eller i nærheden af et netværks grænseenheder øjeblikkeligt at give nøglemedarbejdere og -udstyr besked om mekaniske fejl, sikkerhedstrusler og andre kritiske hændelser, så der kan handles hurtigt.
Hybridsky
Større medarbejderproduktivitet. Grænseberegning gør det muligt for virksomheder hurtigere at levere de data, som medarbejderne har brug for til at udføre deres jobopgaver så effektivt som muligt. Og på intelligente arbejdspladser, der udnytter automatisering og forudsigende vedligeholdelse, sørger grænseberegning for, at det udstyr, som medarbejderne har brug for, kører problemfrit uden afbrydelser eller fejl, der nemt kan forhindres.
Offentlig cloud
Forbedret sikkerhed på arbejdspladsen. I arbejdsmiljøer, hvor fejlbehæftet udstyr eller ændringer i forudsætningerne kan forårsage skader eller værre, kan IoT-sensorer og grænseberegning hjælpe med at beskytte personer. På olieplatforme, oliepipelines og andre eksterne industrielle use cases kan forudsigende vedligeholdelse og data i realtid, der analyseres på eller tæt på udstyrsstedet, f.eks. hjælpe med at øge sikkerheden for medarbejderne og minimere miljøpåvirkningen.
Privat cloud
Funktionalitet på fjernplaceringer. Grænseberegning gør det nemmere at bruge data, der indsamles på fjernplaceringer, hvor internetforbindelsen er periodisk, eller netværksbåndbredden er begrænset – f.eks. på en fiskebåd i Beringhavet eller på en vinmark i det italienske landskab. Driftsdata som vand- eller jordkvalitet kan konstant overvåges af sensorer og reageres på, når det er nødvendigt. Når internetforbindelsen bliver tilgængelig, kan de relevante data overføres til et centralt datacenter til behandling og analyse.
Hybridsky
Øget sikkerhed. For virksomheder er den sikkerhedsrisiko, der er forbundet med at føje tusindvis af internetforbundne sensorer og enheder til deres netværk, et reelt problem. Grænseberegning hjælper med at afhjælpe denne risiko ved at give virksomheder mulighed for at behandle data lokalt og gemme dem offline. Dette reducerer de data, der overføres via netværket, og hjælper virksomheder med at være mindre sårbare over for sikkerhedstrusler.
Offentlig cloud
Datasuverænitet. Når organisationer indsamler, behandler, lagrer og på anden måde bruger kundedata, skal de overholde reglerne om beskyttelse af personlige oplysninger i det land eller område, hvor disse data indsamles eller gemmes – f.eks. EU's generelle forordning om databeskyttelse (GDPR). Flytning af data til cloudmiljøet eller til et primært datacenter på tværs af nationale grænser kan gøre det svært at overholde regler for datasuverænitet, men med grænseberegning kan virksomheder sikre, at de overholder lokale retningslinjer for datasuverænitet ved at behandle og lagre data i nærheden af det, hvor de blev indsamlet.
Privat cloud
Reducerede it-omkostninger. Med grænseberegning kan virksomheder optimere deres it-udgifter ved at behandle data lokalt i stedet for i cloudmiljøet. Ud over at minimere virksomhedens omkostninger til cloudbehandling og lager reducerer grænseberegning overførselsomkostningerne ved at fjerne unødvendige data på eller i nærheden af det sted, hvor de indsamles.
Hybridsky
Hardware og netværk til grænseberegning
I grænseberegning er meget af processorkraften fysisk placeret på eller tæt på der, hvor dataene indsamles. Hardware til grænseberegning består ofte af disse fysiske komponenter:
Offentlig cloud
Grænseenheder omfatter intelligente kameraer, termometre, robotter, droner, vibrationssensorer og andre IoT-enheder. Selvom nogle enheder har indbyggede beregnings-, hukommelses- og lagerfunktioner, er det ikke alle, der har det.
Privat cloud
Processorer er CPU'er, GPU'er og tilknyttet hukommelse, der gør grænseberegningssystemer mere effektive. Jo mere CPU-strøm et grænseberegningssystem har, jo hurtigere kan det udføre opgaver, og jo flere arbejdsbelastninger kan det understøtte.
Hybridsky
Klynge/servere er grupper af servere, der behandler data på en grænseplacering, f.eks. på fabriksgulvet eller på en kommerciel måde. Grænseklynge/-servere har ofte til opgave at køre virksomhedsapps, virksomhedsarbejdsbelastninger og en organisations delte tjenester.
Offentlig cloud
Gateways er grænseklynge/-servere, der udfører vigtige netværksfunktioner, f.eks. aktivering af trådløse forbindelser, firewallbeskyttelse og behandling og overførsel af grænseenhedsdata.
Privat cloud
Routere er grænseenheder, der forbinder netværk. En router på grænseenheder kan f.eks. bruges til at forbinde en virksomheds LAN'er med et WAN eller internettet.
Hybridsky
Kontakter, der også kaldes adgangsnoder, forbinder flere enheder for at oprette et netværk.
Offentlig cloud
Noder er et omfattende begreb, der bruges til at beskrive grænseenheder, servere og gateways, der muliggør grænseberegning.
Privat cloud
Hybridsky
Hvad er nogle af egenskaberne ved hardware til grænseberegning?
Hardware til grænseberegning skal være holdbar og pålidelig. Dette udstyr skal ofte kunne klare ekstreme vejr-, miljø- og mekaniske forhold. Det skal især ofte være:
Offentlig cloud
Ventilatorløs og ventilationsfri. Da pålidelighed er afgørende, især i brancher, hvor udstyrsfejl kan stoppe produktion og skade medarbejdere, skal grænsehardware lukkes af for støv, snavs, fugt og andre ting, der kan kompromittere den.
Privat cloud
Temperaturresistent. Grænsehardware er ofte placeret udenfor i frysende, smeltende varmt og vådt vejr. Nogle gange er den endda placeret under vandet. I mange tilfælde er det et must at kunne modstå temperaturer, der ligger under nul og nær kogepunkt.
Hybridsky
Uigennemtrængelig over for pludselige bevægelser. Hardwaren skal kunne modstå vibrationer og stød fra maskiner eller naturlige elementer. Det er vigtigt at bygge disse komponenter uden ventilatorer, kabler og andre interne dele, der nemt kan rystes løs eller knække.
Offentlig cloud
Lille formfaktor. Med grænsecomputere er kompakt navnet på spillet. De har ofte brug for at passe ind på steder, hvor der er lidt plads. Eksempler omfatter intelligente kameraer, der er placeret på vægge og hylder, og intelligente termometer, der er pakket i forsendelseskasser.
Privat cloud
Udstyret med tilstrækkelig lagerplads. Grænsecomputere, der indsamler store mængder data fra grænseenheder, kan kræve betydelig datalagring. De skal også hurtigt kunne få adgang til og overføre store mængder data.
Hybridsky
Kompatibel med nyt og ældre udstyr. Grænsecomputere, især dem, der kører i produktions- eller fabriksindstillinger, har typisk en række I/O-porte, herunder USB-, COM-, Ethernet- og universalporte. Det giver dem mulighed for at oprette forbindelse til både nyt og ældre produktionsudstyr, maskiner, enheder, sensorer og alarmer.
Offentlig cloud
Bygget med flere forbindelsesmuligheder. Grænsecomputere understøtter typisk både trådløs og kabelforbundet forbindelse. På den måde kan computeren stadig oprette forbindelse til internettet for at overføre data, hvis det ikke er muligt at oprette trådløs forbindelse til internettet på et eksternt kommercielt sted som f.eks. en gård eller et skib til havs.
Privat cloud
Kan understøtte flere typer strømindgange. Grænsecomputere understøtter ofte en række forskellige strømindgange for at imødekomme den brede vifte af strømindgange, de kan støde på på fjernplaceringer. De kræver også spændingsstigning, overspænding og funktioner til strømbeskyttelse for at forhindre elektrisk beskadigelse.
Hybridsky
Beskyttet mod cyberangreb. Grænseenheder, der ofte ikke kan administreres af netværksadministratorer så grundigt som deres modstykker i det lokale miljø og i cloudmiljøet, har en tendens til at være mere sårbare over for dårlige aktører. Grænseenheder skal være udstyret med sikkerhedsværktøjer som firewalls og netværksbaserede systemer til registrering af indtrængen for at beskytte dem mod malware og andre cyberangreb.
Offentlig cloud
Manipulationsresistent. Da grænseberegningsenheder ofte bruges på fjernplaceringer, hvor de ikke kan overvåges konsekvent, skal de bygges for at være beskyttet mod tyveri, hærværk og uautoriseret fysisk adgang.
Privat cloud
Hybridsky
Cloudcomputing vs. grænseberegning vs. tågeberegning
Grænseberegning og tågeberegning er mellemliggende databehandlingsteknologier, der hjælper med at flytte de data, der indsamles af IoT-enheder på fjernplaceringer, til en virksomheds cloud. Lad os se nærmere på, hvordan grænseberegning adskiller sig fra tågeberegning og cloudcomputing, og hvordan de tre arbejder sammen:
Cloudcomputing gør det muligt for virksomheder at gemme, behandle og på anden måde arbejde med deres data på fjernservere, der hostes via internettet. Kommercielle cloudcomputingudbydere som Microsoft Azure tilbyder digitale databehandlingsplatforme og samlinger af tjenester, som virksomheder kan bruge til at reducere eller fjerne deres fysiske it-infrastruktur og de tilknyttede omkostninger. Cloudcomputing gør det også muligt for organisationer at levere sikre funktioner til fjernarbejde til deres medarbejdere, nemmere skalere deres data og apps og drage fordel af IoT.
Grænseberegning gør det muligt at registrere, behandle og analysere data i det fjerneste område af en organisations netværk: grænseenheder "." Dette giver organisationer og brancher mulighed for at arbejde med vigtige data i realtid, nogle gange uden at skulle kommunikere med et primært datacenter, og ofte ved kun at sende de mest relevante data til det primære datacenter for hurtigere behandling. Dette sparer primære databehandlingsressourcer, f.eks. cloudnetværk, i at blive overbebyrdet af irrelevante data, hvilket reducerer ventetiden for hele netværket. Det reducerer også netværksomkostningerne.
Overvej en borerig, der arbejder midt på havet. Sensorer, der sporer oplysninger som f.eks. detaljedybde, overfladetryk og væskeflowhastighed, kan hjælpe med at holde maskinerne på en platform kørende problemfrit og hjælpe med at beskytte medarbejderne og miljøet. For at gøre dette uden at gøre netværket unødvendigt langsommere sender sensorerne kun data om kritiske vedligeholdelsesbehov, udstyrsfejl og oplysninger om medarbejdersikkerhed over netværket, og det gør det muligt at identificere og reagere på problemer tæt på realtid.
Tågeberegning gør det muligt midlertidigt at lagre og analysere data i et beregningslag mellem cloudmiljøet og grænseenhederne i tilfælde, hvor det ikke er muligt at behandle grænsedata på grund af begrænsninger i beregning af grænseenheder.
Fra tågen kan relevante data sendes til cloudservere med henblik på langsigtet lagring og fremtidig analyse og brug. Ved ikke at sende alle grænseenhedsdata til et centralt datacenter til behandling giver tågeberegning virksomheder mulighed for at reducere noget af belastningen på deres cloudservere, hvilket hjælper med at optimere it-effektiviteten.
Overvej f.eks. en bygningsadministrationsvirksomhed, der bruger intelligente enheder til at automatisere temperaturstyring, ventilation, belysning, sprinklere og brand- og sikkerhedsalarmer i alle bygninger. I stedet for at disse sensorer konstant overfører data til deres primære datacenter, har virksomheden en server i hver bygnings kontrolrum, der administrerer øjeblikkelige problemer og kun sender aggregerede data til det primære datacenter, når netværkstrafik og beregningsressourcer har overskydende kapacitet. Dette lag af tågeberegning giver virksomheden mulighed for at maksimere sin it-effektivitet uden at gå på kompromis med ydeevnen.
Det er vigtigt at bemærke, at grænseberegning ikke er afhængig af tågeberegning. Tågeberegning er blot en ekstra mulighed for at hjælpe virksomheder med at opnå større hastighed, ydeevne og effektivitet i visse scenarier med grænseberegning.
Use cases og eksempler på grænseberegning
IoT-enheder og grænseberegning transformerer hurtigt den måde, som brancher over hele verden arbejder med data på. Følgende er nogle af de mest bemærkelsesværdige use cases til grænseberegning i virksomheden:
Grænseberegning for afdelingskontorer. Intelligente enheder og sensorer reducerer antallet af ressourcer, der er nødvendige for at køre en virksomheds sekundære kontorer. Overvej internetforbundne VVS-kontrolelementer, sensorer, der registrerer, når kopimaskiner kræver reparation, og sikkerhedskameraer. Ved kun at sende de vigtigste enhedsbeskeder til et firmas primære datacenter hjælper grænseberegning med at forhindre overbelastning og mellemliggende tid på serveren, samtidig med at svartiden øges markant på facilitetsproblemer.
Grænseberegning til produktion. Sensorer på fabriksgulve kan bruges til at overvåge udstyr for rutinevedligeholdelsesproblemer og -fejl samt til at holde medarbejderne sikre. Desuden kan intelligent udstyr på fabrikker og lagre øge produktiviteten, reducere produktionsomkostningerne og levere kvalitetskontrol. Og hvis du beholder data og analyser på fabriksgulvet i stedet for at sende dem til et centralt datacenter, kan det hjælpe med at undgå dyre og potentielt farlige forsinkelser.
Grænseberegning til energi. El- og forsyningsvirksomheder bruger IoT-sensorer og grænseberegning til at øge effektiviteten, automatisere elnettet, forenkle vedligeholdelsen og kompensere for mangler i netværksforbindelsen på fjernplaceringer. Forsyningstårne, vindfarme, olieplatforme og andre eksterne energikilder kan være udstyret med IoT-enheder, der kan modstå hård vejr og andre miljømæssige udfordringer. Disse enheder kan behandle data på eller i nærheden af energiområdet og kun sende de mest relevante data til hoveddatacenteret. I olie- og gassektoren giver IoT-sensorer og grænseberegning vigtige sikkerhedsadvarsler i realtid, der giver nøglemedarbejdere besked om nødvendige reparationer og fejl i farligt udstyr, der kan føre til eksplosioner eller andre katastrofer.
Grænseberegning til landbrug. Grænseberegning kan hjælpe med at øge effektiviteten og udbyttet af landbrug. Vejrresistente IoT-sensorer og droner kan hjælpe producenter med at overvåge udstyrets temperatur og ydeevne, analysere jord, lys og andre miljødata, optimere mængden af vand og planter, der bruges på afgrøder, og høste på en mere effektiv måde. Grænseberegning gør det mere omkostningseffektivt at bruge IoT-teknologi, selv på fjernplaceringer, hvor netværksforbindelsen er begrænset.
Grænseberegning til detailhandlen. Store detailhandlere indsamler ofte enorme mængder data i deres individuelle butikker. Ved hjælp af grænseberegning kan detailhandlere udtrække mere omfattende forretningsindsigt og reagere på dem i realtid. Forhandlere kan f.eks. indsamle data om kundetrafik, spore salgsstedsnumre og overvåge succesen af kampagner på tværs af alle deres butikker og bruge disse lokale data til at administrere lagerbeholdningen mere effektivt og træffe hurtigere og mere velfunderede forretningsbeslutninger.
Grænseberegning til Sundhedssektoren. Der er stor brug af grænseberegning i Sundhedssektoren. Temperatursensorer, der leveres med vacciner, kan hjælpe med at sikre, at de opretholder deres integritet i hele forsyningskæden. Medicinsk udstyr i hjemmet, f.eks. intelligente CPAP-maskiner og hjertemonitorer, kan indsamle patientdata og sende relevante oplysninger til en patients læge- og sundhedsnetværk. Hospitaler kan bedre hjælpe patienter ved at bruge IoT-teknologi til at spore patienters vigtige tegn og til mere præcist at spore placeringen af udstyr som kørestole og bårer.
Grænseberegning for selvkørende køretøjer. Der er næsten ingen margen for fejl med selvkørende biler, taxaer, biler og lastbil. Grænseberegning gør det muligt for dem at reagere øjeblikkeligt og korrekt på trafiksignaler, vejforhold, forhindringer, fodgængere og andre køretøjer i realtid.
Tjenester til grænseberegning
I takt med at cloudgrænseberegning er blevet mere udbredt, er typerne af relaterede tjenester, der understøtter brugen, også steget. Nutidens grænseberegningstjenester går langt ud over blot enheder og netværk for at inkludere løsninger til at:
- Køre kunstig intelligens, analyse og andre forretningsfunktioner på IoT-enheder.
- Konsolidere grænsedata i stor skala, og fjerne datasiloer.
- Udrulle, administrere og hjælpe med at sikre arbejdsbelastninger på grænseenheder eksternt.
- Optimer omkostningerne ved at køre grænseløsninger.
- Gøre det muligt for enheder at reagere hurtigere på lokale ændringer.
- Sørge for, at enhederne fungerer pålideligt efter længere offlineperioder.
De nyeste løsninger omfatter tjenester, der hjælper med at inkorporere grænseberegning med almindelige teknologier som databaser, operativsystemer, cybersikkerhed, blokkædehovedbøger og administration af infrastruktur for blot at nævne nogle få.
Eksempler på Microsoft-tjenester til grænseberegning:
Azure IoT Edge
Udvid cloudintelligens og analyser til grænseenheder.
Azure Stack Edge
Bringe Azure-beregning, -lager og -intelligens til grænsen med Azure-administrerede enheder.
Azure Sphere
Forbind MCU-drevne enheder fra Silicon til cloudmiljøet på en sikker måde.
Azure SQL Edge
Få dataindsigt i realtid til IoT-servere, gateways og enheder.
Azure Data Box
Hurtigt og omkostningseffektivt at flytte gemte eller in-flight-data til Azure og grænseberegning.
Azure Network Function Manager
Udrulle og administrere 5G- og SD-WAN-netværksfunktioner på grænseenheder.
Windows til IoT
Byg intelligente grænseløsninger med professionelle udviklerværktøjer, support og sikkerhed.
Avere vFXT for Azure
Kør filbaserede arbejdsbelastninger med høj ydeevne i skyen.
Azure Front Door
Få hurtig, pålidelig og mere sikker levering af cloud-indhold med intelligent beskyttelse mod trusler.
Fortrolig Azure-hovedbog
Gemme ustrukturerede metadata i en blokkæde ved hjælp af en REST API-administreret tjeneste.
En bemærkning om AI- og analysetjenester til grænseberegning
AI- og analysetjenester til grænsen er især værdifulde til forbedring af automatisering, produktivitet, vedligeholdelse og sikkerhed. Her er blot ét eksempel: Udrulning af forudsigende modeller til fabrikskameraer kan hjælpe med at registrere problemer med kvalitetskontrol og sikkerhed. I dette tilfælde udløser løsningen en underretning og behandler dataene lokalt for at udføre en øjeblikkelig handling eller sende dem til cloudmiljøet med henblik på øjeblikkelig analyse, før du foretager en handling.
Ofte stillede spørgsmål
-
Grænseberegning er en netværksteknologi, der gør det muligt for enheder på eksterne placeringer at behandle data og udføre handlinger i realtid. Det fungerer ved at minimere netværksventetiden ved at behandle de fleste data på "grænseenheder" af netværket – f.eks. af selve enheden eller af en server – i nærheden og kun sende de mest relevante data til det primære datacenter til behandling næsten øjeblikkeligt.
-
"Cloudgrænseberegning" er en anden måde at sige, at "grænseberegning" – de to begreber betyder det samme: at gøre det muligt for enheder på fjernplaceringer at behandle data og udføre handlinger i realtid ved at minimere netværksventetiden.
-
Teknologien bag cloud-grænseberegning omfatter netværksløsninger og hardware, der gør det muligt for intelligente enheder i eksterne eller udfordrende miljøer at fungere uden at have en fuld forbindelse til et centralt netværk. Netværksløsninger omfatter teknologier som 5G og løsninger, der hjælper med at reducere ventetiden ved at minimere mængden af data, der sendes på tværs af netværket. Almindelige grænseenheder omfatter kameraer, sensorer, servere, processorer, kontakter og routere, der opretter forbindelse via netværket til et centralt datacenter. I mange tilfælde kører grænseenheder AI lokalt og sender kun visse vigtige data til det primære datacenter til yderligere behandling.
-
Grænseberegning bruges ofte til steder som fabriksgulve, showrooms til detailhandel, forsendelsesbeholdere, hospitaler, byggepladser, energigitre og gårde – og endda den internationale rumstation –, hvor enheder eller sensorer skal fungere i realtid, men kun har begrænset forbindelse til et primært datacenter. Det giver virksomheder mulighed for at gøre ting som f.eks. at bruge sensorer til at sikre, at maskinerne fungerer sikkert og effektivt, til at registrere, hvornår lageret er lavt på butikshylder, øge eller reducere vanding på gårde baseret på jordbundne fugt og at spotte, hvornår medarbejderne kan være i fare.