جایی که محاسبات لبه خراب می شود: عملیات

همانطور که محاسبات لبه گسترده تر می شود، بسیاری از آنها با چالش های عملیاتی غیرمنتظره مواجه می شوند.

فرض کنید وظیفه شما نظارت بر عملیات چاه نفت در سراسر یک کشور کوچک است. شما یک دستگاه نصب شده در هر پمپ جک روغن دارید، مکانیزمی که نفت را از یک چاه موجود از زمین خارج می کند. این دستگاه آب و هوای محلی و عملیات پمپ را کنترل می کند. حتی فرآیندهای محلی را در پمپ جک خودکار می کند.

در مجموع، این دستگاه‌ها به عنوان رایانه‌های لبه شناخته می‌شوند. آنها پردازنده‌ها، سیستم‌های ذخیره‌سازی محلی، سیستم‌عامل‌ها و رابط‌های شبکه خود را دارند که به آنها اجازه می‌دهد با یک سیستم جمع‌آوری و تحلیل متمرکز ارتباط برقرار کنند. این سیستم متمرکز از هوش مصنوعی و تجزیه و تحلیل داده ها برای تعیین زمان اعزام اپراتورهای انسانی استفاده می کند. به عنوان مثال، دستگاه می تواند تعیین کند که موتور پمپ در شرف از کار افتادن است یا زمانی که جریان روغن خیلی زیاد یا خیلی کم است.

این دستگاه‌ها همچنین از جمع‌آوری داده‌های متمرکز برای نظارت بر تولید کلی و نظارت بر تمام پمپ‌جک‌های تولیدکننده نفت استفاده می‌کنند. ۵۰۰ دستگاه در این شبکه محاسبات لبه خاص وجود دارد، یک دستگاه برای هر پمپ جک راه دور، و همه دستگاه‌ها به یک سیستم متمرکز در یک ارائه‌دهنده ابر عمومی ارتباط برقرار می‌کنند.

چند ماه اول استفاده از این دستگاه‌های محاسباتی لبه‌ای برای نظارت بر عملیات پمپاژ از راه دور و بدون سرنشین به خوبی انجام شد. با این حال، سیستم های ذخیره سازی روی دستگاه ها به دلیل یک نقص شناخته شده به زودی شروع به از کار افتادن کردند و رابط های شبکه متوقف شدند و مجبور به تنظیم مجدد شدند. بیشتر اوقات، برخی از سنسورهای کلیدی مورد استفاده در پمپ جک کار نمی کنند. این مشکلات تنها با فرستادن انسان‌ها برای رفع آن‌ها قابل رفع است، بنابراین هزینه‌ای را متحمل می‌شود که هدف از استفاده از این دستگاه‌ها برای خودکارسازی عملیات پمپ را ناکام گذاشت.

برای رفع این مشکل، به یاد داشته باشید که ما باید با محاسبات لبه مانند هر پلتفرم محاسباتی و ذخیره سازی دیگری تحت کنترل عملیاتی سر و کار داشته باشیم – اصول اولیه را انجام دهیم. از داده های هر دستگاه لبه، از راه دور تا مرکزی، نسخه پشتیبان تهیه کنید. سیستم عامل ها و سیستم عامل ها را از راه دور مانند گوشی های هوشمند به روز کنید. پشتیبانی از به روز رسانی های برنامه که شامل تغییرات در ساختار داده می شود. همچنین، پیکربندی، از جمله نسخه‌های سیستم عامل، به‌روزرسانی‌ها و وصله‌های برنامه کاربردی، و حتی نسخه‌های نرم‌افزاری که روی برخی از حسگرهای هوشمند اجرا می‌شوند را ردیابی کنید.

در مثال چاه نفت، حدود ۵۰۰ جزء سخت افزاری و نرم افزاری مختلف فقط برای یک دستگاه که یک پمپ جک را کنترل می کند، ردیابی می شوند. به یاد داشته باشید، ۵۰۰ پمپ جک وجود دارد. بنابراین، ۲۵۰۰۰۰ قطعه سخت افزاری و نرم افزاری باید ردیابی و عملیاتی شوند.

مشکل مربوط به محاسبات لبه زمانی ایجاد می شود که به نحوه کار واقعاً کارها نگاه می کنید. بله، ما قطعات بسیار محکم و با کیفیتی برای کامپیوتر لبه خود داریم، مانند رابط های شبکه، سیستم های ذخیره سازی و پردازنده هایی که همگی در برابر چالش های محیطی مانند گرما و رطوبت مقاوم هستند. با این حال، اگر هر یک از این مؤلفه‌ها از کار بیفتد، بسیاری یا بیشتر مؤلفه‌های دیگر نیز به وظایف خود ادامه نمی‌دهند. برای مثال، اگر سنسور روغن از کار بیفتد، اگر دمای روغن را ندانیم، نمی‌توانیم با مشکلات جریان روغن مقابله کنیم. اگر نتوانیم مشکل جریان روغن خود را برطرف کنیم، باید کل پمپ جک را خاموش کنیم تا زمانی که کسی بتواند حسگر را تعمیر کند و تولید را دوباره شروع کند.

مشکلات مشابه می‌تواند به عملیات دستگاه‌های پزشکی، عملیات کارخانه از راه دور، کشاورزی، یا هر سناریویی که در آن باید سیستم‌های محاسباتی را که به راحتی در دسترس نیستند، اجرا کنید. انواع تجربیات محاسبات لبه ای که در اینجا توضیح داده شده اند، امروزه غیر معمول نیستند.

من پیشنهاد می‌کنم در مورد نحوه عملکرد این نوع سیستم‌های محاسباتی لبه‌ای، از قبل برنامه‌ریزی بیشتری انجام دهیم. با استفاده روزافزون از محاسبات لبه، ما باید بدانیم که چگونه از مدیریت پیکربندی و سیستم های عملیاتی استفاده می کنیم و سپس به نحوه برخورد با آنچه احتمالاً در این زمینه خواهیم دید فکر کنیم. ما باید بسیاری از اجزای یکسان را مدیریت کنیم، از جمله وابستگی متقابل آنها و توانایی مقابله با سطوح مختلف شکست. همچنین باید تعداد افراد مورد نیاز برای رفع مشکلات را به حداقل برسانیم و زمان از کار افتادن سیستم‌های محاسباتی لبه و حسگرهای متصل را کاهش دهیم.

راه‌حل‌های ممکن از چند مکتب فکری مختلف می‌آیند. در بسیاری از موارد، سازنده یا صاحب دستگاه ها یک راه حل سفارشی برای محیط خاص (مانند مشکلات میدان نفتی) ایجاد می کند. برخی استفاده از مجموعه‌ای اضافی از دستگاه‌ها و حسگرها را تبلیغ می‌کنند که می‌توانند قابلیت اطمینان را تا پنج ۹ افزایش دهند. پلتفرم های دستگاه محاسبات لبه (محاسبات، ذخیره سازی و شبکه) معمولاً کمتر از ۲۰۰ دلار در هر واحد هستند. چرا از چندین در یک آرایه اضافی استفاده نمی کنید؟ همین سوال را در مورد حسگرها بپرسید.

من پیش‌بینی می‌کنم که برای تبدیل کردن سیستم‌های اینترنت اشیاء قابل اعتماد برای سیستم‌های لبه‌ای که خارج از مراکز داده یا سایر محیط‌های به راحتی کنترل می‌شوند، به استانداردهای صنعتی و بهترین شیوه‌ها نیاز داشته باشیم. اگر هر کس راه حل های یکباره ای برای پاسخگویی به نیازهای عملیاتی خاص خود بسازد، هیچ چیز به یک راه حل واقعی تبدیل نخواهد شد. این کار مستلزم همکاری متقابل بین ارائه دهندگان فناوری محاسبات لبه و صنایع است. اگر می‌خواهیم محاسبات لبه‌ای در مقیاس باشد، ابتدا به تفکری نوآورانه نیاز داریم.