エッジコンピューティングが企業のコスト削減と効率向上にどのように役立つか

エッジコンピューティングへの期待が高まる中、業界では「エッジがクラウドを飲み込む」や、医療、小売、製造業でリアルタイムの自動化が普及するなど、大胆なアイデアが飛び交っています。

今日、エッジコンピューティングがほぼすべての企業のデジタル変革において重要な役割を果たすと考える専門家が増えています。しかし、進歩は遅い。従来の考え方では、企業はリアルタイムの意思決定とリソース割り当てを最大限に活用することができません。

これがなぜ、どのように起こったのかを理解するために、エッジコンピューティングの最初の波とそれ以降に何が起こったかを振り返ってみましょう。

エッジコンピューティングの第一波: モノのインターネット (IoT)

ほとんどの業界にとって、エッジの概念はモノのインターネット (IoT) の最初の波と密接に関連しています。当時は、あらゆるものに取り付けられた小さなセンサーからデータを収集し、そのデータをクラウドやメインデータセンターなどの中央の場所に送信することに重点が置かれていました。

これらのデータストリームは、一般にセンサーフュージョンと呼ばれる方法で相関させる必要があります。当時は、センサーの経済性、バッテリー寿命、ユビキタス性などの理由から、データストリームが制限され、忠実度が低くなることが多かったのです。さらに、既存の機器にセンサーを後付けするには、多くの場合コストがかかります。センサー自体は安価ですが、設置には時間がかかり、訓練を受けた人員が必要です。最後に、センサーフュージョンを使用してデータを分析するために必要な専門知識は、組織全体の従業員の知識ベースに組み込まれます。これにより、IoT の導入が鈍化しました。

さらに、セキュリティに関する懸念も、モノのインターネットの大規模な応用に影響を与えます。計算は簡単です。複数の場所にある何千ものデバイスが接続されていれば、膨大な、そして多くの場合は未知のリスクにさらされることになります。潜在的なリスクが証明されていない利点を上回るため、多くの人は様子見のアプローチが賢明だと考えています。

IoT 1.0を超えて

エッジはモノのインターネットには存在しないということが、ますます明らかになりつつあります。

分散したサイトや地理的な場所にわたる運用についてリアルタイムで意思決定を行うことが重要です。 IT や産業環境では、これらの分散データソースをエッジと呼ぶことが多くなっています。これらすべての決定を、データセンターまたはクラウドエッジコンピューティングの外部の場所から行われるものと呼んでいます。

今日、エッジは私たちが住む場所、働く場所、そして人間の活動が行われるあらゆる場所に存在します。疎なセンサーカバレッジは、より新しく、より柔軟なセンサーによって解決されました。新しい資産とテクノロジーには、幅広い統合センサーが付属しています。今日では、センサーに高解像度/高忠実度の画像 (X 線デバイス、LiDAR) が追加されることが多くなっています。

追加のセンサーデータ、イメージング技術、そしてこれらすべてを相互に関連付ける必要性により、毎秒膨大な量のデータが生成されることになります。これらの膨大なデータストリームから結果を導き出すために、現在ではデータが生成される場所の近くにコンピューティング能力が配備されています。

理由は簡単です。エッジロケーションとクラウドの間には利用可能な帯域幅と時間が十分ではないからです。短期的にはエッジのデータが最も重要です。データは、後でクラウドで処理および分析されるのではなく、エッジでリアルタイムに分析および使用できるようになりました。より高いレベルの効率性と優れた運用フィードバックを実現するには、エッジでコンピューティングを行う必要があります。

これはクラウドが重要ではないと言っているわけではありません。クラウドは、あらゆる場所に展開および管理できるパワーであるため、エッジコンピューティングにおいて依然として重要な役割を果たしています。たとえば、クラウドは、他の場所からのアプリケーションやデータへのアクセスを提供するほか、世界中のシステム、データ、アプリケーションを管理するためのリモートエキスパートも提供します。さらに、クラウドを使用すると、複数の場所にまたがる大規模なデータセットを分析し、時間の経過に伴う傾向を表示し、予測分析モデルを生成することもできます。

したがって、エッジテクノロジーは、地理的に分散した多数の場所からのビッグデータストリームを処理することです。エッジコンピューティングで何ができるのかを真に理解するには、エッジに関するこの新しい理解を取り入れる必要があります。

今日: リアルタイムエッジ分析

ほんの数年前と比べて、今日のエッジテクノロジーでできることは驚くほど増えています。現在では、データは少数のセンサーに限定されるのではなく、多数のセンサーやカメラから生成できます。その後、データは20年前のコンピューターよりも数千倍も高性能なコンピューターで、しかも手頃なコストで分析される。

コア数の多い CPU と GPU、高スループットネットワーク、高解像度カメラがすぐに利用できるようになり、リアルタイムのエッジ分析が現実のものとなりました。エッジ（ビジネス活動が発生する場所）にリアルタイム分析を導入すると、企業は業務を理解し、即座に対応できるようになります。この知識があれば、多くの操作をさらに自動化でき、生産性が向上し、損失が削減されます。

以下に、現在のリアルタイムエッジ分析の使用例をいくつか示します。

スーパーマーケットの詐欺防止

現在、多くのスーパーマーケットでは何らかのセルフサービスチェックアウトを導入していますが、残念ながら詐欺事件も増加しています。悪質な買い物客の中には、高価な品物を安価なバーコードに置き換えることで、より安く購入できる人もいます。この種の詐欺を検出するために、店舗では現在、製品のスキャンと重量を製品の実際の価値と比較する高解像度カメラを使用しています。これらのカメラは比較的安価ですが、大量のデータを生成します。コンピューティングをエッジに移動することで、データを即座に分析できます。つまり、店舗は「顧客」が駐車場を離れた後ではなく、リアルタイムで不正行為を検出できるのです。

食糧生産監視

今日では、製造工場では製造プロセスのあらゆる段階で数十台のカメラとセンサーが装備されることがあります。リアルタイム分析と AI 駆動型推論により、エラーが数ミリ秒、あるいは数マイクロ秒以内に発生したかどうかを明らかにできます。たとえば、カメラは砂糖が多すぎることや材料が多すぎることを示しているかもしれません。カメラとリアルタイム分析により、生産ラインを調整して問題を改善したり、修理が必要なときに停止を計算したりすることができ、壊滅的な損失を招くことはありません。

ヘルスケア向け AI 駆動型エッジコンピューティング

赤外線カメラやX線カメラは、高解像度を提供し、技術者や医師に画像を迅速に提供できるため、医療分野に大きな変化をもたらしました。このような高解像度により、AI は医師が確認する前に異常をフィルタリング、評価、診断できるようになりました。 AI 駆動型エッジコンピューティングを導入することで、医師は診断のためにデータをクラウドに送信する必要がなくなり、時間を節約できます。そのため、腫瘍専門医が患者が肺がんに罹患しているかどうかを確認する際に、患者の肺画像にリアルタイムの AI フィルタリングを適用して迅速かつ正確な診断を下すことができ、患者の反応を待つ不安を大幅に軽減することができます。

分析に基づく自動運転車

今日では、360 度の立体視覚を提供するカメラが比較的安価で入手可能なため、自動運転車が実現可能になっています。分析によって正確な画像認識も可能になり、コンピューターはタンブルウィードと近所の猫の違いを判別し、安全を確保するためにブレーキをかけるか障害物を迂回するかを決定できます。

高性能 GPU と CPU が手頃な価格で入手しやすく、小型化されたことにより、自動運転車の運転インテリジェンスとしてリアルタイムのパターン認識とベクトル計画が可能になりました。自動運転車が成功するには、十分なデータと処理能力を備え、十分な速さでインテリジェントな判断を下し、修正措置を講じる必要があります。現在、これは今日のエッジテクノロジーによってのみ可能になっています。