Smart/Intelligent edge – kritériá výberu a hodnotenia parametrov riešení na hrane siete

V predchádzajúcej časti série Smart/Intelligent edge [1] sme sa zaoberali myšlienkou vhodného využitia výpočtového výkonu koncových zariadení, edge zariadení a cloudových služieb a distribúciou modelov neurónových sietí (NS). V tejto časti série Smart/Intelligent edge sa zameriame na výber základných kritérií pri procese návrhu a pri hodnotení funkčnosti inteligentnej brány (gateway) nachádzajúcej sa na hrane siete.

Kritériá návrhu inteligentnej brány na hrane siete

Táto kapitola hovorí o výbere základných kritérií pre inteligentnú bránu (gateway) nachádzajúcu sa na hrane siete, ktorú by bolo možné implementovať do širokého spektra edge-enabled riešení. Edge-enabled riešenia (brány) sú riešenia, ktoré využívajú výpočtové zariadenia a brány na hrane siete. Po analýze viac ako 100 článkov z posledných piatich rokov sme si vybrali 30 najrelevantnejších vedeckých príspevkov. Okrem toho máme množstvo praktických skúseností z rôznych stáží a spolupráce s firmami. Na základe analýzy vedeckých článkov a našich skúseností sa vybral súbor 14 kritérií pre edge-enabled riešenia. Tieto kritériá spadali do štyroch hlavných kategórií: konektivita zariadenia, predspracovanie dát, analýza dát, špeciálne požiadavky na hardvér. Súbor všetkých kritérií bol nasledujúci [2]:

Konektivita zariadenia:

  • Štandardizácia – optimálny stav je v prípade, keď brána dokáže prijímať veľké množstvo rôznych protokolov, ale s cloudovými službami len jedným protokolom, čo zabezpečíme pomocou formátovania dát a sprostredkovateľa dát (broker).
  • Konfigurovateľnosť – nástroje na nastavovanie, zoskupovanie a monitorovanie pripojených zariadení.

Predspracovanie dát:

  • Filtrovanie dát – nástroje poskytujúce rôzne algoritmy na filtráciu spracúvaných dát bez straty ich informačnej hodnoty.
  • Konsolidácia dát – nástroje zabezpečujúce agregáciu spracúvaných dát na základe ich typu; konsolidáciu zabezpečíme zoskupovaním a spájaním dát.

Analýza dát:

  • Prvotná analýza dát – nástroje, ktoré poskytujú algoritmy strojového učenia na plynulú analýzu dát (real-time analýza) a vyhľadávanie vzoru v týchto dátach.
  • Lokálna databáza (úložisko) – lokálne ukladanie spracovaných dát. Toto úložisko môže slúžiť ako zdrojová databáza na lokálnu analýzu dát alebo zálohovanie v prípade straty pripojenia; po obnovení sa uložené dáta odošlú do cloudu.
  • Notifikácie – nástroje určené na rýchlu notifikáciu, ktoré upozornia používateľa hneď po spracovaní dát na hrane siete.
  • Kompresia dát – nástroje, ktoré umožňujú čiastočné ukladanie a komprimáciu údajov; tento nástroj je vhodný, ak sa počas výpadku spojenia s cloudom zhromaždí väčšie množstvo dát.
  • Šifrovanie dát – nástroje na zabezpečenie komunikácie s cloudom pomocou šifrovania.
  • Značenie dát – odoslané dáta budú mať značku, ktorá zaručuje jasnú identifikáciu zdroja dát.

Špeciálne požiadavky na hardvér:

  • Vysoký výpočtový výkon – výkonný procesor je dôležitý pre úlohy, ktoré vyžadujú veľa výpočtového výkonu (napríklad spracovanie obrazov na hrane siete).
  • Dlhodobá výdrž batérie – napájanie pomocou batérií na dlhodobú prevádzku bez potreby externého napájania.
  • Záložné internetové pripojenie – v prípade zlyhania primárneho pripojenia poskytne redundantné pripojenie k internetu. Pri dlhodobom výpadku primárneho spojenia pošle núdzovú správu (redundantným pripojením môže byť napríklad mobilná sieť).
  • Záložný zdroj napájania – náhradné elektrické napájanie pomocou batérie, ktorá zabezpečí prísun elektrickej energie aj po zlyhaní primárneho napájania (napr. UPS).

Tieto kritériá následne hodnotili experti z hľadiska ich užitočnosti a náročnosti implementácie, a to známkou 1 (najnižšia) až 5 (najvyššia). Hodnotenie užitočnosti by malo zohľadňovať celkový vplyv na funkcionalitu implementovaného riešenia. Náročnosť by mala zohľadňovať čas potrebný na implementáciu, finančnú náročnosť, ale aj samotnú náročnosť implementácie. Po analýze všetkých hodnotení boli vypočítané priemerné hodnoty užitočnosti a náročnosti pre všetky kritériá a na základe týchto hodnôt bola následne vyčíslená normalizovaná váha, ktorá určuje dôležitosť daného kritéria. Hodnoty jednotlivých hodnôt sú zobrazené v tab. 1.

Kritérium Užitočnosť Náročnosť Normalizovaná váha Dôležitosť
Štandardizácia 4,95 3,85 0,0999 6
Konfigurovateľnosť 3,90 3,70 0,0157 9
Vysoký výpočtový výkon 3,70 3,90 < 0 -
Filtrovanie dát 4,90 2,15 0,2000 1
Konsolidácia dát 4,00 3,20 0,0594 7
Prvotná analýza dát 4,70 3,00 0,1350 3
Lokálna databáza 3,70 1,85 0,1059 5
Notifikácie 4,60 1,35 0,1995 2
Kompresia dát 4,15 2,20 0,1277 4
Šifrovanie dát 3,60 3,40 0,0144 10
Značenie dát 3,10 2,95 0,0094 11
Dlhodobá výdrž batérie 2,65 3,75 < 0 -
Záložné internetové pripojenie 4,85 4,60 0,0244 8
Záložný zdroj napájania 2,90 2,75 0,0087 12

Tab. 1 Hodnotené kritériá [2]

Pokiaľ sa v tabuľke nachádza kritérium s hodnotou normalizovanej váhy menšou ako 0, je toto kritérium vyradené vzhľadom na to, že jeho náročnosť implementácie je vyššia ako hodnota užitočnosti. Táto tabuľka vyjadruje myslenie expertov v tejto oblasti a ich pohľad na odporúčanú funkcionalitu riešení využívajúcich inteligentnú bránu na hrane siete. Tieto kritériá by mali pomôcť pri správnom návrhu takýchto riešení. Je však aj možnosť, že pri špecifických riešeniach treba uvažovať aj s inými kritériami. V takom prípade môže byť tento systém prehodnotený expertmi z danej, špecifickej oblasti.

Hodnotenie riešení využívajúcich inteligentnú bránu na hrane siete

Vzhľadom na kritériá navrhnuté v predchádzajúcej kapitole možno vytvoriť aj systém hodnotenia už existujúcich riešení. Obr. 1 reprezentuje hierarchické hodnotenie brány podľa funkcionality. Pre lepšiu identifikáciu jednotlivých funkcionalít je na danom obrázku zvýraznený dátový tok z IoT zariadení cez bránu až do platformy cloudu (tok dát je vykreslený červenými šípkami). Počas dátového toku sa dáta spracúvajú a brána môže ponúkať jednotlivé funkcionality; podľa toho, či brána ponúka danú funkcionalitu, vieme jej priradiť príslušný počet bodov (hodnota v zátvorke).

Toto hierarchické hodnotenie je založené na toku dát. Kvôli tomu bolo potrebné niektoré kritériá rozdeliť na menšie subkritériá alebo naopak spojiť kritériá do jedného. Štandardizácia bola rozdelená na formátovanie správ a sprostredkovateľa správ. Konsolidácia dát bola rozdelená na spájanie a zoskupovanie dát. Šifrovanie a značenie dát bolo spojené do zabezpečenia dát. Niektoré kritériá nesúvisia priamo s tokom dát (záložné internetové pripojenie a záložný zdroj napájania), a preto boli z tohto hodnotenia vynechané. Edge-enabled zariadenia nemusia spracúvať len riadiace signály, v prípade potreby môžu spracúvať aj signály na zmenu parametrov systému. Tieto zmeny prostredníctvom funkcie adaptácie zabezpečujú efektívne využívanie výpočtových zdrojov a energie. V tomto prípade je preto kritériom adaptácia, myslená automatizovaná konfigurácia pripojených zariadení.

Maximálny počet bodov, ktorý môže brána získať podľa nami navrhnutého hodnotenia, je 33. Na základe bodového ohodnotenia sme zadefinovali štyri kategórie brán:

  • 1 – 2 body – normálna brána,
  • 3 – 6 bodov – chytrá (smart) brána,
  • 7 – 22 bodov – inteligentná brána,
  • 23 – 33 bodov – edge-enabled brána.
Výskumný tým Rok Typ brány
Doukas a Maglogiannis [3] 2012 normálna
Dubey et al [4]  2015 chytrá (smart)
Negash et al [5] 2018 inteligentná
Rahmani et al [6] 2018 edge-enabled

Tab. 2 Typ brán na základe nášho hodnotenia

Navrhnutý systém hodnotenia sme otestovali na viacerých bránach opisovaných vo vedeckých prácach. Ako príklad si môžeme uviesť štyri z nich (tab. 2). V tabuľke je na základe roku a typu brány vidno, že v posledných rokoch sa kladie dôraz na to, aby brány poskytovali čo najväčšiu funkcionalitu201. Práve roky v tabuľke potvrdzujú správnosť nášho hodnotenia, keď posledné navrhnuté riešenia využívajú skoro všetky navrhované funkcionality opísané v tejto kapitole. Preto si myslíme, že práve teraz treba dbať na správny výber technológií a funkcionality brán, teda treba určiť kritériá výberu a hodnotenia parametrov riešení využívajúcich brány na hrane siete.

Záver

V tejto časti série smart/intelligent edge sme opísali proces návrhu kritérií na tvorbu inteligentnej brány nachádzajúcej sa na hrane siete. Na základe analýzy vedeckých článkov a našich dosiahnutých skúseností bol vybraný súbor kritérií pre edge-enabled riešenia. Tieto kritériá spadali do štyroch hlavných kategórií: konektivita zariadenia, predspracovanie dát, analýza dát, špeciálne požiadavky na hardvér. Kritériá následne hodnotili experti z tejto oblasti. Tak vznikol súbor odporúčaných kritérií na tvorbu brány pre edge-enabled riešenia. Vzhľadom na navrhnuté kritériá sme vytvorili systém hodnotenia už existujúcich brán (gateway zariadení). Podľa hodnotenia môžu byť brány rozdelené do štyroch kategórií: normálna, chytrá (smart), inteligentná a edge-enabled brána. V nasledujúcej časti seriálu sa budeme venovať analýze potrebného hardvéru na implementáciu jednotlivých typov brán a riešení na hrane siete.

Poďakovanie

Publikácia bola podporená projektom VEGA 1/0663/17 Inteligentné kyber-fyzikálne systémy v heterogénnom prostredí s podporou IoE a cloudových služieb.

Referencie

[1] Kajáti, E. – Čupková, D. – Papcun, P. – Zolotová, I. 2019. Smart/Intelligent edge – spôsoby distribúcie modelov neurónových sietí. In: ATP Journal, roč. 26, č. 4, s. 40 – 41. ISSN 1335-2237.
[2] Papcun, P. – Kajáti, E. – Čupková, D. – Mocnej, J. – Miškuf, M. – Zolotová, I. 2019. Edge-enabled IoT gateway criteria selection and evaluation. In: Concurrency and Computation: Practice and Experience. Dostupné na: https://doi.org/10.1002/cpe.5219 (v tlači).
[3] Doukas, C. – Maglogiannis, I. 2012. Bringing IoT and cloud computing towards pervasive healthcare. In: 2012 Sixth International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing. Palermo, Italy.
[4] Dubey, H. – Yang, J. – Constant, N. – Amir,i A, M. – Yang, Q. – Makodiya, K. 2015. Fog data: enhancing telehealth big data through fog computing. In: Proceedings of the ASE BigData & Social Informatics. Kaohsiung, Taiwan.
[6] Negash, B. – Gia, T, N. – Anzanpour, A. et al. 2018. Leveraging fog computing for healthcare IoT. In: Fog Computing in the Internet of Things, Springer. Cham, Switzerland. s. 145 – 169.
[7] Rahmani, A, M. – Gia, T, N. – Negash, B. et al. 2018. Exploiting smart e-Health gateways at the edge of healthcare Internet-of-Things: a fog computing approach. Future Generation Computer Systems, č. 78, s. 641 – 658.

Ing. Erik Kajáti
Ing. Peter Papcun, PhD.
Ing. Dominika Čupková
prof. Ing. Iveta Zolotová, CSc.

Technická univerzita v Košiciach, FEI
Katedra kybernetiky a umelej inteligencie
Centrum inteligentných kybernetických systémov
http://ics.fei.tuke.sk