エッジコンピューティングのスタートアップは、業界がデータの大洪水に取り組むのに役立ちます

2014年に設立されたスタートアップFogHornは、エッジコンピューティングに焦点を当てた最初の企業の1つでした。 「ベストインダストリアルIoTソリューション」および「ベストエッジコンピューティングソリューション」カテゴリーのIoTWorld Awardsのファイナリストである、FogHornはすでに数々の賞を受賞しています。ガートナーはエッジコンピューティングのスタートアップを「クールなベンダー」として挙げ、フロスト＆サリバンは2017年と2018年に複数の賞を受賞しました。

長年にわたり、同社のLightningテクノロジーは、何千ものIIoTデバイスとセンサーにインストールされており、Dell EMC、Google（Google Cloud IoT Core経由）、AmazonのAWSなどのさまざまなOEMと提携しています。同社は、自社のテクノロジーを導入した後、顧客がクラウドストレージのコストを1,000分の1に削減したと報告しています。 「すべてのデータをクラウドに送信するというパラダイムは、実際に変化し始めています」と、同社のCEOであるDavidKingは今年初めのインタビューで述べています。 「洞察を得るためにすべてをクラウドに送信することはできないため、人々はより強力なエッジテクノロジー機能の必要性について話し合っています。」

[ モノのインターネットの世界 は、産業企業がIoTイノベーションを見つける場所です。 を予約する 会議パス そして350ドル節約して、を手に入れましょう 無料のエキスポパス 、またはを参照してください IIoTスピーカー イベントで。]

FogHornの中心的な焦点は、産業機械から生成されたセンサーデータのリアルタイムローカル処理を可能にするエッジ分析のためのスケーラブルなプラットフォームを提供することです。同社のテクノロジーは、「大量または高速のデータ」を伴うアプリケーションに適しています。

これらのアプリケーションは、「製造、石油とガス、化学、鉱業、電力と水、スマートビルディング、スマートシティ、輸送」など、さまざまな業界にまたがっています。 「既存の顧客データソースが大量にあるセクターはたくさんあります。そして今、安価なカメラとマイクのテクノロジーの出現により、さらに多くのデータを生成するイメージングセンサーとオーディオセンサーを手に入れることができます。」

FogHornソフトウェアは、Raspberry Piボードの従来のLinuxゲートウェイを含む、さまざまなデバイスで実行できます。

同社のエッジ処理機能は、産業企業が産業プロセスを合理化するのに役立ちます。たとえば、同社の顧客の1つである日本の電子機器会社であるダイヘンは、同社のソフトウェアをインストールした後、1つの工場での手動データ入力タスクを1,800削減することができました。

最近、FogHornはHoneywellと提携して、そのソフトウェアを産業用スマートフォンに展開しました（写真）。ハノーバーメッセでのインタビューで、同社の最高技術責任者であるSastry Malladi氏は、スマートフォンをエッジデバイスとみなしているわけではありませんが、そのソフトウェアのスマートフォンアプリバージョンを作成できることで、高度な分析機能が産業オペレーターの手に渡ります。たとえば、産業用スマートフォンで汚れたバーコードをスキャンしようとしている作業者は、LightningMobileアプリを使用してバーコードを再構築できます。 「バーコードは頻繁に破損しています。多分それは引き裂かれ、不完全です」とマラディは言いました。しかし、同社のアプリは機械学習を使用して、そのような多くのバーコードを再構築できます。

FogHornは、このアプリを、堅牢なAndroidデバイス向けに構築された最初のエッジコンピューティングテクノロジーとして宣伝しています。このアプリは、Honeywellの内部アプリストア内だけでなく、FogHornのプライベートアプリストアからも入手できます。

Lightning 2.0として知られるFogHornのプライマリソフトウェアの2番目のバージョンは、事前構成されたゲートウェイで利用でき、産業会社の既存のゲートウェイにインストールすることもできます。 Lightning 2.0は、新しい機械学習機能と予測モデルマークアップ言語のサポート、およびセンサーフュージョンを介した複数のデータストリームの同時処理を提供します。以前のバージョンのソフトウェアは、Modbus、OPC / UA、MQTTなどの産業用データ取り込みプロトコルをすでにサポートしていました。

同社のソフトウェアは、機械学習モデルの精度を確保し、モデルが時間の経過とともに劣化する時期を検出するのにも役立ちます。 「モデルの再トレーニングを自動的に開始し、モデルをエッジに押し戻すことができます」とマラディ氏は述べています。 「これは、エッジAIまたは閉ループMLと呼ばれるものです。」