Überprüfung der Google IoT-Plattform

Viele weltweit führende Unternehmen experimentieren und implementieren IoT-Lösungen für verschiedene Betriebsbereiche. Das Wachstum der Nachfrage nach IoT sowohl für Verbraucher als auch für industrielle Zwecke ist offensichtlich.
Das Internet der Dinge (Internet of Things, IoT) bietet einen riesigen Anwendungsbereich für:

Originalartikel - Google IoT Platform: Tolle Tools für jedes Projekt

• Optimierung industrieller Prozesse
• Energieressourcen schonen
• Verwalten Sie Umweltfaktoren wie Luft, Luftfeuchtigkeit, Temperatur und Wasserqualität, die sich direkt auf das menschliche Leben auswirken

Die Einführung von IoT verändert die Welt und macht sie für jeden von uns besser.

Je mehr IoT-Lösungen implementiert werden, desto mehr Daten benötigen akute Analysen und sogar künstliche Intelligenz, um relevante Informationen schnell zu erhalten. Mit diesen Informationen können Unternehmen Abweichungen und technische Ausfälle in Echtzeit lokalisieren. Beispielsweise verbessert die Automobilindustrie die Verkehrssicherheit mithilfe intelligenter Technologien wie Crash-Prävention, Verkehrsführung und Erkennungssystemen, die nicht auf der Straße liegen.

Mit all dem oben Gesagten ist die Entscheidungsfindung in Echtzeit in IoT-Systemen noch immer durch Kosten, Formfaktorbeschränkungen, Datenübertragungsverzögerung und andere Kriterien begrenzt. Google Cloud IoT versucht, die vorhandenen Situationen mithilfe von maschinellem Lernen auf den Endgeräten und durch Einführung von Diensten wie Cloud IoT Core, Cloud IoT Edge und Edge TPU zu ändern.

Cloud IoT Core

Cloud IoT Core ist ein vollständig verwaltbarer Dienst, mit dem Daten von vielen Geräten schnell und sicher verbunden, konfiguriert und empfangen werden können. Mit Cloud Pub / Sub kann der Core Daten von dezentralen Geräten in einem einzigen globalen System zusammenführen. In Kombination mit anderen Google Cloud IoT-Diensten schlägt der Core eine komplexe Lösung zum Sammeln, Analysieren und Visualisieren von IoT-Daten in Echtzeit vor. Dies ermöglicht wiederum die Erstellung multifunktionaler Modelle, die wertvolle Daten für Ihr Unternehmen optimieren oder vorhersagen.

Cloud IoT Core unterstützt herkömmliche MQTT- und HTTP-Protokolle, mit denen Kunden viele der vorhandenen Geräte zum Erstellen ihrer IoT-Systeme verwenden können. Dieser Dienst funktioniert in der Google-Infrastruktur, die automatisch in Echtzeit skaliert und bei Bedarf die Verbindung von einer Million Geräten ermöglicht.

Der Kern enthält:

Geräte-Manager
Einrichten und Verwalten separater Geräte über Konsole oder Software. Verwenden Sie bei der Verbindung Geräteidentifizierungs- und Authentifizierungsmechanismen. Sie können auch die Logik jedes Geräts konfigurieren und es mithilfe der Cloud fernsteuern.

Protokollbrücke
Verbindungsendpunkte für den Lastausgleich von Komponenten, die native Unterstützung von MQTT und HTTP sowie das Speichern aller Telemetrie in Pub / Sub sind die besten Funktionen.

Clout IoT Core sammelt Daten, die in Cloud Pub / Sub veröffentlicht wurden, für weitere Analysen. Verwenden Sie Google BigQuery, um eine bestimmte Analyse durchzuführen, oder Cloud Machine Learning Engine, um maschinelles Lernen anzuwenden. Danach können Sie die Ergebnisse mithilfe verschiedener Berichte und Informations-Dashboards in Google Data Studio visualisieren.

Um die Verbindung verschiedener Geräte mit Core zu vereinfachen und zu beschleunigen, können Sie außerdem den zusätzlichen Bereitstellungsdienst von Google IoT nutzen. Kunden und Hersteller werden eingebunden. Dieser Dienst verwendet zuverlässige Sicherheit auf Hardwareebene (auch bekannt als Crypto Chip oder Secure Element (SE)), um Geräte sicher bereitzustellen. Dies ermöglicht die Bereitstellung von Millionen von Geräten für den richtigen Kern ohne menschliches Eingreifen.

Cloud IoT Edge

Nützliches Tool zum Erweitern der Google Cloud-Datenverarbeitung und zum Verwenden von maschinellem Lernen auf Edge-Geräten wie automatisierten Förderlinien, Turbomaschinen usw. Damit können Geräte mit ihren Sensordaten in Echtzeit arbeiten und Ergebnisse lokal vorhersagen. Edge kann unter Linux-basierten Betriebssystemen verwendet werden. Es enthält zwei Laufzeitkomponenten (Connect und ML) und einen benutzerdefinierten Hardwarebeschleuniger (TPU) für ASIC-Chips.

• Edge Connect - Für die sichere Verbindung von Edge-Geräten mit Cloud-, Software- und Mikroprogramm-Updates, Core Data Transfer Management.
• Edge ML - Für den Rückschluss auf das Gerät beim maschinellen Lernen von TensorFlow Lite-Modellen. Vorteile: Anstieg der Rechenleistung, geringe Latenz, Vielseitigkeit und mehr.
• Edge TPU - AI-Chip zum Ausführen von TensorFlow Lite-Modellen am Rand. Hochwirksam, optimiert und vielfältig einsetzbar. Kann ein großes Plus sein, wenn es mit Cloud TPU verwendet wird.

Vorteile:

1. Kantenlokale Verarbeitung von Bildern, Videos, Gesten, Tönen und Bewegungen. Effektiver als das Senden von Rohdaten an die Cloud.
2. Sie müssen keine großen Mengen potenziell vertraulicher Daten mehr senden.
3. Authentifizierung von Edge-Geräten mithilfe von JSON Web Token. Effizienter als die gegenseitige Authentifizierung von TLS-Stacks.

So funktioniert die Datenverarbeitung über IoT Edge:

Nur noch wenige Vorteile von Edge TPU

Für TensorFlow Lite-Modelle für maschinelles Lernen ist der anwendungsspezifische Edge-TPU-Chip für integrierte Schaltkreise ein neues Muss. Es wurde speziell entwickelt für:

• Schnellere ML-Vorbereitung in der Wolke.
• Schnellere ML-Analyse an Edge-Geräten.
• Ermöglichen, dass Sensoren lokale intelligente Entscheidungen in Echtzeit treffen.
• Präzise KI am Rande mit hoher Effizienz starten.

Angesichts des schnell wachsenden Bedarfs an miteinander verbundenen Geräten, die Vertraulichkeit, geringe Verweilzeit und hohe Kapazität erfordern, wird das Starten von KI-Modellen an Edge-Geräten immer häufiger. Edge TPU ist dafür perfekt geeignet, da es einen hohen Wirkungsgrad bei geringem Verbrauch an physischen Ressourcen und Energie bietet.

Edge TPU Dev Board

Basisplatine, die alle erforderlichen Kantenverbindungen bietet. Sie können die SOM-Schaltung (System on Module) ein- oder ausbauen und das Edge-TPU-Modul in Ihre Geräte integrieren.

Edge TPU Accelerator

Das USB-Gerät, das dem System den Edge-TPU-Coprozessor hinzufügt. Ausgestattet mit einem Typ-C-Anschluss kann der Accelerator für eine schnelle ML-Ausgabe an jedes Linux-basierte System angeschlossen werden. Das Gehäuse enthält Rapsberry Pi-ähnliche Platinenanschlusslöcher.



Auf diese Weise können Sie eine intellektuelle Plattform erstellen, die verschiedene Komponenten und die gesamte Produktionseffizienz in Echtzeit überwacht und Ihre Sensoren schnell verwendet.