partner serwisu

Big Data, Microsoft, ThyssenKrupp i windy

Big Data, Microsoft, ThyssenKrupp i windy
Autor:
Krzysztof Pojawa
Data publikacji:
29 października 2015, 04:04
Średnia ocena:
Twoja ocena:
Tagi:
big data, chmura, chmura obliczeniowa, cloud computing, microsoft, thyssenkrupp

Big Data i przetwarzanie w chmurze obliczeniowej. Te dwa określenia mogą przywodzić na myśl wielkie korporacje zbierające wszystkie dostępne dane o nas, a następnie - w najlepszym wypadku - zarzucające nas reklamami i promocjami lub - to nieco bardziej pesymistyczna wizja - podnoszące nam oprocentowanie kredytu lub składkę ubezpieczeniową tylko dlatego, że na Facebooku umieściliśmy zdjęcie z wakacji wśród patagońskich jadowitych węży. Istny armageddon i Big Brother. 
Ale czy spodziewaliście się, że jadąc zwykłą windą też możecie mieć bliski kontakt z Big Data? Współpraca ThyssenKrupp z Microsoftem pokazuje, że jest to nie tylko możliwe, ale też pozytywne i służące poprawie bezpieczeństwa.

O Big Data pisaliśmy już dość obszernie przy okazji zeszłorocznej premiery Microsoft SQL Server 2014. Nie będziemy więc powtarzać szczegółowych informacji wyjaśniających samą istotę Big Data, warto jednak przypomnieć definicję tego pojęcia, opracowaną w 2001 roku przez firmę META Group, dziś znaną pod nazwą Gartner. Zgodnie z tą definicją Big Data to zbiór danych spełniający następujące warunki:

  • duża ilość danych liczona w terabajtach lub petabajtach
  • duża zmienność danych
  • duża różnorodność danych

Duża ilość danych - rzecz zupełnie zrozumiała. Zmienność i różnorodność? Mówiąc o Big Data mamy na myśli różnorodne, pochodzące z wielu źródeł zazwyczaj nieustrukturyzowane dane, charakteryzujące się wysoką dynamiką zmienności. 

Takie ilości danych trzeba jakoś zgromadzić, a następnie ustrukturyzować i w odpowiedni sposób, zgodny z przeznaczeniem zbioru danych, przetworzyć. Trudno wyobrazić sobie, żeby tym zadaniem zajmowały się pojedyncze komputery stojące na biurkach w poszczególnych firmach. Niezbędna jest ogromna przestrzeń na dane oraz moc obliczeniowa zdolna wykonywać operacje na setkach milionów danych na sekundę. I tu przechodzimy do kolejnego elementu, bez którego Big Data praktycznie nie ma racji bytu, czyli do przetwarzania w chmurze obliczeniowej, z angielskiego cloud computing

Tłumacząc w najprostszy sposób sposób działania cloud computing w Big Data możemy posłużyć się przykładem firmy ThyssenKrupp Elevator, jednego z największych na świecie producentów wind i operatora ponad miliona systemów windowych na całym świecie, m. in. w 540-metrowym One World Trade Center w Nowym Jorku, gdzie pokonując 23 mile w ciągu godziny, rocznie przewozi 3,5 miliona osób. 

One World Trade Center

Pytanie zasadnicze brzmi - czy jadąc taką windą, która (jak każde inne urządzenie) od czasu do czasu potrafi ulec awarii, wolicie ryzykować, że ta awaria zdarzy się akurat podczas Waszego przejazdu, czy też uważacie, że lepszym rozwiązaniem jest możliwość przewidywania ewentualnych problemów technicznych i wysyłania ekip serwisowych, zanim jeszcze coś się zepsuje? Sądzimy, że zdecydowanie preferujecie tę drugą opcję. Na nią też zdecydowała się firma ThyssenKrupp. 

Jak to działa?

Odpowiedź na to pytanie jest w całym swoim skomplikowaniu dość proste. Producent zamontował w swoich systemach windowych tysiące czujników monitorujących wszystkie, nawet te z pozoru mniej istotne wskaźniki dotyczące pracy windy - wśród nich jest prędkość poruszania się kabiny czy działanie drzwi, ale też temperatura silników albo ustawienia wałków prowadzących windę. Wszystkie te informacje ze wszystkich wind wyposażonych w systemy monitorujące przesyłane są do chmury obliczeniowej Azure, której dostawcą jest Microsoft. Następnie są one na bieżąco analizowane przy wykorzystaniu odpowiednio zaprojektowanych algorytmów i technologii uczenia maszynowego Microsoft Machine Learning, której celem jest (jak to przy uczeniu maszynowym zazwyczaj bywa) automatyczne, inteligentne samodoskonalenie się systemu przy pomocy zebranego doświadczenia (czyli zgromadzonych danych). 

Troszkę skomplikowane? Wytłumaczymy więc prościej. Załóżmy, że w pewnej części wind wystąpiła awaria, którą poprzedzało niespotykane w innych sytuacjach przegrzewanie silników. Zastosowanie Big Data i technologii Microsoft Machine Learning po pierwsze pozwala na ujawnienie tej prawidłowości, a po drugie - na wykrycie błyskawiczne zarejestrowanie przegrzanego silnika w kolejnej windzie i - na podstawie wcześniejszych doświadczeń - przewidzenie i zaalarmowanie o nadchodzącej awarii jeszcze przed jej wystąpieniem.

Czy byłoby to możliwe bez Big Data i przetwarzania danych w chmurze obliczeniowej? Nie. Po pierwsze Big Data. Już samo użycie tej nazwy oznacza, że mamy do czynienia z ogromnymi ilościami danych, a rezygnacja z Big Data oznacza ni mniej, ni więcej, tylko znaczne ich zmniejszenie. A to jest jednoznaczne z rezygnacją z pełnej kontroli nad funkcjonowaniem danych systemów - w tym przypadku windowych. A jeśli rezygnujemy z kontroli, to nie jesteśmy również w stanie przewidywać ewentualnych awarii, więc skazujemy osoby korzystające z wind na - kiedy awaria wystąpi - niezbyt przyjemne oczekiwanie na przyjazd zespołu serwisowego w zamknięciu, w stresie, a nierzadko również bardzo wysoko, co dla wielu osób jest dodatkowym czynnikiem stresogennym.

Po drugie chmura obliczeniowa. Bez niej o jakiejkolwiek sensownej analizie danych pochodzących z wielu źródeł (w tym przypadku - z wielu wind) można zapomnieć. Zbieranie danych z wielu urządzeń znajdujących się często na dwóch różnych końcach świata (o ile świat ma koniec, ale nie wdawajmy się w filozofię) bez możliwości automatycznego przesyłania ich do jednego miejsca... nie, to się po prostu nie uda. Odpowiednia moc obliczeniowa też jest niezbędna. Oczywiście można wyobrazić sobie przekazywanie danych w inny sposób (elektroniczny obieg dokumentów w polskich urzędach jeszcze na początku XXI wieku nierzadko polegał na tym, że raz dziennie Pan Janek obiegał wszystkie pokoje i zbierał od urzędników dyskietki, po czym zanosił je wszystkie do kancelarii; zresztą jeśli było to raz dziennie, to i tak można mówić o sukcesie), bądź też ręczne analizowanie danych, a następnie przeprogramowywanie każdej z wind. Można? Zapewne tak. Ale w przypadku, gdzie w grę wchodzi bezpieczeństwo wielu osób, a do jego zapewnienia najważniejsza jest jak najszybsza reakcja, to... mówiąc delikatnie, raczej nie ma to większego sensu.

A więc czy Big Data to - jak głoszą obiegowe opinie - coś złego? Gromadzenie i przetwarzanie ogromnych ilości danych może oczywiście budzić wątpliwości, ale samo w sobie jest tak samo złe, jak zły jest internet albo Excel. Zły może być tylko sposób wykorzystania Big Data. Może, ale nie musi. Jak pokazuje opisany przykład współpracy Microsoftu z ThyssenKrupp Elevator cel i sposób zastosowania Big Data może być jak najbardziej pozytywny, służący ludziom i ich bezpieczeństwu. I w zdecydowanej większości przypadków tak właśnie jest. 

Brak komentarzy do tej publikacji. Dodaj pierwszy komentarz.