Materiały konferencyjne SEP 2021

Początkowo Big Data była wykorzystywana głównie przez wielkie firmy, które było stać na użycie tej technologii. Główne zastosowanie to sektor finansowy, handel detaliczny wielo- powierzchniowy czy szeroko rozumiana logistyka. Wraz ze wzrostem popularności BD zaczę- to rozwijać techniki i narzędzia służące do przetwarzania i wizualizacji danych. W efekcie po- wstało pojęcie Big Data Analytics (BDA) [13,18]. Dalszy, intensywny rozwój architektury BDA był spowodowany przez potrzebę gromadzenia i przetwarzania dużych ilości danych czę- sto w trybie rzeczywistym pochodzących z urządzeń i czujników zintegrowanych z platformą Internetu Rzeczy (ang. Internet of Things - IoT). Pojęcie IoT można zdefiniować jako zbiór niezależnych urządzeń podłączonych do sieci, które mogą komunikować się ze sobą lub przesyłać dane do serwerów brzegowych (ang. edge server), a potem dalej do centrum danych (a dokładniej do klastra BD) [19]. Jako przykład można podać telefony komórkowe, pojazdy mechaniczne (samochody, autobusy, pociągi) z wbudowaną elektroniką np. diagnostyczną pozwalającą przesyłać dane o stanie technicznym urządzenia do monitoringu parametrów środowiska naturalnego takich jak temperatura, wil- gotność czy jakość powietrza. Bardzo dobrym przykładem jest również powszechna dziś usłu- ga paczkomatów. Urządzenia IoT są bardzo popularne w tzw. inteligentnych domach [20] czy sektorze medycznym [21]. W ostatnich latach znacząco rośnie ich rola również w przemyśle [22]. Rozwiązania te przy niewielkich modyfikacjach mogą być z powodzeniem stosowane wszędzie tam gdzie możliwy jest pomiar danego procesu lub zdarzenia i wysyłanie tych da- nych do dalszej analizy, aby na bieżąco podejmować decyzje. W ostatnim czasie znaczenia nabierają rozwiązania typu inteligentnych rzeczy (ang. smart wearable) dostępne również dla osób fizycznych. Są to np. ubrania, które są wyposażone w układy elektroniczne mające za zadanie zbieranie danych z otoczenia, ich przetwarzanie a następnie komunikację w sieci [23]. W przypadku przedsiębiorstw przemysłowych mamy do czynienia ze specjalnymi urządze- niami, które są odpowiednio zaprojektowane, aby mogły być stosowane w trudnych warunkach otoczenia. Dodatkowo muszą spełnić szereg innych wymogów np. związanych z bezpieczeń- stwem przechowywania i transmisją danych oraz niezawodnością (zanik zasilania, zakłócenia w transmisji danych). Urządzenia te identyfikowane są jako Przemysłowy Internet Rzeczy (ang. Industrial Internet of Things – IIoT) [24–26]. Propozycje gotowych platform dla IIoT opisano szerzej w [27]. W przedsiębiorstwach przemysłowych wyróżniamy procesy produkcyjne oraz diagnostycz- ne. W trakcie ich realizacji istnieje potrzeba zbierania i przetwarzania jednocześnie danych z og- romnej ilości czujników o dużej gęstości zabudowy, bardzo często w połączeniu ze sterowa- niem urządzeniami mechanicznymi (tzw. wykonawczymi – robotami) np. w przemyśle moto- ryzacyjnym [28]. Zastosowanie do tych procesów urządzeń niezależnych mogłoby okazać się nieuzasadnione ekonomicznie, niemożliwe ze względu na gabaryty czy też niefunkcjonalne. Z tego powodu powstały systemy cyber-fizyczne (ang. Cyber-Physical Systems CPS) [2,29], do których podłączona jest duża ilość czujników oraz urządzeń mechanicznych. Urządzenia CPS posiadają własny system operacyjny oraz interfejsy komunikacyjne. W takim przypadku czujniki nie muszą posiadać własnej jednostki przetwarzającej zbierane sygnały, systemu ope- racyjnego, dedykowanego miejsca na przechowywanie danych czy dużego zapotrzebowania na energię elektryczną. W odróżnieniu od niezależnego urządzenia IoT, system CPS gromadzi, przetwarza dane z wielu czujników jednocześnie przesyłając dane dalej do systemów brzego- wych, a potem do centrum danych. Zaletą takiego rozwiązania jest fakt, iż dane mogą być pod- dane wstępnej obróbce (oczyszczenie, agregacja, wstępne obliczenia algorytmiczne). Dzięki te- mu do centrum analitycznego przesyłana jest mniejsza ilość danych, co z kolei wpływa na mniejsze obciążenie sieci przesyłowych.