ในการเปลี่ยนแปลงสู่ยุคอุตสาหกรรม 4.0 บริษัทต่างๆ ลงทุนเพิ่มมากขึ้นในการรวบรวมและสร้างข้อมูลจากเครือข่ายอินเทอร์เน็ตของสรรพสิ่ง (IoT) การพัฒนาเทคโนโลยีเครือข่าย 5G ปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องจักรมีส่วนช่วยเร่งกระบวนการไปสู่โรงงานอัจฉริยะที่ทำงานอัตโนมัติเต็มรูปแบบ เมืองอัจฉริยะ ยานยนต์ไร้คนขับ และด้านอื่นๆ อีกมากมาย
Fast Data คือปริมาณข้อมูลที่รวบรวม ส่งผ่าน และประมวลผลแบบเรียลไทม์จากแหล่งต่าง ๆ มากมาย เช่น อุปกรณ์พกพา เซ็นเซอร์ กล้องวงจรปิด จำนวนแหล่งข้อมูลอาจมีมากถึงหลายร้อยหรือหลายล้านอุปกรณ์ Fast Data มีลักษณะความจุข้อมูลต่ำ แต่ต้องการการประมวลผลที่รวดเร็ว ความหน่วงเวลาต่ำ และความต่อเนื่องต่ำ
แอปพลิเคชันและซอฟต์แวร์มีบทบาทสำคัญในการเพิ่มประสิทธิภาพความสามารถในการวิเคราะห์และประมวลผลข้อมูลอย่างรวดเร็ว นอกจากนี้ การเลือกฮาร์ดแวร์และอุปกรณ์จัดเก็บข้อมูลจะต้องเหมาะสมกับข้อกำหนดด้านความเร็ว ความหน่วง ความน่าเชื่อถือ และสามารถทำงานในสภาวะและสภาพแวดล้อมที่รุนแรงได้
ปัจจุบัน Fast Data มีการประยุกต์ใช้ที่เป็นไปได้ในสองด้านหลัก ได้แก่ ยานยนต์ไร้คนขับและโดรนเฝ้าระวังความปลอดภัย
รถยนต์ขับเคลื่อนอัตโนมัติ
ระบบรถยนต์ไร้คนขับต้องมีประสิทธิภาพสูงและมีความสามารถในการจัดการข้อมูลความเร็วสูงจำนวนมากจากเซ็นเซอร์ ระบบอินโฟเทนเมนท์ ระบบปฏิบัติการ และแผนที่ได้อย่างมีประสิทธิภาพ ข้อมูลเซ็นเซอร์จะเป็นส่วนที่ใหญ่ที่สุดของพื้นที่จัดเก็บข้อมูลบนรถ โดยข้อมูลส่วนใหญ่มาจากระบบช่วยเหลือผู้ขับขี่ขั้นสูง (ADAS) และการสื่อสารระหว่างยานพาหนะกับสภาพแวดล้อม (V2X)
พื้นที่เก็บข้อมูลบางส่วนจะใช้สำหรับความบันเทิงมัลติมีเดีย เกม แอปพลิเคชัน AI ด้วยเสียง และฟีเจอร์อื่นๆ นอกจากนี้ “กล่องดำ” จะกลายเป็นข้อกำหนดทางกฎหมายและความปลอดภัยโดยหน่วยงานกำกับดูแล
แผนที่ความละเอียดสูง (HD) แตกต่างจากแผนที่นำทาง 2 มิติในปัจจุบัน โดยมีความแตกต่างอย่างมากในอัตราการอัปเดต วิธีการระบุตำแหน่ง และปริมาณข้อมูลที่รวบรวม เนื่องจากความถี่ในการอัปเดตข้อมูลสูง แผนที่ความละเอียดสูงจึงมักใช้การอัปเดตออนไลน์แบบเรียลไทม์ผ่านเครือข่ายมือถือ 5G แผนที่ประกอบด้วยเลเยอร์แบบคงที่ กึ่งคงที่ กึ่งไดนามิก และไดนามิก โดยเลเยอร์คงที่พื้นฐานจะได้รับการอัปเดตทุกเดือนหรือตามความจำเป็น
โซลูชันการจัดเก็บข้อมูลแบบ NAND Flash มีบทบาทสำคัญในระบบรถยนต์ไร้คนขับ โดยให้ความสามารถในการบูตและจัดเก็บข้อมูลที่รวดเร็วเพื่อบันทึกเหตุการณ์สำคัญ จัดเก็บโมเดล AI และแผนที่ HD ระบบต่างๆ จะต้องประมวลผลข้อมูลมากขึ้นด้วยความเร็วสูงและความน่าเชื่อถือสูงเมื่อรถยนต์มีความชาญฉลาดมากขึ้น
โดรนเฝ้าระวังความปลอดภัย
โดยใช้เวลาบินเฉลี่ยประมาณ 30 นาที สามารถบันทึกข้อมูลใหม่ได้อย่างน้อย 150 GB ด้วยแผนที่ความละเอียดสูง โมเดล 3 มิติ และการผสานรวม AI จะทำให้สร้างข้อมูลได้มากขึ้น
การ์ด MicroSD ยังคงเป็นอุปกรณ์จัดเก็บข้อมูลหลักในโดรน อย่างไรก็ตาม เพื่อให้มีความจุและความเร็วที่สูงขึ้น โดรนเฉพาะทางบางรุ่นจึงนำ eMMC, UFS และแม้แต่ SSD แบบฝังมาใช้งานสำหรับวัตถุประสงค์พิเศษบางประการ
โดรนที่ใช้ AI ในอนาคตซึ่งมีความสามารถในการทำงานอัตโนมัติและบินได้ไกลขึ้นจะต้องมีพื้นที่จัดเก็บที่มากขึ้น ซึ่งจะมาพร้อมกับความต้องการการนำทางด้วยแผนที่ HD ที่ได้รับการปรับปรุง ข้อมูลที่บันทึกด้วยความละเอียดสูงขึ้น ( วิดีโอ 4K และรูปภาพ) และข้อมูลอื่นๆ
โซลูชันการจัดเก็บข้อมูลอย่างรวดเร็วแห่งอนาคต
ในแอปพลิเคชันทั้งสองข้างต้น รวมถึงในพื้นที่อื่นๆ ของการวิเคราะห์ข้อมูลแบบเรียลไทม์ ช่องว่างระหว่างอุปกรณ์จัดเก็บข้อมูลและการคำนวณและวิเคราะห์ข้อมูลมีแนวโน้มที่จะอยู่ใกล้กันมากขึ้น แม้กระทั่งกับที่จัดเก็บข้อมูลในเครื่องบนอุปกรณ์นั้นโดยตรง
นอกเหนือจากรูปแบบการจัดเก็บข้อมูลแบบดั้งเดิม เช่น หน่วยความจำแฟลช NAND แบบฝัง การ์ดหน่วยความจำ และ SSD แล้ว หน่วยจัดเก็บข้อมูลบางหน่วยยังใช้โซลูชันการจัดเก็บข้อมูลที่มีเทคโนโลยีใหม่ ขนาดที่ใหญ่ขึ้น ความจุที่เร็วขึ้น และความเร็วที่เร็วขึ้น ตัวอย่างทั่วไปคือระบบจัดเก็บข้อมูล WD Ultrastar Data24 ที่ใช้เทคโนโลยี NVMe-over-Fabric (NVMe-oF) ซึ่งเป็นระบบจัดเก็บข้อมูลความเร็วสูง 100 Gbps ที่มีความจุสูงสุด 368 TB โดยเชื่อมต่อโดยตรงกับเซิร์ฟเวอร์ edge โดยเฉพาะเพื่อจัดเก็บและวิเคราะห์ข้อมูลที่รวดเร็วแบบเรียลไทม์
ข้อมูลมีศักยภาพมากมายในอนาคต หน่วยงานส่วนใหญ่กำลังมองหาวิธีในการรวบรวมและสร้างมูลค่าเพิ่มจากข้อมูล รวมถึงการผสมผสานระหว่างผู้คนและเครื่องจักร โครงสร้างพื้นฐานด้านการจัดเก็บเป็นส่วนหนึ่งของการใช้ประโยชน์จากมูลค่าของข้อมูล การเลือกอุปกรณ์และโซลูชันการจัดเก็บที่เหมาะสมจะช่วยปรับต้นทุนการลงทุนและการดำเนินการให้เหมาะสมที่สุด ซึ่งจะเปิดโอกาสทางธุรกิจใหม่ๆ โดยเฉพาะอย่างยิ่ง เทคโนโลยี NVMe-oF ถือเป็นโซลูชันการจัดเก็บข้อมูลที่เร็วสำหรับอนาคต
ดวน ฟอง
แหล่งที่มา
การแสดงความคิดเห็น (0)