Smarta hem hanterar data lokalt
Hur många uppkopplade prylar finns det i världen? Ingen vet säkert, men enligt en prognos kan vi vara uppe i 50 miljarder om ett par år. Det innebär att enorma mängder data ska genereras, hanteras och lagras. Dagens molnlösningar kommer inte vara tillräckliga, menar Ramin Firouzi.
För de flesta av oss är ”molnet” något väldigt diffust. Vi vet inte var molnlagringen sker eller hur säker den är. ”Mina bilder ligger någonstans i molnet” kan vi säga, och kanske till och med vifta lite uppåt med handen. Men molnet är faktiskt mer jordnära än det låter.
– Hanteringen av våra data sker på servrar, i datacenter som ägs av jätteföretag, förklarar Ramin Firouzi som har disputerat inom data- och systemvetenskap.
Han har ägnat de senaste åren åt att studera ett alternativ till att hantera och lagra data i molnet, nämligen så kallad edge computing. Som det engelska namnet antyder handlar det om att hanteringen av data sker närmare användaren, på lokala enheter och servrar.
Just nu ökar antalet uppkopplade ting exponentiellt
Det hela hänger ihop med sakernas internet – Internet of Things på engelska, vanligen förkortat IoT även på svenska. Vi skaffar fler och fler sensorförsedda prylar – smarta kylskåp, robotdammsugare, uppkopplade brödrostar och klockor som håller koll på varje steg vi tar.
– Just nu ökar antalet uppkopplade ting exponentiellt, ingen vet var det kommer att sluta. Vi pratar om att det kanske kommer finnas 50 miljarder uppkopplade saker år 2025. Teknikutvecklingen är så snabb nu att alla prognoser blir osäkra, säger Ramin Firouzi.
”Cloud” och ”edge” måste kombineras
För att hantera de enorma datamängderna krävs nya grepp. Edge computing är egentligen inget nytt – tekniken har funnits i ett decennium. Men kanske är det först nu som det blivit uppenbart att molntekniken inte räcker till.
– Det är inte antingen ”cloud” eller ”edge” – vi behöver både och. Teknikerna måste kombineras. I min forskning intresserar jag mig för hur edgetekniken kan utnyttjas på ett effektivt sätt så att både beräkningar och kommunikation förbättras.
Firouzi ser två stora problem med molnet. Det ena rör integritet och säkerhet. Även om vi i Sverige har ganska strikta regler för hanteringen av persondata finns en överhängande risk att molnservrar hackas och känsligt material läcker ut.
Det andra problemet är den flaskhals som uppstår när gigantiska datamängder ska skickas till en och samma plats. Det blir en fördröjning som i vissa fall kan vara kritisk.
– När beräkningarna i stället görs nära användaren går det mycket snabbare. Om du till exempel har en smart klocka som känner av din hjärtfrekvens och andra värden kan den larma direkt om att du håller på att få en hjärtattack. Och i det läget kan sekunder vara avgörande, säger Ramin Firouzi.
Säkrare att spara data lokalt
Att alla dina hälsodata tar omvägen förbi molnet är onödigt, menar han. Det räcker med att dina prylar skickar vissa parametrar för att större beräkningar ska kunna göras på aggregerade data i molnet. Det blir dessutom säkrare.
Firouzi tar också framtidens smarta hem som ett exempel på hur edgeteknik och molnberäkningar kan kombineras. Vi vill att värme, ventilation, sanitet och andra funktioner ska vara effektiva och anpassade efter hur vi lever våra liv. Samtidigt vill vi av säkerhetsskäl inte att detaljerad data om när vi är hemma eller på jobbet ska laddas upp till molnet.
– Om dina data stannar i ditt hus, på din lokala server, minskar risken för läckage avsevärt.
När vi hanterar våra data lokalt och bara skickar vissa parametrar till molnet kan de bearbetas tillsammans med parametrar från andra hushåll. Resultaten av beräkningarna kan sedan skickas tillbaka till våra lokala enheter för att göra våra hem ännu smartare.
– Maskininlärning handlar om att maskiner lär sig om människors beteende. Genom att träna modellerna på stora mängder riktiga data, blir modellerna allt bättre på att göra prediktioner. Det kan till exempel handla om vilka tider på dygnet vi behöver ha varmvatten för att kunna duscha, säger Ramin Firouzi.
Livsviktig tillämpning inom sjukvården
I avhandlingen utvecklar han ett ramverk för så kallad distribuerad intelligens, där bearbetningen av data sker på många mindre enheter i stället för på en enda plats. Tillämpningar finns inom många olika områden, inte minst inom hälso- och sjukvården där effektivare överföring och bearbetning av data kan rädda liv.
– Kommunikationsnätverkens utveckling är en starkt bidragande faktor till att antalet uppkopplade enheter har ökat så kraftigt. Jag har undersökt hur edgetekniken kan integreras i 5G och 6G så att IoT-systemen blir mer effektiva. Det är helt avgörande för utvecklingen inom området.
Jag har undersökt hur edgetekniken kan integreras i 5G och 6G
Nu tar Ramin Firouzi med sig kunskaperna från sin tid som doktorand på DSV ut i näringslivet. Som data scientist kommer han att arbeta med att kombinera edge- och molnteknik. Men han stänger inte dörren till akademin helt.
– Jag hoppas kunna fortsätta forska och kommer gärna tillbaka till DSV om möjligheten uppstår. Jag flyttade från Iran till Sverige när jag antogs som doktorand, och allting var nytt för mig här. Jag har lärt mig så mycket av både kollegor och studenter, säger Ramin Firouzi.
Mer om forskningen
Ramin Firouzi disputerade 13 oktober 2023 på Institutionen för data- och systemvetenskap (DSV) vid Stockholms universitet.
Avhandlingen har titeln ”Distributed Intelligence for IoT Systems using Edge Computing”. Den är en sammanläggning av sex vetenskapliga artiklar.
Ladda ner avhandlingen från Diva
Ramin Firouzis huvudhandledare under avhandlingsarbetet var Rahim Rahmani, DSV. Handledare var Thashmee Karunaratne, DSV.
Opponent under disputationen var Sadok Ben Yahia, Syddansk universitet, Danmark.
I betygsnämnden ingick Karl Andersson, Institutionen för system- och rymdteknik, Luleå tekniska universitet, Tingting Zhang, Institutionen för Data- och Elektroteknik, Mittuniversitetet, och Aron Larsson, DSV.
Text: Åse Karlén
Senast uppdaterad: 17 november 2023
Sidansvarig: Institutionen för data- och systemvetenskap, DSV