Fog Computing: สถาปัตยกรรมชั้นไว้ผลานระหว่าง Edge และ Cloud ตามมาตรฐาน IEEE 1934.1 สำหรับโรงงานอุตสาหกรรม

Fog Computing คืออะไร? และต่างจาก Edge Computing อย่างไร?

เมื่อพูดถึงการประมวลผลข้อมูลใกล้อุปกรณ์ เรามักได้ยินคำว่า Edge Computing และ Fog Computing สลับกันไปมา แม้ทั้งสองจะมีเป้าหมายร่วมคือการลดหน่วงเวลาและลดปริมาณข้อมูลที่ส่งขึ้นคลาวด์ แต่ Fog Computing มีนิยามที่กว้างกว่าและเน้นการสร้าง ชั้นไว้ผลาน (Middleware Layer) ที่ทำหน้าที่คล้ายหมอกควันคลุมอยู่ระหว่างอุปกรณ์ปลายทาง (Things) กับคลาวด์ — นี่คือที่มาของชื่อ “Fog”

แนวคิดนี้ถูกเสนอครั้งแรกโดย บริษัทผู้ผลิตอุปกรณ์เครือข่ายรายใหญ่ ในปี 2012 และภายหลังกลายเป็นมาตรฐานสากลผ่าน OpenFog Consortium ซึ่งรวมเข้ากับ IEEE ในปี 2019 จนออกเป็นมาตรฐาน IEEE 1934.1 ที่กำหนด Reference Architecture สำหรับ Fog Computing อย่างเป็นทางการ

ตารางเปรียบเทียบ: Cloud vs Fog vs Edge Computing

สถาปัตยกรรมแบบชั้นของ Fog Computing

มาตรฐาน IEEE 1934.1 นิยามสถาปัตยกรรม Fog แบบชั้น (Hierarchical) โดยข้อมูลไหลจาก Things Layer สู่ Fog Node Layer และสุดท้ายถึง Cloud Layer แต่ละชั้นทำหน้าที่ต่างกัน:

• Things Layer: เซ็นเซอร์, แอคทูเอเตอร์, PLC ที่สร้างข้อมูลดิบด้วยอัตราสูง (เช่น เซ็นเซอร์สั่นสะเทือนสุ่มตัวอย่าง 25.6 kHz)
• Fog Node Layer (ปานกลาง): เราเตอร์, Gateway, Industrial PC ที่มีพลังประมวลผล ทำหน้าที่กรอง, รวบยอด, และวิเคราะห์ข้อมูลก่อนส่งต่อ
• Fog Node Layer (ปลาย): โหนดที่อยู่ใกล้อุปกรณ์ที่สุด ตอบสนองภายในมิลลิวินาทีเพื่อควบคุมเรียลไทม์
• Cloud Layer: ทำ Machine Learning Training, Big Data Analytics และจัดเก็บข้อมูลระยะยาว

💡 ข้อเท็จจริง: เซ็นเซอร์สั่นสะเทือนบนเครื่องจักรหนึ่งตัวอาจสร้างข้อมูลมากกว่า 1 GB ต่อวัน Fog Computing ช่วยกรองเหลือเฉพาะข้อมูลสำคัญ เช่น FFT Spectrum หรือ Alarm Event ทำให้ข้อมูลที่ส่งขึ้นคลาวด์เหลือเพียง 1–5% ของข้อมูลดิบ

คุณสมบัติเด่นของ Fog Computing

1. การรับรู้ตำแหน่ง (Location Awareness): Fog Node รู้ว่าข้อมูลมาจากจุดใดในโรงงาน ทำให้ตัดสินใจได้ตามบริบท เช่น ปิดเครื่องจักรเฉพาะโซนที่มีปัญหา
2. การกระจายทางภูมิศาสตร์ (Geo-Distribution): Fog Node กระจายอยู่ทั่วนิคมอุตสาหกรรม ไม่ใช่รวมศูนย์ที่เดียว
3. การตอบสนองเรียลไทม์ (Low Latency): ประมวลผลในระดับมิลลิวินาที เหมาะกับระบบควบคุมป้องกัน
4. Heterogeneity (ความหลากหลายของฮาร์ดแวร์): รองรับโหนดที่เป็นทั้ง x86, ARM และ FPGA ในเครือข่ายเดียวกัน
5. Interoperability: ทำงานร่วมกับหลายโปรโตคอล เช่น Modbus, OPC UA, MQTT, DDS พร้อมกันได้

Use Case ในโรงงานอุตสาหกรรม

1. Smart Grid ในนิคมอุตสาหกรรม

ระบบไฟฟ้ากระจายในนิคมอุตสาหกรรมต้องสมดุลโหลดและตอบสนองเหตุการณ์ เช่น ไฟดับหรือโหลดพุ่งสูง ภายในมิลลิวินาที Fog Node ที่ติดตั้ง ณ สถานีไฟย่อยแต่ละจุดทำหน้าที่วิเคราะห์ท้องถิ่นและสั่งการตัด/สับเปลี่ยนโหลดทันที โดยส่งเฉพาะสรุปรายชั่วโมงขึ้นคลาวด์เพื่อการวางแผนระยะยาว

2. Predictive Maintenance แบบกระจาย

เซ็นเซอร์สั่นสะเทือน, อุณหภูมิ และกระแสมอเตอร์ จากเครื่องจักรหลายร้อยตัวถูกส่งไป Fog Node ของแต่ละเซลล์การผลิต Fog Node รันโมเดล Anomaly Detection เพื่อตรวจจับสัญญาณบ่งชี้ความเสียหายล่วงหน้า 7–30 วัน หากพบความผิดปกติจะส่ง Alert ทันที และส่งข้อมูล FFT Spectrum ขึ้นคลาวด์เพื่อรีเทรนโมเดล

3. Real-Time Quality Control แบบหลายเซ็นเซอร์

การตรวจสอบคุณภาพที่รวมข้อมูลจากกล้อง, เซ็นเซอร์อุณหภูมิ และเซ็นเซอร์แรงต้องการการหลอมรวมข้อมูล (Sensor Fusion) ภายในเวลาสั้น Fog Node ทำหน้าที่นี้แบบ Local ทำให้สามารถปรับพารามิเตอร์สายการผลิตได้ทันทีก่อนที่ชิ้นงานจะออกจากสถานี

Fog vs Edge: เลือกอย่างไร?

ในทางปฏิบัติ Edge Computing มักหมายถึงการประมวลผล ณ ตัวอุปกรณ์หรือเครื่องจักร (เช่น PLC, Industrial PC) ส่วน Fog Computing เป็นชั้นที่อยู่เหนือขึ้นไป ประกอบด้วยโหนดหลายตัวที่ทำงานร่วมกันเป็นเครือข่ายกระจาย สำหรับโรงงานที่มีเซ็นเซอร์จำนวนมากกระจายทั่วพื้นที่ Fog Computing เป็นทางเลือกที่เหมาะสม เพราะสร้างสมดุลระหว่างความเร็วในการตอบสนองและความสามารถในการวิเคราะห์

ความท้าทายในการนำ Fog Computing ไปใช้

• การจัดการโหนดหลายชั้น: ต้องดูแล Fog Node ที่กระจายอยู่ทั่วโรงงาน รวมถึงการอัปเดตซอฟต์แวร์และความปลอดภัย
• การจัดสรรเวิร์กโหลด (Workload Placement): ต้องตัดสินใจว่าแต่ละงานควรรันที่ Edge, Fog หรือ Cloud เพื่อให้เกิดประสิทธิภาพสูงสุด
• ความปลอดภัยระหว่างโหนด: การสื่อสารระหว่าง Fog Node ต้องเข้ารหัสและตรวจสอบตัวตน เพื่อป้องกันการปลอมแปลง
• การกำหนดมาตรฐาน: แม้จะมี IEEE 1934.1 แล้ว แต่ผลิตภัณฑ์ในตลาดยังใช้นิยามที่แตกต่างกัน ทำให้การทำงานร่วมกัน (Interoperability) ยังเป็นความท้าทาย

Key Takeaways

1. Fog Computing คือชั้นไว้ผลานระหว่างอุปกรณ์ปลายทางกับคลาวด์ กำหนดโดยมาตรฐาน IEEE 1934.1
2. ต่างจาก Edge Computing ตรงที่เป็นเครือข่ายกระจายของโหนดที่มีพลังประมวลผลปานกลาง ไม่ใช่การประมวลผล ณ ตัวอุปกรณ์เพียงอย่างเดียว
3. สถาปัตยกรรมแบบชั้นทำให้แต่ละชั้นทำหน้าที่เฉพาะ — Edge ควบคุมเรียลไทม์, Fog วิเคราะห์ท้องถิ่น, Cloud เทรนโมเดล
4. Use case เด่น ได้แก่ Smart Grid ในนิคมอุตสาหกรรม, Predictive Maintenance แบบกระจาย และ Sensor Fusion สำหรับ Quality Control
5. Fog Computing ช่วยลดข้อมูลที่ส่งขึ้นคลาวด์เหลือเพียง 1–5% ของข้อมูลดิบ ประหยัด Bandwidth และลดปริมาณข้อมูลที่ต้องจัดเก็บในคลาวด์
6. ความท้าทายหลักคือการจัดการโหนดหลายชั้น, การจัดสรรเวิร์กโหลด และการทำให้เกิด Interoperability ระหว่างผลิตภัณฑ์ต่างผู้ผลิต

Fog Computing ไม่ได้มาแทนที่ Edge หรือ Cloud แต่เป็นชั้นที่เชื่อมโยงทั้งสองเข้าด้วยกันอย่างชาญฉลาด สำหรับโรงงานที่ต้องการทั้งความเร็วระดับเรียลไทม์และความลึกในการวิเคราะห์ข้อมูล Fog Computing คือสถาปัตยกรรมที่ตอบโจทย์ทั้งสองขั้วในเครือข่ายเดียวกัน