ใช้ Splunk ตอบโจทย์ผสานข้อมูล Internet of Things จากอุปกรณ์และระบบหลากหลาย ปรับปรุงกระบวนการการทำงานได้ทุกธุรกิจ

ด้วยการเติบโตของเทคโนโลยีทางด้าน Sensor และการนำไปประยุกต์ใช้อย่างแพร่หลายในวงการธุรกิจต่างๆ ไม่ว่าจะเป็นธุรกิจพลังงาน, โรงงาน, การคมนาคมขนส่ง และอื่นๆ อีกมากมาย ความสำคัญของการรวมข้อมูลแบบศูนย์กลางและการวิเคราะห์ประมวลผลข้อมูลเหล่านั้นจึงได้เพิ่มขึ้นเป็นเงาตามตัว และการนำข้อมูลเหล่านั้นมาแสดงผลเพื่อให้สามารถตัดสินใจทางธุรกิจก็เป็นหัวใจหลักในการขับเคลื่อนธุรกิจให้มีผลกำไรมากขึ้น รวมถึงการรองรับการเติบโตของปริมาณ Sensor ที่จะเพิ่มขึ้นในอนาคต ก็เป็นอีกประเด็นสำคัญที่ต้องคำนึงถึงอยู่เสมอ ซึ่ง Splunk เป็นผู้ผลิตระบบรวมรวมและวิเคราะห์ข้อมูล Big Data ที่สามารถตอบโจทย์เหล่านี้ทั้งหมดได้อย่างครบวงจรภายในระบบเดียว ภายใต้แนวคิดของ Operational Intelligence นั่นเอง

Internet of Things ผลักดันอนาคตของธุรกิจ

Internet of Things เป็นแนวคิดของการติดตามสิ่งต่างๆ ที่เกิดขึ้นบนโลกนี้ด้วย Sensor จำนวนมาก ที่จะรับข้อมูลจากสิ่งแวดล้อมรอบๆ และส่งข้อมูลไปยัง Server หรือ Cloud เพื่อทำการรวบรวมข้อมูลสำหรับประมวลผลเพื่อทำประโยชน์ทางธุรกิจ หรือสั่งคำสั่งไปยังอุปกรณ์อื่นๆ ให้ตอบสนองต่อสิ่งที่เกิดขึ้นได้โดยอัตโนมัติ ซึ่งในภาคธุรกิจต่างๆ ก็เริ่มมีการติดตั้ง Sensor ตามอุปกรณ์ต่างๆ เพื่อติดตามการทำงาน และเหตุการณ์ที่เกิดขึ้นทั้งหมด เพื่อนำข้อมูลมาวิเคราะห์หลากหลายกรณี เช่น

• ตรวจสอบประสิทธิภาพการทำงานของเครื่องจักรแบบ Real-time
• ตรวจสอบเหตุการณ์ผิดปกติที่เกิดขึ้นเพื่อทำการแก้ไขได้ทันท่วงที
• ตรวจสอบภาพรวมการทำงาน เพื่อสร้างรายงานธุรกิจแบบรายวัน
• จัดเก็บข้อมูลเพื่อทำการตรวจสอบเหตุการณ์ต่างๆ ย้อนหลัง

ทั้งนี้แต่ละธุรกิจก็จะมีการใช้งาน Sensor เพื่อติดตามเหตุการณ์ต่างๆ ที่แตกต่างกัน รวมถึงยังมีความต้องการในวิเคราะห์และประมวลผลข้อมูลที่แตกต่างกันไปตามความต้องการของธุรกิจและการบริหาร Internet of Things จึงถูกนำไปใช้อย่างแตกต่างกันในแต่ละองค์กร และต้องมีผู้ที่ทำหน้าที่ในการ Customize ระบบวิเคราะห์ข้อมูลสำหรับงานแต่ละรูปแบบแยกย่อยกันไปนั่นเอง

Splunk กับระบบ Operational Intelligence สำหรับ Internet of Things

Splunk เป็น Software ที่ทำหน้าที่ในการรวบรวมข้อมูลจากระบบใดๆ ก็ตามที่มีการรับส่งข้อมูลได้ผ่านทาง Internet และ IP Address เพื่อรวบรวมข้อมูลเหล่านั้นเอาไว้ และเปิดช่องให้ Developer สามารถพัฒนาระบบเพื่อนำข้อมูลเหล่านั้นออกมาแสดงผลได้ตามต้องการอย่างอิสระ ทำให้สามารถวิเคราะห์และประมวลผลข้อมูลเพื่อตอบโจทย์ทางธุรกิจได้หลากหลายรูปแบบ และสามารถต่อยอดในอนาคตเพื่อรองรับการเติบโตของธุรกิจ และความต้องการใหม่ๆ ได้อย่างไม่รู้จบ

Splunk สามารถรับข้อมูลได้จาก Protocol ต่างๆ มากมาย รวมถึงยังเปิดให้ผู้ใช้งานสามารถทำการ Custom หรือสร้าง Plugins เพิ่มสำหรับรับข้อมูลแบบ Proprietary เพิ่มเติมได้ โดย Splunk เองได้มี Plugins หลักๆ ที่เป็นที่นิยมในการรรับข้อมูลจากอุปกรณ์ Sensor ในระบบ Internet of Things ดังต่อไปนี้

• SNMP Modular Input สำหรับเชื่อมต่อกับอุปกรณ์ต่างๆ ที่รองรับโปรโตคอล SNMP เพื่อนำข้อมูลมาวิเคราะห์ได้
• REST API Modular Input สำหรับรวบรวมข้อมูลผ่าน REST API โดยการเรียกข้อมูลและนำผลลัพธ์ที่ตอบสนองมาจัดเก็บไว้ใน Splunk
• JMS Modular Input สำหรับรวบรวมข้อมูลจาก Messaging Queue เช่น MQTT, TibcoEMS, Weblogic JMS และ ActiveMQ
• Splunk App for Stream สำหรับการรับข้อมูลของระบบ Network ในลักษณะ Real-time Stream
• Amazon Kinesis Modular Input เป็นบริการรับและประมวลผลข้อมูลจาก Amazon แบบ Real-time (http://aws.amazon.com/kinesis/) ซึ่งสามารถนำข้อมูลมา Integrate ร่วมกับ Splunk ได้เช่นกัน

หลังจาก Splunk ทำการรวบรวมข้อมูลเหล่านั้นและจัดเก็บเอาไว้แล้ว แต่ละองค์กรก็สามารถที่จะทำการค้นหา, วิเคราะห์ หรือแสดงผลข้อมูลเหล่านั้นเป็นกราฟได้ตามต้องการ รวมถึงยังสามารถสร้าง Dashboard เพื่อทำการติดตามข้อมูลแบบ Real-time ได้ และออกรายงานเพื่อนำไปใช้ตัดสินใจทางธุรกิจได้อย่างครอบคลุมอีกด้วย โดยมีตัวอย่างของการนำไปประยุกต์ใช้งานได้แก่

• การตรวจสอบความถูกต้องของระบบงาน, สายการผลิต และการทำงานของเครื่องจักร
• ทำ Capacity Planning โดยติดตามความเปลี่ยนแปลงและการใช้งานของอุปกรณ์ต่างๆ
• ทำ Root Cause Analysis และการแก้ปัญหาจากทางไกล โดยการวิเคราะห์ข้อมูลและ Correlate ความเกี่ยวพันที่เกิดขึ้นของเหตุการณ์ต่างๆ
• ค้นหาความผิดปกติ หรือสิ่งทีอาจจะนำมาซึ่งความเสียหายได้ก่อนที่จะเกิดความเสียหายขึ้น
• ตรวจสอบระบบรักษาความปลอดภัย และการทำ Compliance
• ตรวจสอบการโจมตีแบบ Cybersecurity Threats

ทั้งนี้ Splunk ยังสามารถนำไปประยุกต์ใช้งานได้หลากหลายกรณีนอกเหนือจากตัวอย่าง โดยสามารถปรับเปลี่ยนไปตามความต้องการของธุรกิจได้ทันที จากการเปิดให้ผู้ใช้งานสามารถสร้างหน้าแสดงผลรูปแบบต่างๆ ด้วยตนได้อย่างอิสระนั่นเอง

กรณีศึกษา: การเพิ่มประสิทธิภาพของธุรกิจ Logistic ด้วย Internet of Things ร่วมกับ Splunk

บริษัท New York Air Brake เป็นธุรกิจเกี่ยวกับระบบเบรค, ระบบควบคุมรถไฟ และระบบ Simulate สำหรับการขับรถไฟ ได้ทำการติดตั้ง Sensor ต่างๆ บนรถไฟขนสินค้า เพื่อทำการติดตามข้อมูลการวิ่งและการเบรคของรถไฟ เพื่อทำการ Optimize ให้ประหยัดน้ำมันสูงที่สุด โดยธุรกิจขนส่งทางรถไฟที่สหรัฐอเมริกานั้นมีการใช้น้ำมันต่อปีถึง 3,600 ล้านแกลลอนต่อปี ตีเป็นมูลค่า 11,500 ล้านเหรียญดอลลาร์สหรัฐ หรือราวๆ 345,000 ล้านบาทไทย การลดปริมาณการใช้น้ำมันได้แม้เพียง 1-2% ก็ถือว่ามีมูลค่ามหาศาลมากแล้ว

Splunk ได้มีบทบาทในการนำข้อมูลจาก Sensor ทั้งหมดที่ติดตั้งเอาไว้ มาประมวลผลและแสดงผลแบบ Real-time หรือย้อนหลัง เพื่อให้ทีมวิศวกรสามารถทำการ Optimize วิธีการขับรถไฟที่ประหยัดน้ำมันที่สุด เพื่อลดค่าใช้จ่ายและเพิ่มผลกำไรได้อย่างต่อเนื่อง โดย Splunk สามารถทำการสร้างและปรับแต่งรายงานได้อย่างอิสระเพื่อตอบคำถามในเชิงธุรกิจต่างๆ ได้อย่างทันท่วงที ด้วยการนำข้อมูลของระบบควบคุมรถไฟ มาประมวลผลร่วมกับข้อมูลที่ได้รับจาก Sensor และปรับแต่งการแสดงผลได้อย่างยืดหยุ่นบน Splunk

ปัจจุบันนี้ New York Air Brake ได้มีการติดตั้ง Sensor เอาไว้บนหัวรถจักรของรถไฟจำนวนทั้งสิ้น 4,000 ขบวน และทำการส่งข้อมูลมาจัดเก็บและประมวลผลแบบ Real-time อยู่ทุกวัน

สำหรับผู้ที่สนใจ Splunk และอยากพูดคุยเพื่อรับคำปรึกษาเพิ่มเติมหรือทดสอบระบบ สามารถติดต่อบริษัท Stelligence ได้ทันทีที่ info@stelligence.com หรือโทร 02-938-7475 ได้ทันที

ข้อมูลเพิ่มเติม

• Splunk for Internet of Things http://www.splunk.com/en_us/solutions/solution-areas/internet-of-things.html
• Splunk: Optimized Operations and Billions in Savings for Top Railroads http://www.splunk.com/content/dam/splunk2/pdfs/customer-success-stories/splunk-at-new-york-air-brake.pdf