Руководство производителя по граничным вычислениям

Ниже описано, что мы рассмотрим в этой подробной статье о граничных вычислениях в производстве. Выберите ссылку, если хотите перейти к определенному разделу:

• Введение в периферийные вычисления в производстве
• Что такое граничные вычисления?
• Что такое платформа граничных вычислений?
• Что такое пограничное устройство?
• Связь между Edge и облаком
• Случаи использования периферийных вычислений в производстве
• Как меняется ландшафт подключений в производстве

Введение в периферийные вычисления в производстве

Платформа граничных вычислений быстро находит применение в различных отраслях, поскольку устройства Интернета вещей (IoT) становятся все более распространенными. Одним из наиболее многообещающих вариантов использования граничных вычислений является производство, где эти новые технологии потенциально могут привести к значительному повышению производительности.

В то время как IoT уже зарекомендовал себя как критически важный фактор в производственных цехах, организации теперь стремятся еще больше повысить скорость реагирования своих производственных систем. Для этого эти организации внедряют интеллектуальное производство с периферийными вычислениями в качестве основного инструмента.

Интеллектуальное производство предполагает будущее, в котором заводское оборудование может принимать автономные решения на основе того, что происходит на заводе. Компании могут более легко интегрировать все этапы производственного процесса, включая проектирование, производство, цепочку поставок и операции. Это способствует большей гибкости и реактивности при участии в конкурентных рынках. Для реализации этого видения требуется сочетание связанных технологий, таких как Интернет вещей, искусственный интеллект/машинное обучение и граничные вычисления.

Ключевым преимуществом сбора аналитики на границе сети является возможность анализа и обработки данных в режиме реального времени без затрат на пропускную способность, связанных с отправкой этих данных за пределы площадки (в облако или центр обработки данных) для анализа. Производство чувствительно ко времени с точки зрения предотвращения производства компонентов, не соответствующих техническим требованиям, простоя оборудования, травм или смерти рабочих. Для более сложных и долгосрочных задач данные можно отправлять в облако и объединять с другими структурированными и неструктурированными формами данных. В результате использование этих двух отдельных вычислительных платформ не является взаимоисключающим, а представляет собой скорее симбиоз, в котором используются преимущества, предоставляемые каждой из них. Ниже мы более подробно рассмотрим варианты использования и взаимосвязь между облаком и периферией в производстве.

Сначала мы определим компоненты фреймворка граничных вычислений.

Что такое граничные вычисления?

Граничные вычисления — это среда распределенных вычислений, которая приближает вычисления и хранилище данных к источнику данных, тем самым улучшая время отклика и экономя пропускную способность.

Проще говоря, граничные вычисления — это использование кода, работающего в облаке, и его запуск рядом с локальными устройствами или на них. Примеры включают шлюзовые устройства (такие как MachineMetrics Edge) или даже ПК, установленный рядом с оборудованием с поддержкой IIoT.

При использовании граничных вычислений в облако необходимо передавать меньше данных. Это особенно полезно для сбора высокочастотных данных, которые используются для запуска алгоритмов машинного обучения. Поскольку эти данные могут быть обработаны на периферии, с ними можно действовать немедленно. Напротив, если бы эти высокочастотные данные должны были быть переданы в облако, обработаны, а затем обработаны, возник бы эффект задержки. Граничные вычисления решают эту проблему.

Чтобы понять периферийные вычисления, полезно представить решение IoT как обычно состоящее из трех компонентов:

• Вещи например устройства Интернета вещей, которые генерируют данные датчиков.
• Статистика вы извлекаете из этих данных.
• Действия вы действуете на основе этих данных, чтобы приносить какую-то пользу.

С помощью периферийных вычислений вы перемещаете данные и действия компонентов из облака на устройство. Другими словами, вы вносите часть кода прямо в устройство, которое используется для обработки и извлечения информации из данных и выполнения определенных действий в ответ на это.

В производстве вещи могут быть машины или оборудование в вашем цеху. Статистика поэтому могут быть машинными данными в реальном времени. И пример действия может быть приостановка работы станка из-за ожидаемой поломки инструмента.

Что такое платформа граничных вычислений?

Периферийные платформы, созданные для производства, позволяют собирать данные из промышленных систем, таких как ПЛК, цифровые системы управления, датчики или архиваторы, и локально запускать приложения поверх этих данных, такие как обработка событий, прогнозная аналитика, модели машинного обучения и многое другое — все в автономном первом развертывании.

Платформы граничных вычислений управляют приложениями, устройствами и подключениями, которые работают на границе сети. Здесь периферийные устройства и подключенное оборудование («вещи») могут обмениваться данными и выполнять задачи быстрее, чем при чисто облачных вычислениях.

Работа со многими периферийными устройствами может быть сложной задачей. Платформа централизованного управления периферией облегчает эту проблему, соединяя множество разрозненных периферийных устройств для обеспечения надлежащего управления всей сетью. Например, с помощью платформы граничных вычислений производители могут распространять обновления безопасности на все периферийные устройства и при необходимости устранять неполадки.

В каком-то смысле платформы граничных вычислений просто приближают вычислительные ресурсы облака к источникам данных. Таким образом, граничные платформы просто выполняют работу платформы облачных вычислений, но на периферии. Это снижает нагрузку на ресурсы облачных вычислений и уменьшает задержку данных между периферийным устройством и оборудованием. Если будущее за машинным обучением и искусственным интеллектом, то скорость хранения и анализа данных имеет решающее значение.

Что такое устройство Edge?

Пограничные устройства — это оборудование, которое управляет потоком данных между локальной сетью и облаком. Они действуют как шлюз между подключенным оборудованием в локальной сети и программной платформой, используемой для анализа данных.

В контексте интеллектуального производства периферийные устройства обеспечивают больше, чем связь между отдельными сетями. Они также включают функции для повышения безопасности IoT и преобразования аналитики. Чтобы расширить это, периферийные устройства преобразуют несовместимые в противном случае данные (например, если у вас были разные протоколы), чтобы данные из разных источников можно было агрегировать и понимать в облаке.

MachineMetrics Edge легко подключает машины к облачной службе MachineMetrics с помощью Wi-Fi, сотовой связи или Ethernet. подключение.

Физическое расстояние в традиционной сети означает более длительное время передачи больших пакетов данных. Пограничные устройства позволяют сетям передачи данных, поступающим от машин, быть намного ближе к месту хранения и анализа данных. Это позволяет гораздо быстрее возвращать информацию пользователю, что очень важно, когда речь идет о случаях использования, таких как прогнозная аналитика в реальном времени. Пограничные устройства и периферийные вычисления предоставляют больше возможностей хранения и аналитики для использования данных и обработки данных прямо на компьютере.

По мере усложнения инфраструктуры Интернета вещей (т. е. увеличения количества заводов, устройств и сетей) потребность в агрегации и обработке данных остается важной. Однако проблема заключается в том, что периферийные устройства будут страдать от больших задержек при обмене данными с платформой облачных вычислений.

Вот над чем работают периферийные устройства и платформы граничных вычислений.

Взаимосвязь между периферией и облаком

У нас есть полная статья о разнице между периферийными и облачными вычислениями в производстве, поэтому мы будем краткими.

Edge и облако — это две разные технологии, но они часто используются в тандеме из-за их сильных сторон. В основе отношений лежат граничные вычисления, которые обрабатывают данные, чувствительные ко времени, и предпринимают действия с ними, тогда как облачные вычисления объединяют данные в централизованном расположении, которые не требуют своевременных действий.

В полной инфраструктуре IIoT производители могут использовать как периферийные устройства для сбора данных в режиме реального времени, прогнозной аналитики и автономного принятия решений, так и облако для анализа совокупных данных, сравнительного анализа и анализа тенденций.

Эти преимущества и недостатки сохраняются:

Случаи использования граничных вычислений в производстве

Давайте теперь обсудим практические причины использования граничных вычислений в производстве. Обеспечение надлежащего подключения всех сетей к облаку, а также предоставление мощных вычислительных ресурсов на периферии дает ряд преимуществ для бизнеса.

• Увеличено время безотказной работы оборудования :Например, сбой в подсистеме, компоненте или влияние запуска компонента в поврежденном состоянии можно прогнозировать в режиме реального времени, постоянно уточнять по мере анализа дополнительных данных и использовать для повышения эффективности эксплуатации и планирования обслуживания.
• Снижение затрат на обслуживание :Усовершенствованный анализ необходимого технического обслуживания также означает, что при первом посещении можно выполнить больше ремонтных работ, предоставив механикам подробные инструкции о причинах проблемы, необходимых действиях и необходимых деталях, что снижает стоимость ремонта.
• Снижение складских запасов запасных частей :модели пограничной аналитики можно адаптировать к требованиям отдельного устройства или системы. Это может означать считывание датчиков, непосредственно связанных с определенными компонентами и/или подсистемами. Ориентируясь на желаемую бизнес-ценность организации, периферийная модель может затем определить, как устройство или система должны быть оптимально настроены для достижения бизнес-цели, что значительно повышает эффективность запасов запасных частей при минимальных затратах.
• Предотвращение критических сбоев :Собирая, отслеживая и анализируя данные о компонентах, периферийная аналитика может определить причину до того, как ее следствие проявит себя, что позволяет обнаруживать и предотвращать проблемы на более раннем этапе.
• Мониторинг на основе состояния :благодаря слиянию ИТ и ОТ производители могут получить доступ к данным о машинах, что позволяет им отслеживать состояние своего оборудования в цеху, даже если они используют устаревшее оборудование.
• Новые бизнес-модели :Возможно, наиболее важно то, что периферийная аналитика может помочь сформировать новые бизнес-модели для использования новых возможностей. Например, он может улучшить своевременные системы управления запасными частями, используя анализ самоконтроля, который предсказывает, какие компоненты и когда выйдут из строя, и инициируя уведомления о замене деталей по всей цепочке создания стоимости. Это позволяет создавать график обслуживания «по мере необходимости», сокращает время простоя и количество запасных частей, а также повышает эффективность модели.

Как меняется ландшафт подключений в производстве

Мы знаем, что смысл промышленного Интернета вещей заключается в применении расширенной аналитики к огромному количеству машинных данных с целью сокращения незапланированных простоев, снижения общей стоимости обслуживания машин и использования возможностей машинного обучения. Облако сыграло важную роль в том, чтобы сделать возможным такой массивный сбор, передачу и анализ данных.

Пограничные вычисления и аналитика просто выводят эту концепцию на новый уровень, сокращая физическое расстояние между машинами и самой обработкой данных. Для компаний, которые разбросаны по разным местам и получают данные из многих источников, такая близость помогает справиться с несколькими реалиями:

• Проблемы с подключением, связанные с расстоянием, а также со стоимостью непрерывной массовой передачи данных в централизованное место.
• Доступность аналитики на операционном уровне, позволяющая пользователям на разных уровнях быстро принимать решения.
• Availability of the data in real time, for faster (and even autonomous) decision-making
• Ensuring security of the data and the integrity of the network.

All of these realities, when dealt with by edge computing, permit manufacturers to reduce costs and increase efficiency. Additionally, manufacturers can now have a reliable data transfer with few errors and risks to security. Not to mention, this also enables customization and small run manufacturing with the same value a large scale production would experience. With edge computing, all of this is available with flexible and simplified maintenance of all devices.

When data speed is the order of the day and connectivity needs to be solid, the edge will be the solution that manufacturers should look to. Applying AI and machine learning algorithms to visualize, diagnose, and predict problems in real-time is a goal that can be more readily accomplished with proximity, speed, and a solid network. Real-time visualizations and predictive notifications enable your team to take immediate corrective action and keep your machines up and running without fear of missing crucial data.

Industrial manufacturing is on the brink of a revolution thanks to the potential of edge computing. Combined with a new generation of smart IoT edge devices, edge computing applications will completely transform manufacturing in the coming decades to drive better efficiency and productivity while also controlling costs.