Пограничные вычисления в производстве: полное руководство для производителей

Ниже то, что мы рассмотрим в этой глубокой статье о пограничных вычислениях в производстве. Выберите ссылку, если хотите перейти к определенному разделу:

• Введение в пограничные вычисления в производстве
• Что такое пограничные вычисления?
• Что такое платформа пограничных вычислений?
• Что такое пограничное устройство?
• Взаимоотношения между пограничными и облачными вычислениями
• Варианты использования пограничных вычислений в производстве
• Как меняется ландшафт подключенности в производстве

 

Введение в пограничные вычисления в производстве

Фреймворк пограничных вычислений быстро находит свой путь в разные отрасли, поскольку устройства Интернета вещей (IoT) становятся более обыденными. Один из самых перспективных вариантов использования пограничных вычислений — производство, где эти новые технологии могут потенциально привести к огромным приростам продуктивности.

Пока IoT уже доказывает себя критическим потенциатором на заводском полу, организации теперь смотрят на повышение отзывчивости своих производственных систем дальше. Для достижения этого эти организации принимают умное производство с пограничными вычислениями как главным потенциатором.

Умное производство предвидит будущее, где заводское оборудование может принимать автономные решения на основе того, что происходит на заводском полу. Бизнесы могут легче интегрировать все этапы производственного процесса, включая проектирование, производство, цепочку поставок и операции. Это облегчает большую гибкость и реактивность при участии в конкурентных рынках. Обеспечение этого видения требует комбинации связанных технологий, таких как IoT, ИИ/машинное обучение и пограничные вычисления.

Ключевое преимущество сбора аналитики на границе сети — способность анализировать и действовать на основе данных в реальном времени без затрат на пропускную способность, связанных с отправкой этих данных вне площадки (в облако или центр обработки данных) для анализа. Производство чувствительно ко времени в плане избежания производства деталей, не соответствующих спецификациям, простоев оборудования, травм рабочих или смерти. Для более сложных, долгосрочных задач данные могут быть отправлены в облако и объединены с другими структурированными и неструктурированными формами данных. В результате использование этих двух отдельных фреймворков вычислений не взаимоисключающе, а симбиотически, используя преимущества каждого. Ниже мы глубже погружаемся в варианты использования и отношения между облаком и границей в производстве.

Сначала определим компоненты фреймворка пограничных вычислений.

 

Что такое пограничные вычисления?

Пограничные вычисления — это распределенный фреймворк вычислений, который приближает вычисления и хранение данных к источнику данных, тем самым улучшая время отклика и экономя пропускную способность.

Просто скажем, пограничные вычисления — это перенос кода, работающего в облаке, на запуск на или рядом с локальными устройствами. Примеры включают шлюзовые устройства (такие как MachineMetrics Edge) или даже ПК, стоящий рядом с IIoT-оборудованием.

С пограничными вычислениями меньше данных нужно передавать в облако. Это особенно полезно для сбора высокочастотных данных, используемых для запуска алгоритмов машинного обучения. Поскольку эти данные могут быть обработаны на границе, на них можно действовать немедленно. В противном случае, если эти высокочастотные данные передавались бы в облако, обрабатывались и затем на них действовали, был бы эффект задержки. Пограничные вычисления решают эту проблему.

Чтобы понять пограничные вычисления, полезно думать о IoT-решении как о трех компонентах:

• Вещи (Things) — IoT-устройства, генерирующие сенсорные данные.
• Инсайты (Insights) — извлекаемые из этих данных.
• Действия (Actions) — выполняемые на основе этих инсайтов для доставки какой-то ценности.

С пограничными вычислениями вы перемещаете компоненты Инсайты и Действия из облака на устройство. Другими словами, вы привозите часть кода прямо в устройство, которое используется для обработки и извлечения инсайтов из данных и выполнения некоторого действия в ответ на это.

В производстве Вещи могут быть станками или оборудованием на вашем заводском полу. Инсайты могут быть реальными данными станков. А примером Действия может быть пауза работы станка из-за предвиденного поломки инструмента.

 

Что такое платформа пограничных вычислений?

Пограничные платформы, созданные для производства, позволяют собирать данные от промышленных систем, таких как ПЛК, цифровые системы управления, датчики или историки, и запускать приложения локально поверх данных, такие как обработка событий, прогнозная аналитика, модели машинного обучения и многое другое — всё в режиме offline-first.

Платформы пограничных вычислений управляют приложениями, устройствами и соединениями, работающими на границе сети. Здесь пограничные устройства и подключенное оборудование («вещи») могут общаться и выполнять задачи быстрее, чем достигается с чистыми облачными вычислениями.

Работа с множеством пограничных устройств может быть сложной задачей. Централизованная платформа управления границей облегчает эту проблему, соединяя множество разрозненных пограничных устройств для обеспечения правильного управления всей сетью. Например, с платформой пограничных вычислений производители могут отправлять обновления безопасности на все пограничные устройства и устранять неполадки при необходимости.

В каком-то смысле платформы пограничных вычислений просто приближают вычислительные ресурсы облака к источникам данных. Таким образом, пограничные платформы просто делают работу облачной вычислительной платформы, но на границе. Это снижает нагрузку на облачные вычислительные ресурсы и уменьшает задержку данных между пограничным устройством и оборудованием. Если машинное обучение и ИИ — путь будущего, скорость, с которой данные могут храниться и анализироваться, жизненно важна.

 

Что такое пограничное устройство?

Пограничные устройства — это оборудование, управляющее 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 умного производства пограничные устройства предоставляют больше, чем связь между отдельными сетями. Они также включают функциональность для усиления безопасности IoT и конвертации аналитики. Чтобы расширить это, пограничные устройства переводят иначе несовместимые данные (если у вас были разные протоколы) так, что данные из разных источников могут быть агрегированы и поняты в облаке.

MachineMetrics Edge легко подключает станки к облачному сервису MachineMetrics, используя Wi-Fi, сотовую связь или Ethernet.

Физическое расстояние в традиционной сети означает более длительное время передачи для больших пакетов данных. Пограничные устройства позволяют сетям данных, исходящим от станков, быть тем ближе к тому, где данные хранятся и анализируются. Это позволяет намного быстрее возвращать информацию пользователю, что необходимо для вариантов использования вроде прогнозной аналитики в реальном времени. Пограничные устройства и пограничные вычисления размещают больше хранилища и аналитической мощности для потребления и действия на данных прямо на месте станка.

По мере роста сложности IoT-инфраструктур (т.е. больше заводских локаций, устройств и сетей), необходимость агрегации и обработки данных остается важной. Однако проблема в том, что устройства на границе будут страдать от высокой задержки связи с облачной вычислительной платформой.

Именно эту проблему решают пограничные устройства и платформы пограничных вычислений.

 

Взаимоотношения между пограничными и облачными вычислениями

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

Пограничные и облачные — две отдельные технологии, но они часто используются в тандеме из-за их компенсирующих сильных сторон. В сердце отношений, пограничные вычисления обрабатывают и действуют на данных, чувствительных ко времени, тогда как облачные вычисления агрегируют данные в централизованном месте, которые не нужно действовать своевременно.

В полной IIoT-инфраструктуре производители могут использовать и пограничные для сбора данных в реальном времени, прогнозной аналитики и автономного принятия решений, и облако для агрегированного анализа данных, бенчмаркинга и трендового анализа.

Эти преимущества и недостатки продолжаются:

Варианты использования пограничных вычислений в производстве

Давайте теперь обсудим практические причины использования пограничных вычислений в производстве. Есть множество бизнес-выгод для обеспечения того, что все сети правильно подключены к облаку, а также способны доставлять мощные вычислительные ресурсы на границе.

• Повышение времени работы оборудования: Отказ в подсистеме, компоненте или влияние работы компонента в деградированном состоянии, например, может быть предсказан в реальном времени, постоянно уточняемый по мере анализа большего количества данных, и использован для улучшения операционного использования и планирования обслуживания.
• Снижение затрат на обслуживание: Улучшенный анализ необходимого обслуживания также означает, что больше ремонтов может быть завершено за первый визит, давая механикам подробные инструкции о причинах проблемы, необходимых действиях и требуемых запчастях — снижая стоимость ремонта.
• Снижение запасов запасных частей: Пограничные аналитические модели могут быть адаптированы к требованиям отдельного устройства или системы. Это может означать чтение датчиков, напрямую связанных с определенными компонентами и/или подсистемами. Направляемые желаемой бизнес-ценностью организации, пограничная модель может определить, как устройство или система должна быть оптимально сконфигурирована для достижения бизнес-цели, делая запас запасных частей бесконечно более эффективным при минимальных затратах.
• Предотвращение критических сбоев: Путем получения, мониторинга и анализа данных относительно компонентов, пограничная аналитика может выявить причину до того, как её следствие материализуется, позволяя более раннее обнаружение и предотвращение проблем.
• Мониторинг на основе состояния: С конвергенцией IT и OT производители могут получить доступ к данным станков, позволяя им мониторить состояние своего оборудования на заводском полу даже если они используют устаревшее оборудование.
• Новые бизнес-модели: Возможно, самое важное, пограничная аналитика может помочь формировать новые бизнес-модели для захвата новых возможностей. Например, она может улучшить системы управления запчастями just-in-time, используя само-мониторинговый анализ, предсказывающий, какие компоненты выйдут из строя и когда — запуская уведомления о замене частей по всей цепочке ценности. Это позволяет создавать график обслуживания «по необходимости», снижать простои и запасы частей, и приводит к более эффективной модели.

 

Как меняется ландшафт подключенности в производстве

Мы знаем, что цель промышленного IoT — применять передовые аналитики к огромным объемам данных станков, всё с целью снижения непланируемого простоя, снижения общей стоимости обслуживания станков и использования возможностей машинного обучения. Облако было инструментальным в том, чтобы сделать возможным этот вид массового сбора, передачи и анализа данных.

Пограничные вычисления и аналитика просто переносят эту концепцию на новый уровень, уменьшая физическое расстояние между станками и самой обработкой данных. Для компаний, распределенных по расстоянию и собирающих данные из множества источников, эта близость помогает справиться с несколькими реальностями:

•       Проблемы с подключенностью, связанные с расстоянием, а также стоимость массовой постоянной передачи данных в централизованное место.
•       Доступность аналитики на операционном уровне, позволяющая пользователям на множестве уровней принимать решения быстро.
•       Доступность данных в реальном времени для более быстрого (и даже автономного) принятия решений.
•       Обеспечение безопасности данных и целостности сети.

Все эти реальности, когда с ними справляются пограничные вычисления, позволяют производителям снижать затраты и повышать эффективность. Кроме того, производители теперь могут иметь надежную передачу данных с небольшим количеством ошибок и рисков для безопасности. Не говоря уже, это также позволяет кастомизацию и малосерийное производство с той же ценностью, что и крупномасштабное производство. С пограничными вычислениями всё это доступно с гибким и упрощенным обслуживанием всех устройств.

Когда скорость данных — приоритет дня, а подключенность должна быть надежной, пограничные вычисления будут решением, к которому производители должны смотреть. Применение ИИ и алгоритмов машинного обучения для визуализации, диагностики и предсказания проблем в реальном времени — цель, которая может быть более легко достигнута с близостью, скоростью и надежной сетью. Реальные визуализации и прогнозные уведомления позволяют вашей команде предпринимать немедленные корректирующие действия и держать ваши станки в работе без страха упустить критические данные.

Промышленное производство находится на пороге революции благодаря потенциалу пограничных вычислений. В сочетании с новым поколением умных IoT-пограничных устройств, приложения пограничных вычислений полностью превратят производство в ближайшие десятилетия для повышения лучшей эффективности и продуктивности, а также контроля затрат.