Интернет вещей, облако, искусственный интеллект, машинное обучение и периферия — термины, хорошо знакомые любителям технологий. Существует неправильное представление или подход, согласно которому Edge и Cloud являются независимыми друг от друга. Хотя они могут действовать по-разному; использование одного не препятствует использованию другого. На самом деле, они мощно дополняют друг друга.
Пограничные вычисления в производстве
С ростом и проникновением Интернета вещей в различные секторы инфраструктура граничных вычислений также находит свое применение в нескольких секторах. Сегодня наиболее многообещающие варианты использования граничных вычислений присутствуют в обрабатывающей промышленности, поскольку она приветствует новые технологии, и эти передовые технологии эффективно повышают производительность и продуктивность.
IoT уже делает все возможное для оптимального результата в обрабатывающей промышленности; производители ищут какую-то платформу для повышения скорости отклика своих производственных систем. Для этого компании внедряют умное производство с периферийными вычислениями в качестве ведущего инструмента.
Умное производство указывает на футуристическую фабрику, где оборудование может принимать автономные решения на основе операций, происходящих в фабричном цеху.
Новая технология позволяет предприятиям интегрировать все этапы производственного процесса, такие как проектирование, производство, цепочка поставок и операции. Это обеспечивает лучшую гибкость и оперативность на конкурентных рынках. Но, без сомнения, все это видение требует сочетания связанных технологий, таких как IoT, AI, ML и граничные вычисления.
Одной из важнейших причин сбора аналитики на границе сети является то, что это позволяет нам анализировать и обрабатывать данные в режиме реального времени без затрат на полосу пропускания, связанных с отправкой данных для анализа за пределы офиса.
Мы все прекрасно это понимаем. что производство зависит от времени с точки зрения предотвращения производства компонентов, не соответствующих техническим требованиям, простоя оборудования, травм или смерти рабочих.
Фактически, для более сложных и долгосрочных задач данные можно передавать в облако и объединять с другими структурированными и неструктурированными формами данных. Таким образом, это подтверждает, что применение этих двух разных вычислительных платформ не является взаимоисключающим, а представляет собой симбиоз, использующий преимущества, предоставляемые каждой из них.
Зачем компаниям нужен Edge для производства?
В производственном секторе целью периферийных вычислений является обработка и анализ данных рядом с машиной, которые требуют оперативных действий в сжатые сроки. Это требует быстрого решения сразу без каких-либо задержек. При традиционной настройке платформы IoT данные, созданные устройством, собираются через устройство IoT и отправляются обратно на центральный сетевой сервер (облако).
В облаке все собранные данные обрабатываются централизованно, обычно в дата-центре. Это означает, что все устройства, которым необходим доступ к этим данным или используют связанные с ними приложения, должны быть подключены к облаку. Таким образом, все централизовано, а облако легко защитить и контролировать, даже если оно обеспечивает надежный удаленный доступ к данным. Хорошо, обработка данных завершается в облаке; к нему можно получить доступ через платформы IoT несколькими способами, т. е. через визуализацию в реальном времени, диагностическую аналитику, отчетность для поддержки принятия более эффективных решений на основе реальных данных.
Теперь возникает вопрос, который заключается в том, что если все достаточно благоприятно, то зачем нам нужны граничные вычисления. Основная проблема в том, что весь процесс требует времени, а ситуация усложняется, когда возникает необходимость принятия оперативного решения на основе данных.
В традиционном процессе данные перемещаются от пограничного устройства обратно в облако, и небольшая задержка может иметь решающее значение для принятия конкретного решения, например, остановки станка, чтобы он не сломался. Фактически, эти подключенные к Интернету вещей машины производят огромные объемы данных, и все данные, перемещающиеся туда и обратно между периферией и облаком, нарушают пропускную способность канала связи.
Единственный способ добиться принятия решений в режиме реального времени — это внедрить граничные вычисления. Edge позволяет компьютерам собирать и обрабатывать данные в режиме реального времени на границе компьютера, что позволяет им реагировать быстро и эффективно.
Пограничные варианты использования в производстве:
Давайте теперь проверим практические причины добавления периферийных вычислений в качестве необходимой вещи в производство. Правильное подключение всех сетей к облаку дает множество бизнес-преимуществ, а также своевременная доставка мощных вычислительных ресурсов на периферии.
1) Обновлено время безотказной работы оборудования:
Внедрение граничных вычислений в производство прогнозирует сбой в подсистеме, компоненте или влияние работы в ухудшенном состоянии в режиме реального времени. Он регулярно обновляется по мере того, как анализируется больше данных и используется для улучшения эксплуатационных целей и графика технического обслуживания.
2) Снижение затрат на содержание:
Улучшенный анализ данных о необходимом техническом обслуживании означает, что техническое обслуживание можно выполнить при первом посещении, предоставив механикам подробные указания о причине проблемы, необходимых действиях, какой части требуется дополнительное внимание, что в конечном итоге определяет стоимость ремонта.
3) Меньший запас запасных частей:
Модели пограничной аналитики удобны для бизнеса; они могут быть адаптированы в соответствии с потребностями отдельного устройства или системы. Это подразумевает считывание датчиков, непосредственно связанных с конкретными компонентами/подсистемами.
Таким образом, граничная модель описывает, как система должна быть оптимально настроена для достижения бизнес-целей, делая запасы запасных частей более эффективными при минимальных затратах.
4) Предотвращение критических сбоев:
Собирая, анализируя и отслеживая данные, связанные с компонентами, периферийная аналитика обнаруживает причину будущих сбоев до того, как они повлияют на актуализацию. Это позволяет своевременно обнаруживать проблемы и предотвращать их.
5) Мониторинг на основе состояния:
Конвергенция I.T. и О.Т. позволил производителям получить доступ к машинным данным, чтобы узнать состояние своего оборудования в заводских условиях; либо это новое, либо устаревшее оборудование.
6) Новые бизнес-модели:
Это важный момент, поскольку периферийная аналитика помогает формировать новые бизнес-модели для использования возможностей. Давайте проверим пример; Edge Analytics может улучшить своевременные системы управления деталями, используя анализ самоконтроля для прогнозирования отказа компонентов машины и предоставления уведомлений о замене деталей по всей цепочке создания стоимости. Это подтверждает необходимый график технического обслуживания для сокращения времени простоя и количества запасных частей и обеспечивает эффективную модель.
В станке с ЧПУ остановки в цикле инструмента являются граничным решением, тогда как окончание цикла может быть облачным решением. Причина этого заключается в том, что для остановок в цикле требуется очень малое, почти нулевое время задержки, тогда как остановки в конце цикла имеют более мягкое время задержки. Таким образом, в первом сценарии машина должна была бы использовать периферийную аналитику во время цикла, чтобы адаптироваться и автоматически выключать машину, чтобы избежать возможных дорогостоящих простоев и обслуживания.
Пограничные и облачные вычисления
Как мы уже знаем, IIoT направлен на применение новейшей аналитики к большим объемам машинных данных для сокращения незапланированных простоев, снижения общей стоимости обслуживания машин и потенциального использования возможностей машинного обучения. Облако отвечает за сбор, передачу и анализ массивных данных.
Таким образом, если скорость передачи данных высока, а подключение должно быть стабильным, лучшим вариантом будет использование периферийного решения. Поэтому ясно, что граничные вычисления не заменят облачные вычисления, но будут дополнять друг друга для достижения оптимального результата. Таким образом, интеграция граничных вычислений с возможностями облачных вычислений может повысить эффективность и максимизировать производительность бизнеса.
Первоначально опубликовано на https://promptsoftech.com
