Edge Computing in de Productie: Complete Gids voor Fabrikanten

Hieronder is wat we in dit diepgaande artikel over edge computing in de productie zullen behandelen. Selecteer een link als u naar een bepaalde sectie wilt springen:

• Inleiding tot Edge Computing in de Productie
• Wat is Edge Computing?
• Wat is een Edge Computing Platform?
• Wat is een Edge Device?
• De relatie tussen Edge en Cloud
• Edge Computing Use Cases in de Productie
• Hoe het connectiviteitslandschap in de productie verandert

Inleiding tot Edge Computing in de Productie

Het edge computing framework vindt snel zijn weg naar een verscheidenheid aan industrieën naarmate Internet of Things (IoT) apparaten alledaagser worden. Een van de meest veelbelovende edge computing use cases is in de productie, waar deze nieuwe technologieën potentiëel tot massive productiviteitswinsten kunnen leiden.

Terwijl IoT al bewezen heeft een kritische enabler te zijn op de fabrieksvloer, kijken organisaties nu naar het verbeteren van de responsiviteit van hun productiesystemen nog verder. Om dit te bereiken, nemen deze organisaties slimme productie aan met edge computing als belangrijkste enabler.

Slimme productie envisageert een toekomst waar fabrieksapparatuur autonoom beslissingen kan nemen op basis van wat er op de fabrieksvloer gebeurt. Bedrijven kunnen alle stappen van het productieproces eenvoudiger integreren, inclusief ontwerp, productie, supply chain en operaties. Dit vergemakkelijkt grotere flexibiliteit en reactiviteit bij deelname aan competitieve markten. Het realiseren van deze visie vereist een combinatie van gerelateerde technologieën zoals IoT, AI/machine learning en Edge Computing.

Het belangrijkste voordeel van het verzamelen van analytics aan de rand van het netwerk is de mogelijkheid om real-time data te analyseren en erop te handelen zonder de bandbreedtekosten die komen met het versturen van die data offsite (naar de cloud of het datacenter) voor analyse. Productie is tijdsgevoelig in termen van het voorkomen van de productie van out-of-spec componenten, apparatuurdowntime, werknemersletsel of dood. Voor complexere, langere-termijntaken kan data naar de cloud gestuurd worden en gecombineerd worden met andere gestructureerde en ongestructureerde vormen van data. Als resultaat is het gebruik van deze twee afzonderlijke computing frameworks niet onderling uitsluitend, maar eerder een symbiotische relatie die de voordelen van elk benut. Hieronder duiken we dieper in use cases en de relatie tussen cloud en edge in de productie.

Eerst zullen we de componenten van een edge computing framework definiëren.

Wat is Edge Computing?

Edge computing is een gedistribueerd computing framework dat berekening en dataopslag dichter bij de bron van de data brengt, wat de responstijd verbetert en bandbreedte bespaart.

Eenvoudig gezegd gaat edge computing erom code die in de cloud draait te nemen en deze uit te voeren op of in de buurt van lokale apparaten. Voorbeelden zijn gateway-apparaten (zoals MachineMetrics Edge) of zelfs een PC die naast IIoT-ingeschakelde apparatuur staat.

Met edge computing hoeft minder data naar de cloud getransporteerd te worden. Dit is bijzonder nuttig voor het verzamelen van hoge-frequentie data die gebruikt wordt om machine learning algoritmes te draaien. Aangezien deze data op de edge verwerkt kan worden, kan er direct op worden gehandeld. In tegenstelling, als deze hoge-frequentie data naar de cloud zou worden getransporteerd, verwerkt en daarna erop gehandeld, zou er een latentie-effect zijn. Edge computing lost dit probleem op.

Om edge computing te begrijpen helpt het om te denken aan een IoT-oplossing als doorgaans drie componenten hebbend:

• Things zoals IoT-apparaten, die sensordata genereren.
• Insights die u uit deze data extraheert.
• Actions die u uitvoert op basis van deze insights om een of andere waarde te leveren.

Met edge computing verplaatst u de insights en actions componenten van de cloud naar het apparaat. Met andere woorden, u brengt een deel van de code direct in het apparaat, wat gebruikt wordt om data te verwerken en insights te extraheren en een actie uit te voeren in reactie daarop.

In de productie kunnen de things machines of apparatuur op uw shopfloor zijn. Insights zouden daarom real-time machinedata kunnen zijn. En een voorbeeld van een action kan een machine zijn die de operatie pauzeert vanwege verwachte gereedschapsbreuk.

Wat is een Edge Computing Platform?

Een edge platform gebouwd voor de productie stelt u in staat data te verzamelen van industriële systemen zoals PLC's, digitale controle systemen, sensoren, of historici en applicaties lokaal te draaien op de data, zoals event processing, predictieve analytics, machine learning modellen, en meer – allemaal in een offline-first implementatie.

Edge computing platforms beheren de applicaties, apparaten en verbindingen die op de rand van een netwerk opereren. Hier kunnen edge devices en verbonden apparatuur ('things') communiceren en taken uitvoeren met een snelheid sneller dan die bereikt met zuivere cloud computing.

Omgaan met veel edge devices kan een uitdagende taak zijn. Een gecentraliseerd edge management platform verlicht dit probleem door de veel uiteenlopende edge devices te verbinden om een goed beheer van het hele netwerk te garanderen. Bijvoorbeeld, met een edge computing platform kunnen fabrikanten beveiligingsupdates pushen over alle edge devices en troubleshooten indien nodig.

In een zin brengen edge computing platforms simpelweg de computationele bronnen van een cloud dichter bij de bronnen van data. Dus edge platforms doen simpelweg het werk van een cloud computing platform, maar aan de edge. Dit vermindert de belasting op cloud computing bronnen en vermindert data-latentie tussen het edge device en de apparatuur. Als machine learning en AI de weg van de toekomst zijn, is de snelheid waarmee data kan worden opgeslagen en geanalyseerd vitaal.

Wat is een Edge Device?

Edge devices zijn apparatuur die de stroom van data beheren tussen een lokaal netwerk en de cloud. Ze fungeren als een gateway tussen verbonden apparatuur op een lokaal netwerk en het softwareplatform dat gebruikt wordt om de data te analyseren.

In de context van slimme productie bieden edge devices meer dan een link tussen afzonderlijke netwerken. Ze omvatten ook functionaliteit voor het verbeteren van IoT-beveiliging en analytics-conversie. Om hierop in te gaan, vertalen edge devices anderszins incompatibele data (als u bijvoorbeeld verschillende protocollen had) zodat data van verschillende bronnen geaggregeerd en begrepen kan worden in de cloud.

De MachineMetrics Edge verbindt machines eenvoudig met de MachineMetrics cloud service via WiFi, cellulaire connectiviteit of een ethernetverbinding.

Fysieke afstand met een traditioneel netwerk betekent langere transmitttijden voor grote datapakketten. Edge devices stellen de datanetwerken die van de machines komen zo veel dichter bij waar de data opgeslagen en geanalyseerd wordt. Dit stelt een veel snellere terugkeer van informatie naar de gebruiker mogelijk, wat essentieel is wanneer het gaat om use cases zoals real-time predictieve analytics. Edge devices en edge computing plaatsen meer opslag en analytische kracht om data te consumeren en erop te handelen, direct op de machinelocatie.

Naarmate IoT-infrastructuren in complexiteit groeien (meerdere plantlocaties, apparaten en netwerken), blijft de noodzaak voor data-aggregering en -verwerking belangrijk. De uitdaging is echter dat apparaten op de edge zullen lijden onder hoge-latentie communicatie met het cloud computing platform.

Dit is wat edge devices en edge computing platforms oplossen.

De relatie tussen Edge en Cloud

We hebben een compleet artikel over het verschil tussen edge computing en cloud computing in de productie, dus we houden dit kort.

De edge en cloud zijn twee distincte technologieën, maar ze worden vaak in tandem gebruikt vanwege hun compenserende sterktes. In het hart van de relatie verwerkt edge computing data die tijdsgevoelig is en handelt erop, terwijl cloud computing data aggregeert in een gecentraliseerde locatie die niet tijdig hoeft te worden gehandeld.

In een complete IIoT-infrastructuur kunnen fabrikanten zowel de edge gebruiken voor real-time dataverzameling, predictieve analytics en autonoom besluitvorming, als de cloud voor geaggregeerde data-analyse, benchmarking en trendanalyse.

Deze voordelen en nadelen vervolgen:

Edge Computing Use Cases in de Productie

Laten we nu praktische redenen bespreken voor het gebruik van edge computing in de productie. Er zijn een verscheidenheid aan zakelijke voordelen om ervoor te zorgen dat alle netwerken goed verbonden zijn met de cloud terwijl ook krachtige computing bronnen aan de edge geleverd kunnen worden.

• Verbeterde apparatuurbeschikbaarheid: Een storing in een subsysteem, component of de impact van het draaien van een component in een gedegradeerde toestand kan in real-time voorspeld, continu verfijnd worden naarmate meer data geanalyseerd wordt, en gebruikt worden om operationeel gebruik en onderhoudsplanning te verbeteren.
• Verminderde onderhoudskosten: Verbeterde analyse van benodigd onderhoud betekent ook dat meer reparaties bij eerste bezoek voltooid kunnen worden door monteurs gedetailleerde instructies te geven over de oorzaken van een probleem, welke actie nodig is en welke onderdelen vereist zijn – reparatiekosten verminderend.
• Lagere reserveonderdelen voorraad: Edge analytics modellen kunnen afgestemd worden op de vereisten van een individueel apparaat of systeem. Dit kan betekenen sensoren direct geassocieerd met bepaalde componenten en/of subsysteem lezen. Geguid door de gewenste zakelijke waarde van een organisatie, kan het edge model definiëren hoe het apparaat of systeem optimaal geconfigureerd moet worden om een zakelijk doel te bereiken, wat een reserveonderdelen voorraad veel efficiënter maakt tegen minimale kosten.
• Kritieke storingen voorkomen: Door data over componenten te verkrijgen, monitoren en analyseren, kan edge analytics een oorzaak identificeren voordat het effect zich manifesteert, wat vroegtijdige probleemdetectie en preventie mogelijk maakt.
• Conditie-gebaseerde monitoring: Met de convergentie van IT en OT kunnen fabrikanten toegang krijgen tot machinedata, wat hen in staat stelt de conditie van hun apparatuur op de shopfloor te monitoren, zelfs als ze legacy-apparatuur gebruiken.
• Nieuwe bedrijfsmodellen: Misschien wel het belangrijkste, edge analytics kan helpen nieuwe bedrijfsmodellen te vormenen om nieuwe kansen te grijpen. Bijvoorbeeld, het kan just-in-time onderdelen management systemen verbeteren met zelf-monitorende analyse die voorspelt welke componenten zullen falen en wanneer – onderdeelvervangingsmeldingen door de gehele waardesketen triggerend. Dit maakt het mogelijk om een 'op aanvraag' onderhoudsschema te creëren, downtime en onderdelen voorraad te verminderen, en resulteert in een efficiënter model.

Hoe het connectiviteitslandschap in de productie verandert

We weten dat het punt van de industriële IoT is om geavanceerde analytics toe te passen op enorme hoeveelheden machinedata, allen met het doel onverwachte downtime te verminderen, de totale kosten van machine-onderhoud te verlagen en machine learning mogelijkheden te benutten. De cloud is instrumentaal geweest in het mogelijk maken van dit soort massive data-acquisitie, -transfer en -analyse.

Edge computing en analytics neemt dit concept simpelweg naar een nieuw niveau door de fysieke afstand tussen de machines en de data-verwerking zelf te verminderen. Voor bedrijven die over afstand verspreid zijn en data verkrijgen van veel bronnen, helpt deze nabijheid om met diverse realiteiten om te gaan:

• Connectiviteitsproblemen gerelateerd aan afstand alsook de kosten van massive lopende data-overdracht naar een gecentraliseerde locatie.
• Beschikbaarheid van de analytics op operationeel niveau, wat gebruikers op meerdere niveaus toestaat snel beslissingen te nemen.
• Beschikbaarheid van de data in real-time, voor snellere (en zelfs autonoom) besluitvorming.
• Zekerheid van de beveiliging van de data en de integriteit van het netwerk.

Al deze realiteiten, wanneer aangepakt door edge computing, stellen fabrikanten in staat om kosten te verlagen en efficiëntie te verhogen. Bovendien kunnen fabrikanten nu een betrouwbare data-overdracht hebben met weinig fouten en risico's voor beveiliging. Niet te zeggen, dit maakt ook customizing en small-run productie mogelijk met dezelfde waarde die een grootschalige productie zou ervaren. Met edge computing is al dit beschikbaar met flexibele en vereenvoudigde onderhoud van alle apparaten.

Wanneer datasnelheid de orde van de dag is en connectiviteit solide moet zijn, zal de edge de oplossing zijn waar fabrikanten naar moeten kijken. Het toepassen van AI en machine learning algoritmes om problemen in real-time te visualiseren, diagnosticeren en voorspellen is een doel dat gemakkelijker bereikt kan worden met nabijheid, snelheid en een solide netwerk. Real-time visualisaties en predictieve notificaties stellen uw team in staat om onmiddellijk correctieve actie te ondernemen en uw machines draaiende te houden zonder vrees cruciale data te missen.

Industriële productie staat aan de rand van een revolutie dankzij het potentieel van edge computing. Gecombineerd met een nieuwe generatie slimme IoT edge devices, zullen edge computing applicaties de productie in de komende decennia volledig transformeren om betere efficiëntie en productiviteit te drijven terwijl ook kosten gecontroleerd worden.