Ein Herstellerleitfaden für Edge-Computing

Nachfolgend erfahren Sie, was wir in diesem ausführlichen Artikel über Edge-Computing in der Fertigung behandeln werden. Wählen Sie einen Link aus, wenn Sie zu einem bestimmten Abschnitt springen möchten:

• Eine Einführung in Edge-Computing in der Fertigung
• Was ist Edge-Computing?
• Was ist eine Edge-Computing-Plattform?
• Was ist ein Edge-Gerät?
• Die Beziehung zwischen Edge und Cloud
• Edge-Computing-Anwendungsfälle in der Fertigung
• Wie sich die Konnektivitätslandschaft in der Fertigung verändert

Eine Einführung in Edge-Computing in der Fertigung

Das Edge-Computing-Framework findet schnell seinen Weg in eine Vielzahl von Branchen, da Geräte des Internets der Dinge (IoT) immer häufiger eingesetzt werden. Einer der vielversprechendsten Anwendungsfälle für Edge-Computing ist die Fertigung, wo diese neuen Technologien potenziell zu massiven Produktivitätssteigerungen führen können.

Während sich das IoT bereits als entscheidender Faktor in der Fabrikhalle erweist, versuchen Unternehmen nun, die Reaktionsfähigkeit ihrer Fertigungssysteme weiter zu verbessern. Um dies zu erreichen, setzen diese Unternehmen auf intelligente Fertigung mit Edge-Computing als wichtigstem Faktor.

Intelligente Fertigung stellt sich eine Zukunft vor, in der Fabrikanlagen autonome Entscheidungen treffen können, basierend auf dem, was in der Fabrikhalle passiert. Unternehmen können alle Schritte des Herstellungsprozesses, einschließlich Design, Fertigung, Lieferkette und Betrieb, einfacher integrieren. Dies ermöglicht eine größere Flexibilität und Reaktionsfähigkeit bei der Teilnahme an Wettbewerbsmärkten. Um diese Vision zu verwirklichen, ist eine Kombination verwandter Technologien wie IoT, KI/maschinelles Lernen und Edge Computing erforderlich.

Der Hauptvorteil der Erfassung von Analysen am Rand des Netzwerks ist die Fähigkeit, Echtzeitdaten zu analysieren und auszuführen, ohne die Bandbreitenkosten, die mit dem Offsite-Versand dieser Daten (in die Cloud oder das Rechenzentrum) zur Analyse verbunden sind. Die Fertigung ist zeitkritisch, um die Produktion von Komponenten außerhalb der Spezifikation, Ausfallzeiten der Ausrüstung, Verletzungen oder Todesfälle von Arbeitern zu vermeiden. Für komplexere, längerfristige Aufgaben können Daten in die Cloud gesendet und mit anderen strukturierten und unstrukturierten Datenformen kombiniert werden. Infolgedessen schließt sich die Verwendung dieser beiden separaten Computing-Frameworks nicht gegenseitig aus, sondern ist eher eine symbiotische Beziehung, die die Vorteile nutzt, die jeder bietet. Im Folgenden tauchen wir tiefer in Anwendungsfälle und die Beziehung zwischen Cloud und Edge in der Fertigung ein.

Zuerst definieren wir die Komponenten eines Edge-Computing-Frameworks.

Was ist Edge-Computing?

Edge Computing ist ein verteiltes Computing-Framework, das die Berechnung und Datenspeicherung näher an die Datenquelle bringt, wodurch die Reaktionszeit verbessert und Bandbreite gespart wird.

Einfach ausgedrückt geht es beim Edge-Computing darum, Code, der in der Cloud ausgeführt wird, in der Nähe oder auf lokalen Geräten auszuführen. Beispiele hierfür sind Gateway-Geräte (wie MachineMetrics Edge) oder sogar ein PC, der neben IIoT-fähigen Geräten steht.

Beim Edge Computing müssen weniger Daten in die Cloud übertragen werden. Dies ist besonders nützlich, um hochfrequente Daten zu sammeln, die zum Ausführen von Algorithmen für maschinelles Lernen verwendet werden. Da diese Daten am Rand verarbeitet werden können, kann sofort darauf reagiert werden. Würden diese hochfrequenten Daten dagegen in die Cloud übertragen, verarbeitet und dann verarbeitet, käme es zu einem Latenzeffekt. Edge-Computing löst dieses Problem.

Um Edge Computing zu verstehen, ist es hilfreich, sich eine IoT-Lösung so vorzustellen, dass sie im Allgemeinen aus drei Komponenten besteht:

• Dinge wie IoT-Geräte, die Sensordaten generieren.
• Einblicke Sie extrahieren aus diesen Daten.
• Aktionen Sie arbeiten auf der Grundlage dieser Erkenntnisse, um eine Art Wert zu liefern.

Mit Edge Computing verschieben Sie die Erkenntnisse und Aktionen Komponenten aus der Cloud auf das Gerät. Mit anderen Worten bringen Sie einen Teil des Codes direkt in das Gerät, das verwendet wird, um Erkenntnisse aus den Daten zu verarbeiten und zu extrahieren und als Reaktion darauf eine Aktion auszuführen.

In der Fertigung die Dinge können Maschinen oder Geräte in Ihrer Werkstatt sein. Einblicke könnten also Echtzeit-Maschinendaten sein. Und ein Beispiel für eine Aktion kann eine Maschinenunterbrechung aufgrund eines erwarteten Werkzeugbruchs sein.

Was ist eine Edge-Computing-Plattform?

Eine Edge-Plattform, die für die Fertigung entwickelt wurde, ermöglicht es Ihnen, Daten von Industriesystemen wie SPS, digitalen Steuerungssystemen, Sensoren oder Historian zu sammeln und Anwendungen lokal auf den Daten auszuführen, wie z. B. Ereignisverarbeitung, prädiktive Analytik, Modelle für maschinelles Lernen und mehr – alles in einer Offline-Erstbereitstellung.

Edge-Computing-Plattformen verwalten die Anwendungen, Geräte und Verbindungen, die am Rand eines Netzwerks betrieben werden. Hier können Edge-Geräte und angeschlossene Geräte („Dinge“) schneller kommunizieren und Aufgaben ausführen als mit reinem Cloud-Computing.

Der Umgang mit vielen Edge-Geräten kann eine herausfordernde Aufgabe sein. Eine zentralisierte Edge-Management-Plattform mindert dieses Problem, indem sie die vielen unterschiedlichen Edge-Geräte verbindet, um eine ordnungsgemäße Verwaltung des gesamten Netzwerks sicherzustellen. Mit einer Edge-Computing-Plattform können Hersteller beispielsweise Sicherheitsupdates auf alle Edge-Geräte übertragen und bei Bedarf Fehler beheben.

In gewisser Weise bringen Edge-Computing-Plattformen die Rechenressourcen einer Cloud einfach näher an die Datenquellen. Somit erledigen Edge-Plattformen einfach die Arbeit einer Cloud-Computing-Plattform, aber am Rand. Dies reduziert die Belastung der Cloud-Computing-Ressourcen und reduziert die Datenlatenz zwischen dem Edge-Gerät und der Ausrüstung. Wenn maschinelles Lernen und KI der Weg der Zukunft sind, ist die Geschwindigkeit, mit der Daten gespeichert und analysiert werden können, entscheidend.

Was ist ein Edge-Gerät?

Edge-Geräte sind Geräte, die den Datenfluss zwischen einem lokalen Netzwerk und der Cloud verwalten. Sie fungieren als Gateway zwischen angeschlossenen Geräten in einem lokalen Netzwerk und der Softwareplattform, die zur Analyse der Daten verwendet wird.

Im Kontext der intelligenten Fertigung bieten Edge-Geräte mehr als eine Verbindung zwischen separaten Netzwerken. Sie enthalten auch Funktionen zur Verbesserung der IoT-Sicherheit und Analysekonvertierung. Um dies zu erweitern, übersetzen Edge-Geräte ansonsten inkompatible Daten (wenn Sie beispielsweise unterschiedliche Protokolle hatten), sodass Daten aus verschiedenen Quellen in der Cloud aggregiert und verstanden werden können.

Der MachineMetrics Edge verbindet Maschinen einfach mit dem MachineMetrics-Cloud-Service über WLAN, Mobilfunk oder Ethernet Verbindung.

Die physische Entfernung bei einem herkömmlichen Netzwerk bedeutet längere Übertragungszeiten für große Datenpakete. Edge Devices ermöglichen es, dass die von den Maschinen kommenden Datennetze näher am Ort der Datenspeicherung und -analyse sind. Dies ermöglicht eine viel schnellere Rückgabe von Informationen an den Benutzer, was für Anwendungsfälle wie Predictive Analytics in Echtzeit unerlässlich ist. Edge-Geräte und Edge-Computing stellen mehr Speicherplatz und Analyseleistung bereit, um die Daten direkt am Standort der Maschine zu nutzen und zu bearbeiten.

Da IoT-Infrastrukturen immer komplexer werden (d. h. mehr Anlagenstandorte, Geräte und Netzwerke), bleibt der Bedarf an Datenaggregation und -verarbeitung wichtig. Die Herausforderung besteht jedoch darin, dass Geräte am Edge unter der Kommunikation mit der Cloud-Computing-Plattform mit hoher Latenz leiden.

An dieser Lösung arbeiten Edge-Geräte und Edge-Computing-Plattformen.

Die Beziehung zwischen Edge und Cloud

Wir haben einen vollständigen Artikel über den Unterschied zwischen Edge-Computing und Cloud-Computing in der Fertigung, also halten wir uns kurz.

Edge und Cloud sind zwei unterschiedliche Technologien, die jedoch aufgrund ihrer gegensätzlichen Stärken häufig zusammen verwendet werden. Im Mittelpunkt der Beziehung stehen Edge-Computing-Prozesse und -Aktionen für zeitkritische Daten, während Cloud-Computing Daten an einem zentralen Ort aggregiert, auf die nicht zeitnah reagiert werden muss.

In einer vollständigen IIoT-Infrastruktur können Hersteller sowohl die Edge für die Echtzeit-Datenerfassung, prädiktive Analysen und autonome Entscheidungsfindung als auch die Cloud für die Analyse aggregierter Daten, Benchmarking und Trendanalysen nutzen.

Diese Vor- und Nachteile setzen sich fort:

Edge-Computing-Anwendungsfälle in der Fertigung

Lassen Sie uns nun praktische Gründe für den Einsatz von Edge Computing in der Fertigung diskutieren. Sicherzustellen, dass alle Netzwerke ordnungsgemäß mit der Cloud verbunden sind und gleichzeitig leistungsstarke Rechenressourcen am Rand bereitstellen können, bietet eine Vielzahl von geschäftlichen Vorteilen.

• Verbesserte Geräteverfügbarkeit :Ein Ausfall in einem Subsystem, einer Komponente oder die Auswirkungen des Betriebs einer Komponente in einem herabgesetzten Zustand können beispielsweise in Echtzeit vorhergesagt, durch die Analyse weiterer Daten kontinuierlich verfeinert und zur Verbesserung der Betriebsnutzung und Wartungsplanung verwendet werden.
• Reduzierte Wartungskosten :Eine verbesserte Analyse der erforderlichen Wartung bedeutet auch, dass mehr Reparaturen bei den ersten Besuchen durchgeführt werden können, indem Mechanikern detaillierte Anweisungen zu den Ursachen eines Problems, den erforderlichen Maßnahmen und den erforderlichen Teilen gegeben werden, wodurch die Reparaturkosten gesenkt werden.
• Reduzierter Ersatzteilbestand :Edge-Analytics-Modelle können auf die Anforderungen eines einzelnen Geräts oder Systems zugeschnitten werden. Dies kann das Lesen von Sensoren bedeuten, die bestimmten Komponenten und/oder Teilsystemen direkt zugeordnet sind. Geleitet vom gewünschten Geschäftswert eines Unternehmens kann das Edge-Modell dann definieren, wie das Gerät oder System optimal konfiguriert werden sollte, um ein Geschäftsziel zu erreichen, wodurch ein Ersatzteilbestand bei minimalen Kosten erheblich effizienter wird.
• Vorbeugung kritischer Fehler :Durch das Erfassen, Überwachen und Analysieren von Daten zu Komponenten kann Edge Analytics eine Ursache identifizieren, bevor ihre Wirkung eintritt, wodurch eine frühere Problemerkennung und -vermeidung ermöglicht wird.
• Zustandsbasierte Überwachung :Mit der Konvergenz von IT und OT können Hersteller auf Maschinendaten zugreifen und so den Zustand ihrer Ausrüstung in der Fertigung überwachen, selbst wenn sie ältere Ausrüstung verwenden.
• Neue Geschäftsmodelle :Am wichtigsten ist vielleicht, dass Edge-Analysen dabei helfen können, neue Geschäftsmodelle zu entwickeln, um neue Chancen zu nutzen. Beispielsweise kann es Just-in-Time-Teileverwaltungssysteme verbessern, indem es eine Selbstüberwachungsanalyse verwendet, die vorhersagt, welche Komponenten wann ausfallen werden, und Benachrichtigungen über den Austausch von Teilen in der gesamten Wertschöpfungskette auslöst. Dies ermöglicht die Erstellung eines Wartungsplans „nach Bedarf“, reduziert Ausfallzeiten und Ersatzteilbestände und führt zu einem effizienteren Modell.

Wie sich die Konnektivitätslandschaft in der Fertigung verändert

Wir wissen, dass der Zweck des industriellen IoT darin besteht, fortschrittliche Analysen auf riesige Mengen von Maschinendaten anzuwenden, alles mit dem Ziel, ungeplante Ausfallzeiten zu reduzieren, die Gesamtkosten der Maschinenwartung zu senken und maschinelle Lernfähigkeiten zu nutzen. Die Cloud hat maßgeblich dazu beigetragen, diese Art von massiver Datenerfassung, -übertragung und -analyse zu ermöglichen.

Edge Computing und Analytics bringen dieses Konzept einfach auf eine neue Ebene, indem die physische Entfernung zwischen den Maschinen und der Datenverarbeitung selbst verringert wird. Für Unternehmen, die weit verstreut sind und Daten aus vielen Quellen beziehen, hilft diese Nähe, mit mehreren Realitäten umzugehen:

• Konnektivitätsprobleme im Zusammenhang mit der Entfernung sowie die Kosten einer massiven fortlaufenden Datenübertragung an einen zentralen Ort.
• Verfügbarkeit der Analysen auf Betriebsebene, sodass Benutzer auf mehreren Ebenen schnell Entscheidungen treffen können.
• Verfügbarkeit der Daten in Echtzeit, für schnellere (und sogar autonome) Entscheidungsfindung
• Gewährleistung der Sicherheit der Daten und der Integrität des Netzwerks.

All diese Realitäten, wenn sie mit Edge Computing behandelt werden, ermöglichen es Herstellern, Kosten zu senken und die Effizienz zu steigern. Darüber hinaus können Hersteller jetzt eine zuverlässige Datenübertragung mit wenigen Fehlern und Sicherheitsrisiken erhalten. Ganz zu schweigen davon, dass dies auch kundenspezifische Anpassungen und Kleinserienfertigung mit dem gleichen Wert ermöglicht, den eine Großserienproduktion erfahren würde. Mit Edge Computing steht all dies bei flexibler und vereinfachter Wartung aller Geräte zur Verfügung.

Wenn Datengeschwindigkeit an der Tagesordnung ist und die Konnektivität solide sein muss, ist Edge die Lösung, auf die Hersteller achten sollten. Die Anwendung von KI- und maschinellen Lernalgorithmen zur Visualisierung, Diagnose und Vorhersage von Problemen in Echtzeit ist ein Ziel, das mit Nähe, Geschwindigkeit und einem soliden Netzwerk leichter erreicht werden kann. Echtzeit-Visualisierungen und prädiktive Benachrichtigungen ermöglichen es Ihrem Team, sofort Korrekturmaßnahmen zu ergreifen und Ihre Maschinen am Laufen zu halten, ohne befürchten zu müssen, wichtige Daten zu verpassen.

Die industrielle Fertigung steht dank des Potenzials von Edge Computing vor einer Revolution. In Kombination mit einer neuen Generation intelligenter IoT-Edge-Geräte werden Edge-Computing-Anwendungen die Fertigung in den kommenden Jahrzehnten vollständig verändern, um die Effizienz und Produktivität zu steigern und gleichzeitig die Kosten zu kontrollieren.