在 20 世紀 80 年代和 90 年代,由於精益製造,即時製造等受豐田和六西格瑪影響的技術提高了生產率,製造企業的效率卻在不斷下降。
近年來,年度生產力平均增長率為0.5%。由於很少有地方可以繼續改進運營,製造業組織不得不尋找新的方法來改善生產,績效和利潤。
進入數字產業轉型時代
利用信息技術創新,製造企業開始提高績效和生產力水平。雖然雲計算是產業信息化轉型的主要推動因素,但邊緣計算正在迅速成為工業物聯網(IIoT)目標的關鍵部分,以加速數位化轉型。邊緣計算並不是一個新概念,但幾種趨勢已經結合在一起,創造了一個機會,幫助製造企業組織將大量基於機器的數據轉化為更靠近數據源的可操作智能端。
什麼是邊緣計算?
邊緣計算是靠近數據源的計算基礎架構。
在IIoT的背景下,「邊緣」是指靠近數據源存在的計算基礎設施,例如,工業機器(風力渦輪機,磁共振(MR)掃描儀,海底防噴器),工業控制器(SCADA)系統和時間序列資料庫聚合來自各種設備和傳感器的數據。這些邊緣計算設備通常遠離企業雲端的集中計算。維基百科是這麼定義:邊緣計算是將計算應用程式,數據和服務的前沿從集中式節點推向網絡的邏輯極端。
至今,邊緣計算的作用主要用於向雲系統提取、存儲、過濾和發送數據。然而我們現在正處在一個時間點,邊緣計算正在打包更多的計算、存儲和分析能力,以消耗和處理設備位置的數據。包括亞馬遜,微軟和谷歌在內的一些最大的科技公司正在探索邊緣計算,這可能會引發下一場大型計算競賽。
邊緣計算對製造業意味著什麼?
製造業網際網路化在未來幾年內將發生巨變。
行業是權威人士已經計算出,數百億的連接事物將從不同來源產生大量數據。製造業網際網路信息化轉型的將在未來幾年內發生巨大的變化。知名管理公司McKinsey&Co.估算,到 2015 年,工業物理網(IIoT)的價值將達7.5T,工業物聯網匯聚了人才和機器,將人們連接到加速數字信息化轉型的大數據中。
通過將大數據,高級分析和機器學習應用於運營,製造業可以減少意外停機時間,提高資產性能,降低維護成本,並為從機器數據中捕獲尚未開發的價值的新業務模型開發潛力。
智能製造有望從現在工廠大量部署的傳感器(接近數據的設備)中獲得洞見
在過去幾年中,製造業組織已經開始將雲融入其運營中,以收集大量數據中的洞察力,這些數據有助於實現關鍵業務成果,包括減少意外停機時間,提高生產效率,降低能耗等。雲仍然在通過工業物聯網實現新的性能水平方面發揮著關鍵作用,工業物聯網需要大量的計算能力來有效地管理來自機器的大量數據。
但隨著更多的計算,存儲和分析功能被捆綁到更接近數據源的較小設備中,即工業機器邊緣計算將有助於實現邊緣處理以實現工業物聯網的承諾。
驅動邊緣計算在智能製造領域應用的關鍵因素:
1、低/間歇連接(例如遠程位置)
2、將數據傳輸到雲的高成本帶寬
3、低延遲,例如機器洞察和驅動之間的閉環交互(即在機器上採取行動)
4、即時分析(例如,在現場工作以檢查機器性能的技術人員)
5、訪問時態數據以進行實時分析
6、合規性,監管或網絡安全限制
邊緣計算與霧計算將計算能力和智能推向更靠近數據源的地方
有人開玩笑說,霧計算是真正邊緣計算的糟糕營銷術語。但霧計算及其在物聯網(IoT)中的作用與邊緣計算類似的目標:推動計算能力和智能更接近數據來源,例如泵,渦輪機,傳感器等機器。霧網絡或霧化是一種分散的計算基礎設施,其中數據、計算、存儲和應用程式分布在數據源和雲之間最合乎邏輯、最有效的位置。霧網絡專注於相互通信的邊緣設備,例如物聯網網關,但邊緣計算主要關注實際附著在「物體」上的設備和技術,例如工業機器。
邊緣計算與雲計算協同工作
為了讓製造企業充分認識到機器生成的大量數據的價值,邊緣計算和雲計算必須協同工作。邊緣計算將佔主導地位的情景包括需要低延遲(速度至關重要)或存在帶寬限制的地方(諸如礦山或海上石油平臺之類的地點);當行動需要大量計算能力,管理來自工廠的數據量,資產健康監控和機器學習等時,雲計算將佔據更主導的位置。雲計算和邊緣計算對於智能製造業運營來說都是必不可少的,以便從當今雲端和邊緣應用的複雜、多樣化和大量數據中獲得最大價值,無論何時都能有效地實現預期結果。
正在應用中的邊緣計算
邊緣計算助推自動駕駛汽車
對於自動駕駛汽車,基本上是輪式數據中心與邊緣計算起著主導作用。粗略計算,每百輛汽車正常行駛 8 小時,通過車輛傳感器將產生40TB數據。將如此多的數據發送到雲是不安全、不必要和不切實際的。
不安全是因為在這個場景中,邊緣計算的感知、思考和行動屬性必須以超低延遲實時完成,以確保乘客和公眾的安全操作。在經過城市街道和高速公路時,將數據發送到雲進行分析和決策後,返回給自動駕駛汽車將會導致災難性的結果。例如,汽車在道路上正常行駛,突然有一個兒童出衝進了道路中間,在這樣的情況下,決策和後續啟動需要低延遲(汽車現在需要剎車!)。沒有必要將所有數據發送到雲端,因為這組特定的數據只具有短期價值(避免汽車撞上兒童)。該數據的啟動及響應速度至關重要。將從傳感器生成的大量數據傳輸到雲再返回是不切實際的。
關於邊緣計算的其他應用
邊緣計算技術的應用行業不僅限於智能製造和自動駕駛汽車,還包括金融和零售。這兩個部門都使用大量客戶和後端數據集來提供從股票市場選擇到店內服裝放置的所有信息,並且可以從較少依賴雲來處理數據中獲益。零售業可以使用邊緣計算應用程式來增強客戶體驗。雖然如今許多零售商都專注於改善店內體驗,但優化收集和分析數據的方式是有意義的,特別是當許多人正在嘗試使用連接鏡和智能顯示器時。此外,許多人使用從店內平板電腦生成的銷售點數據,然後將其傳輸到雲或數據中心。通過邊緣計算,可以在本地分析數據,減少敏感數據洩漏的可能性。