新闻中心>行业资讯>云电脑和边缘计算:充分利用任何地方的计算资源

云电脑和边缘计算:充分利用任何地方的计算资源


在包括 5G 在内的无线通信的支持下,云电脑和边缘计算将 IT 专业知识带入智能工厂。

制造过程变得极其复杂。一条生产线可以从各种传感器、可编程逻辑控制器、电机、运动驱动器和其他设备生成数十万个数据点。每个设备的数据点通常只用于较大进程中的一个小任务,在每台机器的循环期间数据会被覆盖。通过有线网络跨数百种不同的专有协议进行通信以访问数据并将其发送到集中式系统进行过滤和分析一直是一项挑战。

进入物联网 (IoT) 以及云和边缘计算。这些信息技术 (IT) 概念通过将通常在集中位置处理的数据和计算任务移动到云或网络边缘来实现分布式网络架构。物联网边缘技术通过在网络边缘执行各种功能来分散数据处理和存储,更靠近单个设备和机器。

边缘计算使云电脑的优势和功能更接近数据的创建和操作位置,以提高效率、安全性或合规性。边缘设备和传感器是生成和收集数据的地方,但它们并不总是拥有执行高级分析所需的计算和存储资源。

边缘计算在设施中用于处理重要智能工厂应用程序的实时数据处理,例如预测性维护。另一方面,云电脑是在由 Microsoft、Amazon 或 IBM 等公共云公司托管的远程环境中完成的,以支持更多的数据密集型和更少时间关键的流程。 

据 福布斯报道, 公共云提供商越来越关注 混合云模型。混合云电脑允许制造商在自己的服务器上本地存储和分析其专有的内部流程信息,同时将机器学习等资源密集型应用程序卸载到公共云,以利用规模和成本效率。

私有云架构也存在,工业公司的 IT 部门在其中处理自己的云存储,以存储生产配方、客户信息甚至每个正在制造的产品的流程知识等数据。就每次计算和长期存储的成本而言,公共云是最有效的。它们可用于存储机器原理图、零件或机器的计算机辅助设计图以及其他不重要或时间不敏感的信息等应用。


为什么边缘和云现在很重要
根据 IoT Analytics 的数据,预计到 2022 年底,联网的物联网设备数量将达到 144 亿台 。Allied Market Research 指出,  2020 年全球 物联网在制造业产品中的价值为 1982.5 亿美元,其中预测性维护应用占据最大份额. 在很大程度上得益于智能传感器以及虚拟和增强现实技术的进步,到 2030 年,对实时资产监控的需求将使总价值达到 14,956.5 亿美元,从 2021 年起的复合年增长率为 22.6%。 

随着越来越多的物联网设备收集、分析和处理更多的数据和信息,对边缘计算的需求只会增加,以减少延迟和提高速度。通过动态编排、聚合和修剪数据,公司将依靠云进行长期存储和经济高效的计算。企业将面临的最艰难的决策是选择哪些数据点值得在本地进行实时分析,哪些需要在云端长期存储和分析,最重要的是,哪些数据根本不需要分析。


私有 5G 网络和其他趋势
许多专家认为,未来几年企业将同时部署边缘平台和 5G 无线通信。The Enterprisers Project 最近的一篇文章指出,“下一件大事”将是私有 5G 网络。5G 增加了以前仅在 C 类以太网技术上提供的超可靠、低延迟通信 (URLLC)。

随着 5G 技术数据传输速度的提高、延迟的降低和容量的提高,工厂将能够通过标准有线网络基础设施在不依赖专有工业以太网协议的情况下进行扩展。将边缘计算与 5G 相结合,将数据收集的范围和范围扩展到通常通过有线部署或带宽限制无法访问的资产,从而在本地部署中提供更大的灵活性。 

另一个趋势是需要更快、更敏捷的云部署。Gartner Research  2022 云和边缘计算规划指南 强调了“云团队”的重要性,他们在支持 CIO 和高管驱动的计划以加速云部署方面发挥着重要作用。通过业务敏捷性和能力实现的部署速度是部署有效云解决方案的基石。

云团队不仅要有架构和技术能力;他们需要了解他们正在解决的整体业务和业务挑战。如果团队采用得太慢,他们可能永远无法抓住数字化转型的移动目标。如果团队不了解项目数字化背后的核心挑战或原因,他们的解决方案可能在未来的改进中不够适应,并且需要更多不可收回的工程成本。


对 OEE 的云和边缘支持
部署边缘平台的工厂体验更快的网络速度和更低的延迟,这对更好的决策和生产优化做出了重大贡献。这最终会提高投资回报率。使用边缘计算和云电脑,制造商正在提高生产力并从智能系统的效率和功能中识别收入机会。特别是,实时整体设备效率 (OEE) 可视化工具提供了对工厂效率各个方面的全面可见性。

OEE 由全面生产维护 (TPM) 系统的创始人 Seiichi Nakajima 于 1960 年代发明。OEE 是衡量机器和整体制造性能的关键性能指标。它不是对成功、失败或平庸的静态、单独的衡量,而是一种活的指标组合,它将运营技术专家指向他们必须拉动的杠杆以提高业务绩效。

有效实施 OEE 的第一个也是最常见的挑战是数据收集。良好的数据分析始于良好的数据可用性。对于使用数百种机器并从多种工业协议收集数据的制造环境,从机器上实时收集数据至关重要。先进的工业物联网数据管理边缘平台提供了这一点。大多数提供核心功能,包括:

实时访问运营数据
数据合理化以识别相关点
数据转换成可用格式
通过云和中间件 OT 和 IT 系统快速交付摄取。


本质上,边缘计算是在设备上或附近完成的,并且比云服务提供更高的安全性、更低的延迟以及更多的带宽容量和可靠性。用于数据管理的最高效的 IIoT 边缘平台包括一个大型协议转换器库,支持使用开放和私有协议(例如 OPC UA 和 OPC DA、Modbus、MTConnect、BACnet 和 Siemens)收集机器数据。对于联网机器,边缘使数据收集成为一个简单的过程,特别是选择驱动程序并将其指定给 IP 地址。所有标签都是自动枚举的。对于需要模拟或数字 I/O 数据收集或外部仪器的机器,边缘平台可以从传感器或旧机器的硬件适配器收集数据。
 

连接机器后,可以通过将变量映射到触发器来设置算法。该逻辑以前是用传统的编程语言编写的,但是较新的平台为可视化逻辑工作流提供了低代码或无代码环境,以促进应用程序的创建、维护和计算。OEE 计算可以逐台机器完成,并按生产线、班次和工厂级别进行合并,以提高管理可见性。用于监控特定机器和过程条件的警报功能可以添加和定制到自动化操作。

借助强大的 OT/IT 边缘集成软件,可以自动化机器设置并减少设置时间,因为该软件的低延迟对于避免机器中隐藏的停机时间至关重要。随着流程可见性的提高,管理人员可以更好地了解计划停机信息,并可以根据机器信息计算机器 OEE 并安排维护。

每个制造商都知道计划外停机是昂贵的。如果一个机器组件发生故障,它可能会停止整个生产系统,从而导致生产时间、原材料等方面的损失。可以部署边缘平台来学习预期的机器行为,并通过触发器识别生产周期中的异常(例如功耗、振动和噪音以及温度)来完全自动化预防性维护。鉴于智能工厂最常见的挑战通常是与基础设施实施的互操作性,因此值得优先考虑使用边缘智能将遗留机器和传感器集成到 IT 系统中的 IIoT 架构。

此功能最初出现在 InTech 杂志的 8 月号,特别版来自 ISA 的智能制造和 IIoT 部门。

 

更多云计算资讯搜索青椒云桌面:www.qingjiaocloud.com

推荐阅读:

我国公有云市场增速领先于全球,通信、政府和金融行业市场IaaS 需求较大

医疗器械研讨会:疗器械网络安全能力提升措施以及使用云计算服务的相关要求 

人工智能和云电脑:现在和未来