Бъдещето на индустрията е някъде между облака и периферията

Облак или периферия? Това е въпросът, който си задават мениджърите на много производствени компании (и не само!) по цял свят.

 

Разбира се, не става дума за конвенционалните значения на двете думи, а за техните технологични проекции.

 

Дълго време „облакът“ се смяташе по-скоро за екзотична опция заради съмнения в сигурността. Осъзнаването, че данните в облака в никакъв случай не са по-малко сигурни, отколкото във вашия собствен център за данни в приземието, отне много време, за да се утвърди.

Днес „облакът“ е част от обичайната IT инфраструктура и процеси на компаниите. Но дори и да отговаря на изискванията за сигурност, облакът не винаги е най-доброто решение.

 

Особено в производството, дигиталната трансформация кара обема на данните да експлодира. Процесите и системите генерират непрекъснато ценна информация, която има смисъл да анализирате незабавно в точката на произход (периферията – edge), а не първо да прехвърляте на облак, който е много по-сложен за достъп на по-късен етап.

 

Така че въпросът Cloud или Edge (облак или периферия) продължава да стои пред много производствени компании. Но да започнем от самото начало. Докато „облакът“ вече е широкоизвестно понятие, т.нар. edge computing (периферни изчисления) тепърва набира популярност. И така, какво е това?

 

Под edge computing разбираме разпределена IT архитектура, която позволява клиентските данни да се обработват в периферията на мрежата, възможно най-близо до източника им. Тази концепция е резултат от други технологични иновации като развитието на изкуствения интелект, умните свързани устройства и Интернета на нещата, които генерират огромни обеми от данни. Те предоставят ценна информация и позволяват контрол в реално време върху критични бизнес операции и затова трябва да бъдат обработени максимално бързо и без прекъсвания в свързаността.

 

Edge Computing измества функционалността и интелигентността от централизирани сървърни мрежи в облака към източника на данни в системата за автоматизация и така към периферията на мрежата. Предимството: високочестотните данни могат да бъдат отчетени, предварително обработени и анализирани на място, в реално време, почти без забавяне. Това е сериозно предимство особено за индустриални приложения, които изискват висока изчислителна мощност като AI или приложения за машинно обучение.

 

За какво служи edge технологията в индустрията?

 

Ето само някои от възможностите:

  • за да се подобрят производствените процеси;
  • за да се оптимизират определени модели на работа на дадена машина и да се избегне голямо и преди всичко непланирано спиране;
  • за да могат да се визуализират данните и да се направят заключения относно възможни оптимизации

Разбира се, този списък може да бъде продължен с още много възможности, предоставяни от периферните изчисления. Затова и все повече компании, особено в индустрията, се насочват към такъв тип архитектура в опит да спечелят конкурентни предимства.

 

Приложението и бъдещето на периферните изчисления в индустрията (т.нар. Industrial Edge Computing) са в основата на мащабно проучване на IDG Research Services и Siemens. В него са интервюирани 317 мениджъри на германски компании от всякакъв размер и най-различни сфери на дейност.

 

Според резултатите за над 60 процента от компаниите Industrial Edge Computing е от съществено значение в момента. Тридесет и осем процента от тях оценяват този подход като “жизненоважен” или “много важен”. Този дял нараства още повече в 2-3-годишна перспектива.

Това е особено вярно за големите компании: за 69 процента Industrial Edge Computing ще бъде ключова технология в средносрочен план. Въпреки това само 56 процента от средните по размер компании достигат до същата оценка, при 35 процента за по-малките компании.

 

Първият опит с Industrial Edge Computing е изключително положителен

 

Повече от 57 процента от компаниите са доволни или много доволни от своя (първоначален) опит с Industrial Edge Computing. Мениджърите (88 процента), както и ИТ директорите, главните технологични директори и главните дигитални директори (75 процента) подкрепят този извод. Това показва, че технологията и съответните решения отговарят на очакванията.

 

Това, което прави впечатление в резултатите, е малкият дял на средните компании (38 процента), които оценяват опита си с Industrial Edge Computing като задоволителен и много задоволителен. Сравнителните стойности за малките фирми (73 процента) и големите компании (57 процента) са значително по-високи.

 

Авторите на проучването обясняват, че малките и средните предприятия може да имат проблеми при свързването на своите производствени среди, например поради липса на опит, твърде високи очаквания и липса на специалисти.

 

Широк спектър от области на приложение

 

Компаниите използват Industrial Edge Computing в много различни сфери на приложение. Проучването отчита няколко централни области като оптимизиране на качеството (63 процента), мониторинг на състоянието (53 процента) и оптимизиране на машинните процеси (51 процента). Тези данни потвърждават широкообхватните потенциални ползи от Industrial Edge Computing.

 

Една трета от компаниите използват технологията в ориентираната към бъдещето област на прогнозната поддръжка. Това важи еднакво за малки, средни и големи компании.

 

Все пак има ясни разлики в зависимост от размера на компанията по отношение на сценариите на приложение. Например, 43 процента от по-малките компании (под 500 служители) използват Industrial Edge Computing за оптимизиране на производствените процеси, но това важи само за 28 процента от средните компании. За средните компании, от друга страна, подобряването на машинните процеси (61 процента) и наблюдението на състоянието (72 процента) са по-важни, отколкото за малките и големите компании.

 

Компании от всякакъв размер са отворени за обработка на данни в облака

 

Резервите на германските компании по отношение на облака намаляват, сочи още допитването. Почти една трета биха съхранявали и обработвали цялата информация, включително данни за производство, в облак. Други 30 процента биха го направили само ако тази информация се съхранява в центрове за данни в страни от ЕС.

 

Все пак има разлики според размера на компанията: само 57 процента от малките компании биха съхранявали данни в облака или поне в центрове за данни в ЕС. Стойностите са по-високи за средните компании (62 процента) и големите компании (67 процента).

Изкуственият интелект и машинното обучение се използват интензивно

 

Добрата новина е, че изкуственият интелект и машинното обучение се използват интензивно от бизнеса.

 

66 процента от анкетираните вече използват AI и машинно обучение (ML) функции, сочат резултатите от проучването. Други 29 процента от компаниите планират да направят това. В момента обаче само около 37 процента от платформите имат такива функции.

 

По-специално малките компании с по-малко от 500 служители (77 процента) и големите компании (68 процента) използват AI и ML базирани аналитични решения. Те ясно признават потенциала, който предлагат тези подходи. 

 

За разлика от това, само 50 процента от средните компании използват решения за анализи, базирани на AI и ML. Въпреки това 42 процента от тях планират да използват AI и ML за аналитични цели. Възможна причина за това забавяне е недостигът на експерти като специалисти по изкуствен интелект и дейта анализатори, а друга е липсата на подходящи бизнес модели и сценарии за приложение.

Дигитална трансформация: където периферията и облакът се срещат

 

350 производствени промени дневно, портфолио от около 1200 различни продукта, 17 милиона контролера Simatic годишно – това са само част от характеристиките на завода за електронни компоненти на Siemens в Амберг, Бавария (EWA). Авангардни технологии като изкуствен интелект (AI), индустриални периферни изчисления или облачни решения позволяват изключително гъвкави, максимално ефективни и надеждни процеси.

 

Industrial Edge Computing и AI за повече производителност

 

Използвайки Edge Computing, данните могат да се обработват точно там, където са генерирани, а именно директно в системата или в машината. В EWA това се прави на производствената линия за сглобяване на печатни платки за компоненти. Точно тук производството все още не е достатъчно оптимизирано. И това не се дължи на проблеми на системата или качеството на процеса. Проблемното място се намира в края на производството на плоския модул, при автоматичната рентгенова проверка.

 

Това е така, защото плоските модули с размер на нокът съдържат функционално подходящи BUS конектори с различни PIN-ове за свързване. При неинтегриран тест спойките на тези ПИН-ове за свързване се изследват с рентгенови лъчи, за да се провери дали функционират правилно. Затова и пред мениджмънта стои въпроса не трябва да се закупи още един рентгенов апарат, който струва около 500 000 евро.

 

Алтернативата е изкуственият интелект. Данните от сензорите се прехвърлят в облак чрез TIA портал (Totally Integrated Automation). Тук експертите обучават алгоритъм, базиран на AI и на параметрите на процеса. Алгоритъмът научава как данните за процеса са свързани с качеството на запоените съединения и също така контролира модел, който работи чрез Edge приложение в системата. Моделът предоставя прогноза за това дали запоените връзки на платката трябва да бъдат класифицирани като добри или не, т.е. дали е необходим тест в края на линията или не.

 

Системата за ранно предупреждение предотвратява неприятни изненади

 

Анализите със затворен цикъл и технологията Industrial Edge се използват и при фрезоването. Шпинделът за фрезоване, използван за изрязване на канали в плоските модули за продуктите Simatic, не винаги работи гладко поради генерирания прах от фрезоването. Първоначално причината е неясна. Както при автоматичната рентгенова проверка, експертите на Siemens разчитат на комбинация от Edge Computing и AI за предсказуема поддръжка. За да направи това, екипът изолира два параметъра, които очевидно са свързани с непланираните повреди: скоростта на фрезовия шпиндел и електрическия ток, необходим за задвижването.

 

Тези данни са заредени в периферното устройство, в което предварително обучен алгоритъм разпознава корелациите между аномалиите в данните за процеса и прекъсванията в реално време и ги връща обратно в производството. Базирано на отворената, облачна IoT операционна система MindSphere, приложението Performance Insight прави резултатите достъпни за потребителите. Отговорните оператори са информирани за ситуацията между 12 и 36 часа преди възможна повреда на системата и могат да действат своевременно.

 

Алгоритъмът също трябва да бъде обучен допълнително, за да предоставя все по-прецизни резултати. Интегрираната среда за цифровизация в EWA гарантира необходимото безпроблемно взаимодействие между автоматизацията, Industrial Edge и Cloud Computing.