Wdrażanie rozwiązań głębokiego przetwarzania brzegowego

Przegląd technologii przetwarzania brzegowego został omówiony w publikacji „Przetwarzanie brzegowe w środowisku przemysłowym”. W tym blogpoście, omówimy bardziej szczegółowo formy przetwarzania brzegowego i wdrażania inteligentnych rozwiązań brzegowych w środowisku przemysłowym.

Wdrażanie efektywnych rozwiązań przetwarzania brzegowego wymaga integracji kilku komponentów. Podstawowe aplikacje sprzętowe i programowe, bezpieczeństwo fizyczne i cybernetyczne, zdalne monitorowanie i rozwiązania konserwacyjne łączą się, aby zapewnić ciągłość działania wszystkich elementów. Ze wspomnianej wcześniej sekcji „Formy technologii przetwarzania brzegowego” dokumentacji wiemy, że urządzenia brzegowe będą formowane w określone podwarstwy (choć poszczególne systemy nie będą wykorzystywać wszystkich z nich).

Rysunek 1: Schemat blokowy technologii przetwarzania Thick Edge, Thin Edge i Micro Edge

Jak pokazano na powyższym rysunku przetwarzanie brzegowe może być podzielone zgodnie z rozróżnieniem na potrzeby dystrybucji lub centralizacji przetwarzania w rozmieszczeniu krawędzi powszechnie określanym mianem Thick Edge, Thin Edge i Micro Edge (a wspólnie znanych jako Deep Edge).

W przypadku przetwarzania Thick Edge następuje zmiana paradygmatu obliczeniowego na bardziej rozproszony i zdecentralizowany. Czujniki są często połączone z węzłami obliczeniowymi, które uruchamiają aplikacje brzegowe w pobliżu miejsca, w którym dane są gromadzone, filtrowane, agregowane, grupowane itd. Informacje te są następnie przekazywane do chmury lub biznesowych centrów danych. Warstwa Thick Edge może również obejmować systemy komputerowe, które zwykle były wykorzystywane do obsługi aplikacji SCADA i podobnych. Te lokalne węzły obliczeniowe (znane również jako urządzenia brzegowe, bramki brzegowe lub komputery brzegowe) są używane w przetwarzaniu Thick Edge, aby zaoferować lokalną inteligencję do szybkiego działania (z małym opóźnieniem) na danych napływających z fizycznych urządzeń czujników. Wykonuje on intensywne obliczeniowo zadania/obciążenia robocze poprzez dostosowanie wysokiej klasy procesorów CPU, GPU, FGPA i innych urządzeń przetwarzających. Węzły obliczeniowe Thick Edge mogą często funkcjonować niezależnie przez długi czas ze względu na ich możliwości przetwarzania i przechowywania danych.

Przetwarzanie Thin Edge polega na ograniczeniu przetwarzania w miejscu gromadzenia danych z czujników. Wykryte dane są gromadzone i wysyłane do bardziej scentralizowanego systemu przetwarzania, gdzie są analizowane, a następnie podejmowane są działania. Scentralizowane przetwarzanie może odbywać się w chmurze lub w prywatnych centrach danych/przetwarzania (określanych jako „on-prem”). Ta warstwa opisuje inteligentne sterowniki, urządzenia sieciowe, sterowniki PLC i specjalistyczne komputery wbudowane, które są wbudowane w obrabiarki i inne urządzenia produkcyjne. Dodatkowe platformy obliczeniowe (np. bramki) mogą nawet nie być wymagane w instalacjach przetwarzania Thin Edge, w zależności od złożoności i możliwości połączeń fizycznych urządzeń detekcyjnych. Czasami obejmuje ona także komponenty sztucznej inteligencji, takie jak procesory graficzne lub układy ASIC.

Przetwarzanie Micro Edge reprezentuje czujniki gromadzące dane z procesów i urządzeń przemysłowych, które zazwyczaj były bezpośrednio podłączone do sterowników PLC lub procesorów niskiej klasy ze względu na ograniczenia związane z kosztami i zużyciem energii. Stanowi ona także warstwę najbliższą maszynom na hali produkcyjnej i część ekosystemu obliczeń przemysłowych. Ponieważ zasoby obliczeniowe znajdujące się w obrębie warstwy Micro Edge same są urządzeniami generującymi dane.

W rzeczywistości nie ma rozróżnienia między warstwą Thin Edge i Thick Edge. Na najdalszych krańcach krawędzi istnieje raczej „spektrum” rozwiązań, spośród których konkretne ciążyłyby rozwiązaniom warstwy „Thin” lub „Thick”, w oparciu o dostępność zasobów, zapotrzebowanie na przypadek użycia oraz kwestie wdrażania i zarządzania oprogramowaniem.

Analityka brzegowa w środowisku przemysłowym

Poniższy schemat obrazuje koncepcję posiadania inteligencji na krawędzi maszyny i rozprzestrzeniania zdobytych informacji z jednej do wielu maszyn. Wspólne uczenie to informacje o flocie urządzeń danego producenta. Sieci pozwalają użytkownikom końcowym na opracowanie rozwiązań w zakresie konserwacji predykcyjnej, opartych na potężnych algorytmach wykrywania anomalii, poprzez ułatwienie wymiany informacji pomiędzy inteligentnymi czujnikami brzegowymi. Modele predykcyjne są szkolone i testowane przy użyciu historycznych danych z etykietami, zawierających informacje o poprzednich awariach sprzętu. Ilość danych historycznych może być ogromna, więc ich przechowywanie w czasie rzeczywistym w chmurze jest skutecznym rozwiązaniem, dając początek konserwacji predykcyjnej w chmurze. Indukcyjne silniki elektryczne są głównymi siłownikami w większości fabryk przemysłowych, więc oparta na chmurze konserwacja predykcyjna silników elektrycznych ma szczególne znaczenie. Awarie mechaniczne powodują drgania w silnikach elektrycznych o różnej amplitudzie i częstotliwości. Dlatego rozwiązania monitorujące stan silników skupiają się głównie na pomiarze drgań i temperatury. Zasoby w obrębie przetwarzania brzegowego oddzielają program od sprzętu podstawowego, umożliwiając tworzenie elastycznych architektur, w których aplikacje mogą migrować z jednego inteligentnego sprzętu obliczeniowego do innego.

Rysunek 2: Przemysłowy węzeł brzegowy do wykrywania anomalii

Przemysłowa platforma brzegowa

Przemysłowe rozwiązanie brzegowe składa się z komponentu back-end, urządzeń brzegowych i aplikacji brzegowych, które są wykorzystywane do inteligentnej analizy danych i zwiększonej produktywności. Jak pokazano na poniższym rysunku, wszystkie komponenty są częścią zintegrowanego ekosystemu sprzętu i oprogramowania dla automatyki. System zarządzania przemysłowym przetwarzaniem brzegowym może być użyty do centralnego sterowania i monitorowania wszystkich połączonych urządzeń brzegowych. Dzięki bezpiecznemu przeniesieniu mocy obliczeniowej przetwarzania brzegowego i zaawansowanej analityki na poziom produkcyjny, przemysłowe urządzenia brzegowe zapewniają w obrębie systemów automatyki przetwarzanie danych na poziomie maszynowym.

Rysunek 3: Przemysłowa platforma brzegowa

Zarządzanie aplikacjami jest odpowiedzialne za wdrażanie, konfigurację, usuwanie, uruchamianie, zatrzymywanie i resetowanie aplikacji. Użytkownicy i konstruktorzy maszyn mogą instalować „aplikacje” na urządzeniach brzegowych, a nawet mogą projektować własne aplikacje. Protokoły transmisji w chmurze, systemy operacyjne oparte na chmurze i protokole MQTT (Message Queuing Telemetry Transport) są obsługiwane przez warstwę przemysłowego przetwarzania brzegowego, dzięki czemu transfer danych jest bezpieczny i wydajny.

Nie przegap naszych innych inspirujących blogpostów, w których omawiamy: Strategie i standardy uruchamiania rozwiązań przetwarzania brzegowego, Integracja rozwiązań przetwarzania brzegowego w sterownikach programowalnych automatyki (PAC) i logicznych (PLC), Zagrożenia i rozwiązania w zakresie bezpieczeństwa przetwarzania brzegowego.