Gitt forholdet mellom edge computing og IoTer det ikke overraskende at industrisektoren – som skapte sin egen IoT-underkategori, aka. Industriell IoT (IIoT) – er moden med brukstilfeller for edge computing.
Industrisektoren – som vi her bruker som et bredt begrep for virksomheter som produksjon og energi (tenk for eksempel tung maskinproduksjon og kraftverk) – hadde faktisk et forsprang på kanten konseptet: Industriell SCADA-systemer. Kort sagt, dette er lokale, isolerte kontrollsystemer som er ansvarlige for alle slags kritiske industrielle og andre prosesser på stedet. Du kan tenke på disse som forløpere for moderne kantarkitektur.
“Industriell SCADA er en form for kant og har eksistert i over 30 år på en eller annen måte,” sier Andrew Nelson, hovedarkitekt ved Innsikt. “De fleste anlegg vil ha et isolert kontrollsystem på plass i dag.” Faktisk har de ofte flere slike systemer og prosesser – og edge computing-distribusjoner er mer sannsynlig enten å forsterke eller til og med erstatte dem.
Industrielle innstillinger i seg selv er i utgangspunktet kantplasseringer – noe som betyr at de vanligvis er langt fra et sentralisert datasenter eller nettsky – og derfor er de en naturlig passform for voksende kantadopsjon. En olje- og gassrigg midt i havet? Det ser ut til å møte noens definisjon av “kanten.”
På det notatet tar industrisektoren for seg iboende vanskelige områder: Nelson påpeker at brukstilfeller for edge computing overlapper med andre kontekster som lager eller logistikk, men involverer ofte mer fiendtlige miljøer.
Alt dette gjør industrisektoren til en god å se på når det gjelder edge use cases. Hvordan tenker og implementerer industrielle CIOer og andre IT- og bedriftsledere faktisk kantinfrastruktur og applikasjoner?
[ Building an edge strategy? Also read Beat these common edge computing challenges. ]
Først litt storbildet kontekst, takket være Rød hatt teknologievangelist Gordon Haff: Det er i hovedsak to store strømmer med industriell edge computing.
“På den ene siden strømmer sensordata – ofte filtrert og aggregert – fra operativ-/butikkgulvets kantnivå mot kjernen,” sier Haff. “På den annen side strømmer kode, konfigurasjoner, masterdata og maskinlæringsmodeller fra kjernen – der utviklingen og testingen skjer – til fabrikken.”
Dette har mye å si for kantstrategi på tvers av ulike bransjer. Kant-til-kjerne-strømmen er der IT-ledere må bestemme hva som faktisk skal leve på kanten, og hva som kan eller bør holdes i en sentralisert sky eller datasenter.
“Ideen er at du ofte ønsker å sentralisere hvis mulig, men holde desentralisert etter behov,” sier Haff. “For eksempel kan det hende at sensitive produksjonsdata ikke får lov til å forlate lokalene, eller du trenger å beskytte dine kjørende industrielle prosesser fra eventuelle avbrudd relatert til nettverksproblemer utenfor fabrikken.” (Sistnevnte er en stor del av SCADA-forbindelsen – i mange industrielle omgivelser er ikke uventet nedetid et alternativ.)
Kjerne-til-kant-strømmen handler i stor grad om operativ fornuft og effektivitet. Som med edge-arkitektur generelt, kan du ikke forvente å sende ut en menneskelig IT-proff hver gang du trenger å oppdatere en konfigurasjon eller lappe et system på et edge-sted. I industrisektoren, sier Haff, kan det være hundrevis av anlegg med tusenvis av kjørende prosesser: “Automasjon og konsistens er nøkkelen,” sier Haff.
Ishu Verma, teknisk evangelist ved Red Hat, legger til at kjerne-til-kant-strømmen er hvordan organisasjoner kan utvide de samme praksisene og teknologiene de bruker i skyen eller på stedet til kantnodene deres også, selv i de tøffeste industrielle innstillinger.
“Denne tilnærmingen lar bedrifter utvide den nye teknologiens beste praksis til kanten – mikrotjenester, GitOps, sikkerhet osv.», sier Verma. “Dette tillater administrasjon og drift av edge-systemer ved å bruke de samme prosessene, verktøyene og ressursene som med sentraliserte nettsteder eller sky.”
Edge computing innen produksjon og energi
Innenfor disse toveisstrømmene er her fire eksempler på hvordan industrielle organisasjoner bruker edge computing.
1. Effektivisering av driften i sanntid
Disse tradisjonelle SCADA- og andre kontrollsystemene er som monolittiske eller eldre applikasjoner i mange andre sektorer: Viktige, men ikke spesielt enkle eller fleksible å jobbe med i det moderne miljøet.
“Den tradisjonelle SCADA- og kontrollsysteminfrastrukturen har en tendens til å være lukket og leverandørspesifikk,” sier Nelson. “En IoT/edge-distribusjon kan hjelpe med sanntidsoperasjoner i ett enkelt glass i stedet for å hoppe mellom systemene.”
“Mange industrielle anlegg vil ha flere kontrollsystemer som kan eller ikke kan integreres. IoT/edge-brukssaken kan trekke data på tvers av systemer og korrelere hendelser og forutsi feil.”
Overvåking og prediktivt vedlikehold er gode eksempler innenfor denne kategorien: Sensorene og instrumenteringen i et anlegg kan brukes til sanntidsdrift og hjelper industrielle operatører bedre å planlegge for når kritisk vedlikehold og annet arbeid vil være nødvendig. Det var vanskeligere tidligere på grunn av datasiloer – en kjent utfordring for IT-sjefer i mange virksomheter.
“Mange industrielle anlegg vil ha flere kontrollsystemer som kan eller ikke kan integreres,” sier Nelson. “IoT/edge-brukssaken kan trekke data på tvers av systemer og korrelere hendelser og forutsi feil.”
2. Kjøre AI/ML-arbeidsbelastninger på industrianlegg
Latency – som i, redusere eller eliminere den – er en av de viktigste driverne for edge computing-strategi. Dette gjelder spesielt for AI- og maskinlæringsapplikasjoner, så vel som andre former for automatisering som krever data – og mye av det – for å være effektive.
Det er enormt AI/ML og automatiseringspotensial i industriell IoT, men også enorme data- og latensimplikasjoner.
“Å få smarte maskiner til å fungere sømløst på kanten krever mye data,” sier Brian Sathianathan, CTO hos Iterate.ai. “God AI krever data. Flott AI krever en mye av data, og det krever det umiddelbart.”
Det kan bli problematisk i sammenheng med den første strømmen Haff fra Red Hat beskrevet ovenfor: sensordata som strømmer fra kanten mot kjernen.
“Jeg har sett situasjoner i produksjonsanlegg der det er “for mye” data til å gå fra en robot på gulvet, gjennom det lokale nettverket, og deretter hele veien til skyen og tilbake, sier Sathianathan. “Det er ikke bra, for som produksjons-CIOer vet, må beslutninger tas umiddelbart for å være effektive.”
Hvis ventetid er et problem, er faktisk nedetid en fullstendig morder – spesielt i industrielle omgivelser (hvor et databrudd eller nettverksproblem kan for eksempel stenge en gassrørledning) og relaterte segmenter som produksjon.
Selv om noe nedetid vanligvis er akseptabelt i standard IT-miljøer, er det rett og slett ikke tilfelle i produksjon. Kostnadene ved å stoppe produksjonslinjer fordi kantapplikasjoner vakler, kan være hundretusenvis av dollar per minutt – det er bare ikke rom for feil.
Å holde nødvendige data på kanten vil være en muliggjører som kobler sammen kantdatabehandling med AI/ML-brukstilfeller og minimerer “for mye data”-scenariet som Sathianathan beskrev.
Å ha avanserte applikasjoner som automatisk kan overvåke og optimere energiforbruket på industrianlegg er ikke bare godt medborgerskap – det er potensielt en stor fordel for bunnlinjen.
3. Forbedre energiledelse
Å ha avanserte applikasjoner som automatisk kan overvåke og optimere energiforbruket på industrianlegg er ikke bare godt medborgerskap – det er potensielt en stor fordel for bunnlinjen.
Det er et stort press for å overvåke energibruk og kontrollere belastning i både produksjon og industrielle applikasjoner, sier Nelson fra Insight. “I industriområdet er det enorme besparelser bare å slå av eller måle elektrisk belastning i høye perioder.”
Faktisk er økende energiforbruk og kostnader i industrielle organisasjoner et stort nok problem til at det var gjenstand for en konferansepresentasjon og papir i 2021: Et energiledelsessystem med Edge Computing for industrielle anlegg.
Det er ikke akkurat en luftig strandlesning, men IT-sjefer og andre IT-ledere kan absolutt sette pris på poenget på bunnlinjen: Å designe en kantapplikasjon som automatisk kan tilpasse og optimere energiforbruket basert på svingende priser, kan være en brukssak som virkelig beveger nålen.
[ Related read ESG strategy: 3 ways CIOs can play a pivotal role ]
“Å redusere kostnadene for elektrisitet har blitt et presserende problem som må løses,” skriver rapportens forfattere. “I mellomtiden blir fjernovervåking av tilkoblede enheter og intelligensen som presses til kantene av overvåkingsenhetene kritisk i industriell IoT.”
4. Forbedre ansattes sikkerhet og sikkerhet på stedet
Du vil se et mønster her: industrielle edge/IoT-brukstilfeller kommer fra det enorme antallet sensorer og andre maskiner i disse miljøene. Men det handler ikke bare om maskiner – det handler også om mennesker. Nelson sier at den industrielle fordelen også har betydelige muligheter for ansattes sikkerhet og sikkerhet på stedet.
“Å spore ansatte og entreprenører og varsle når de ikke er der de skal jobbe er en stor sak” for sikkerhet og sikkerhet, sier Nelson.
Som mange kantapplikasjoner er dette en kategori som vanligvis involverer eller integreres med andre teknologier (som AI/ML). Det er også en der tilsynelatende lo-tech-enheter – det allestedsnærværende medarbeider-ID-merket, for eksempel – kan få en moderne makeover.
“Datasyn, RFID og BLE alt kan utnyttes i denne brukssaken, sier Nelson. “Å knytte seg til bygningssikkerhetsmerkelesere og sikkerhetskameraer er en nyttig integrasjon.”
Eller prøv et annet universelt anerkjent sikkerhetselement for størrelse, en som går før edge, cloud og, vel, digital databehandling slik vi kjenner den: hjelmen.
“De lager hjelmer med innebygde sensorer som kan spores gjennom WiFi-tilgangspunkter for denne brukssaken,” sier Nelson.
[ Discover how priorities are changing. Get the Harvard Business Review Analytic Services report: Maintaining momentum on digital transformation. ]