غالبًا ما يُساء فهم الحوسبة الطرفية والحوسبة السحابية على أنها حصرية بشكل متبادل ، ولكن في حين أنهما قد تعملان بطرق مختلفة ، فإن الاستفادة من أحدهما لا تمنع استخدام الآخر. في الواقع ، هم في الواقع يكملون بعضهم البعض بشكل جيد.
مقدمة في الحوسبة المتطورة في التصنيع
• الحوسبة حافة يجد إطار العمل طريقه بسرعة إلى مجموعة متنوعة من الصناعات حيث أصبحت أجهزة إنترنت الأشياء (IoT) أكثر شيوعًا. واحدة من أكثر حالات استخدام الحوسبة المتطورة واعدة في التصنيع ، حيث يمكن أن تؤدي هذه التقنيات الجديدة إلى مكاسب إنتاجية هائلة.
بينما أثبت إنترنت الأشياء بالفعل أنه عامل تمكين مهم في أرض المصنع ، يتطلع المصنعون الآن إلى تعزيز استجابة أنظمة الإنتاج الخاصة بهم بشكل أكبر. لتحقيق ذلك ، تتطلع هذه الشركات إلى التصنيع الذكي مع الحوسبة المتطورة كعامل تمكين رئيسي لها.
يتصور التصنيع الذكي مستقبلاً حيث يمكن لمعدات المصنع اتخاذ قرارات مستقلة بناءً على ما يحدث في أرض المصنع. يمكن للشركات دمج جميع خطوات عملية التصنيع بسهولة أكبر بما في ذلك التصميم والتصنيع وسلسلة التوريد والعمليات. هذا يسهل قدرًا أكبر من المرونة والتفاعل عند المشاركة في الأسواق التنافسية. يتطلب تمكين هذه الرؤية مجموعة من التقنيات ذات الصلة مثل إنترنت الأشياء والذكاء الاصطناعي / التعلم الآلي والحوسبة المتطورة.
تتمثل الميزة الرئيسية لجمع التحليلات على حافة الشبكة في القدرة على تحليل البيانات في الوقت الفعلي وتنفيذها دون تكاليف النطاق الترددي التي تأتي مع إرسال تلك البيانات خارج الموقع (إلى السحابة أو مركز البيانات) للتحليل. يعتبر التصنيع حساسًا للوقت من حيث تجنب إنتاج مكونات غير مطابقة للمواصفات أو تعطل المعدات أو إصابة العمال أو الوفاة. بالنسبة للمهام الأكثر تعقيدًا وطويلة المدى ، يمكن إرسال البيانات إلى السحابة ودمجها مع أشكال البيانات الأخرى المنظمة وغير المنظمة.
ونتيجة لذلك ، فإن استخدام هذين الإطارين المنفصلين للحوسبة ليس حصريًا بشكل متبادل ، بل علاقة تكافلية تعزز الفوائد التي يوفرها كل منهما.
لماذا الحافة للتصنيع؟
بالنسبة للمصنعين ، يتمثل هدف الحوسبة المتطورة في معالجة البيانات وتحليلها بالقرب من جهاز يحتاج إلى التصرف بسرعة على تلك البيانات بطريقة حساسة للوقت. يحتاج إلى اتخاذ قرار على الفور دون تأخير.
في إعداد منصة إنترنت الأشياء التقليدية ، يتم نقل البيانات التي ينتجها جهاز في الحقل (لجميع المقاصد والأغراض ، دعنا نسمي هذه الأداة الآلية) التي يتم جمعها عبر جهاز إنترنت الأشياء إلى خادم شبكة مركزي (يتم دفعها إلى سحابة ، إذا صح التعبير).
في السحابة ، يتم جمع جميع البيانات ومعالجتها في موقع مركزي ، عادةً في مركز البيانات. يجب أن تتصل جميع الأجهزة التي تحتاج إلى الوصول إلى هذه البيانات أو استخدام التطبيقات المرتبطة بها أولاً بالسحابة. نظرًا لأن كل شيء مركزي ، فمن السهل جدًا تأمين السحابة والتحكم فيها مع السماح بوصول موثوق عن بعد إلى البيانات.
بمجرد معالجة هذه البيانات ("تحليلها") في السحابة ، وهو ما يحدث بسرعة كبيرة ، يمكن الوصول إليها على الفور من خلال منصة إنترنت الأشياء (مثل MachineMetrics) بعدة طرق ، سواء كان ذلك من خلال التصور في الوقت الفعلي وإعداد التقارير ، والتحليلات التشخيصية وما إلى ذلك ، للمساعدة في تحسين قدرتك على اتخاذ القرارات بناءً على البيانات الحقيقية.
المشكلة: يصبح الموقف أكثر تعقيدًا عندما يتعلق الأمر بالقرارات التي يجب اتخاذها بسرعة كبيرة.
أولاً ، يستغرق نقل البيانات "المسافة" من جهاز الحافة إلى السحابة وقتًا طويلاً. قد يكون هذا التأخير الطفيف مجرد جزء من الألف من الثانية ، ولكنه قد يكون حاسمًا لقرارات معينة مثل إيقاف تعطل أداة الآلة.
ثانيًا ، تنتج هذه الأجهزة قدرًا هائلاً من البيانات (مئات من نقاط البيانات كل مللي ثانية) وكل تلك البيانات تنتقل ذهابًا وإيابًا بين الحافة والسحابة التي تضغط على النطاق الترددي للاتصالات.
الحل: بدلاً من إعادة كل جزء من هذه البيانات إلى السحابة بشكل مستمر ، يمكن للأجهزة المزودة بتقنية Edge جمع البيانات ومعالجتها في الوقت الفعلي هناك ، على "حافة" الجهاز ، مما يسمح لها بالاستجابة بشكل أسرع وأكثر فعالية.
حالات استخدام الحافة قيد التنفيذ
دعونا الآن نناقش الأسباب العملية لاستخدام الحوسبة المتطورة في التصنيع. هناك مجموعة متنوعة من الفوائد التجارية لضمان اتصال جميع الشبكات بشكل صحيح بالسحابة مع القدرة أيضًا على توفير موارد حوسبة قوية على الحافة.
- تحسين وقت تشغيل المعدات: يمكن توقع حدوث فشل في نظام فرعي أو مكون أو تأثير تشغيل أحد المكونات في حالة تدهور ، على سبيل المثال ، في الوقت الفعلي ، وتنقيحه باستمرار مع تحليل المزيد من البيانات ، واستخدامها لتعزيز الاستخدام التشغيلي والصيانة الجدولة.
- انخفاض تكاليف الصيانة: يعني التحليل المحسن للصيانة المطلوبة أيضًا أنه يمكن إكمال المزيد من الإصلاحات في الزيارات الأولى من خلال إعطاء تعليمات مفصلة للميكانيكيين حول أسباب المشكلة ، والإجراء المطلوب ، والأجزاء المطلوبة - تقليل تكلفة الإصلاح.
- مخزون أقل من قطع الغيار: يمكن تصميم نماذج تحليلات الحافة وفقًا لمتطلبات جهاز أو نظام فردي. قد يعني هذا قراءة مجسات مرتبطة مباشرة بمكونات و / أو أنظمة فرعية معينة. مسترشدًا بقيمة الأعمال المرغوبة للمؤسسة ، يمكن لنموذج الحافة تحديد كيفية تكوين الجهاز أو النظام على النحو الأمثل لتحقيق هدف العمل ، مما يجعل مخزون قطع الغيار أكثر كفاءة إلى حد كبير بأقل تكلفة.
- منع الفشل الحرج: من خلال الحصول على البيانات المتعلقة بالمكونات ومراقبتها وتحليلها ، يمكن لتحليلات الحافة تحديد السبب قبل أن يتجسد تأثيره ، مما يتيح الكشف المبكر عن المشكلات والوقاية منها.
- المراقبة المستندة إلى الحالة: مع تقارب تكنولوجيا المعلومات والتشغيل التقني ، يمكن للمصنعين الوصول إلى بيانات الماكينة ، مما يسمح لهم بمراقبة حالة أجهزتهم على أرض المتجر حتى لو كانوا يستخدمون معدات قديمة.
- نماذج أعمال جديدة: ربما يكون الأهم من ذلك هو التحليلات المتطورة التي يمكن أن تساعد في تشكيل نماذج أعمال جديدة لاقتناص فرص جديدة. على سبيل المثال ، يمكنه تحسين أنظمة إدارة الأجزاء في الوقت المناسب باستخدام تحليل المراقبة الذاتية الذي يتنبأ بالمكونات التي ستفشل ومتى - تشغيل إشعارات استبدال الأجزاء عبر سلسلة القيمة. يتيح ذلك إنشاء جدول صيانة "حسب الحاجة" ، ويقلل من وقت التوقف عن العمل ومخزون الأجزاء ، ويؤدي إلى نموذج أكثر كفاءة.
لذلك ، عندما تتعامل مع أداة آلة CNC ، فإن التوقفات في الدورة لأداة الماكينة هي قرار متقدم ، بينما يمكن أن يكون التوقف في نهاية الدورة قرارًا سحابيًا. ويرجع ذلك إلى أن فترات التوقف في الدورة غالبًا ما تتطلب وقتًا منخفضًا للغاية ، قريب من الصفر ، وتأخر ، في حين أن فترات التوقف في نهاية الدورة تكون أكثر تساهلاً. في السيناريو السابق ، سيتعين على الماكينة الاستفادة من التحليلات المتطورة عندما تكون في دورة لتكييف الجهاز وإيقاف تشغيله تلقائيًا لتجنب أوقات التوقف والصيانة المكلفة المحتملة.
إنها ليست Edge مقابل Cloud… أليس كذلك؟
نحن نعلم الهدف من إنترنت الأشياء الصناعي (إنترنت الأشياء) هو تطبيق التحليلات المتقدمة على كميات هائلة من بيانات الآلة ، كل ذلك بهدف تقليل وقت التوقف غير المخطط له ، وتقليل التكلفة الإجمالية لصيانة الجهاز ، والاستفادة من إمكانات التعلم الآلي. لعبت السحابة دورًا أساسيًا في جعل هذا النوع من الحصول على البيانات الضخمة ونقلها وتحليلها ممكنًا.
عندما تكون سرعة البيانات هي الترتيب اليومي ويجب أن يكون الاتصال قويًا ، ستكون الحافة هي الحل الذي يجب أن يبحث عنه المصنعون. يعد تطبيق خوارزميات الذكاء الاصطناعي والتعلم الآلي لتنبيه المشكلات وتشخيصها والتنبؤ بها في الوقت الفعلي هدفًا يمكن تحقيقه بسهولة أكبر من خلال القرب والسرعة والشبكة القوية ، خاصةً إذا كان هذا الهدف هو تمكين فريقك من اتخاذ إجراءات تصحيحية فورية أو لتطبيق تكيف تلقائيًا دون تدخل بشري يتجنب إخفاقًا مكلفًا.
لكي نكون واضحين ، لن تحل الحوسبة المتطورة محل الحوسبة السحابية ، على الرغم من أن النهجين يمكن أن يكمل كل منهما الآخر. الحوسبة السحابية عبارة عن نظام أساسي أكثر عمومية لجمع البيانات والتحليلات وإعداد التقارير التاريخية ، ولكن هناك المئات من حالات الاستخدام حيث يكون وقت رد الفعل هو القيمة الرئيسية لنظام إنترنت الأشياء ، مثل بعض أحداث الصيانة التنبؤية ، حيث يتم الإرسال في الوقت الفعلي البيانات إلى السحابة تمنع إجراء هذا التحليل بسرعة كافية.
يجب أن تكون شركات التصنيع قادرة على اتخاذ قرارات على ثلاثة مستويات مختلفة: على مستوى الماكينة ، وعلى مستوى المصنع ، وعلى مستوى الأعمال. من خلال دمج الحوسبة المتطورة مع إمكانات الحوسبة السحابية ، يمكن للشركات تعظيم إمكانات كلا النهجين مع تقليل قيودها.
المصدر: https://www.iotforall.com/edge-vs-cloud-approach-for-manufacturing/
