Połączenie potencjału urządzeń wspierających technologię Przemysłowego Internetu Rzeczy (IIoT) z mocą obliczeniową urządzeń do przetwarzania danych na krawędzi sieci, rozwiązaniami automatyki oraz analityki danych nadaje obecnie większą wartość danym generowanym w przemyśle produkcyjnym. W artykule opisujemy pięć sposobów uczynienia tego połączenia bardziej efektywnym dla firm produkcyjnych.
Internet Rzeczy (IoT) jest obecny w naszym życiu już od jakiegoś czasu. Przykładami wykorzystywania tej technologii są lodówki, umiejące same zamawiać dostawy artykułów spożywczych, lub pojazdy autonomiczne, które same planują sobie serwis. W obydwu tych przypadkach decyzje podejmowane są na podstawie przetwarzania danych na granicy procesu oraz Internetu, czyli na krawędzi sieci. Przemysł produkcyjny potrzebował trochę więcej czasu na wdrożenie swojej wersji tej technologii, zwanej Przemysłowym Internetem Rzeczy, jednak obecnie nadrabia zaległości. Poczyniono znaczne postępy, między innymi opracowano technologię przetwarzania danych na krawędzi sieci[1].
Obecnie jednym z głównych wyzwań dla firm przemysłowych jest to, w jaki sposób najlepiej wykorzystywać dane zbierane z urządzeń IIoT oraz systemów sterowania kontrolujących procesy produkcji. Dla wielu firm uzyskanie pełnej wartości z danych może być hamowane przez brak urządzeń o odpowiedniej mocy obliczeniowej, wymaganej do wydobycia z danych przemysłowych jak największej ilości praktycznych, dających się wykorzystać informacji.
Przetwarzanie danych na krawędzi sieci może pomóc w przeniesieniu urządzeń o odpowiedniej mocy obliczeniowej oraz do przechowywania danych bliżej miejsc, w których jest to potrzebne, czyli na przykład maszyn i urządzeń w fabrykach. Korzyści płynące z takiego rozwiązania to szybsze przetwarzanie danych, zwiększony poziom cyberbezpieczeństwa oraz optymalne wykorzystanie dostępnej przepustowości sieci.
Korzyści z przetwarzania danych na krawędzi sieci dla firm produkcyjnych
Największą korzyścią dla producentów z przetwarzania danych na krawędzi sieci oraz przemysłowej analityki danych jest możliwość wykorzystania olbrzymiej ilości danych generowanych w zakładach do optymalizacji procesów produkcyjnych. Firmy przemysłowe już przedtem wykorzystywały przetwarzanie brzegowe oraz analitykę danych do uzyskania dokładnej i efektywnej produkcji. Obecnie natomiast patrzą one na tę optymalizację z perspektywy niskiej ceny czujników, lepszej analityki danych oraz technologii uczenia maszynowego (ML), mając nadzieję na uzyskanie dodatkowych korzyści pod względem efektywności działania.
Umieszczenie komputerów o odpowiedniej mocy obliczeniowej w pobliżu obsługiwanych urządzeń daje jedną oczywistą korzyść – zwiększenie prędkości przesyłania danych od źródła do przeznaczenia, poprzez zmniejszenie opóźnień przesyłu. W przypadku przetwarzania danych na krawędzi sieci latencja jest znacznie zmniejszona w porównaniu z przesyłaniem danych ze źródeł do chmury obliczeniowej w celu ich przeanalizowania.
Jednak korzyści dla firm przemysłowych płynące z tej technologii zależą od konkretnego przypadku. Jeśli w zakładzie przemysłowym automatyka ma prawidłowo kontrolować przebieg procesów, odbierając sygnały z czujników i wysyłając sygnały do siłowników pneumatycznych czy silników elektrycznych, to wymagane jest tu sterowanie w czasie rzeczywistym, czyli błyskawiczny przesył danych w obie strony. Jeśli jednak w zakładzie potrzebna jest długotrwała optymalizacja procesów, wykonana na podstawie dogłębnej analizy trendów, to chmura będzie lepszym rozwiązaniem, ponieważ kluczową rolę odgrywa wtedy nie czas przesyłu, tylko potężne możliwości analityki danych w tym środowisku.
Jedną z głównych korzyści połączenia technologii chmury obliczeniowej oraz przetwarzania danych na krawędzi sieci jest możliwość wykorzystania chmury do trenowania modeli sztucznej inteligencji i uczenia maszynowego (AI/ML) przy wykorzystaniu danych z urządzeń IIoT. Modele te mogą być wykorzystywane na krawędzi sieci, co pozwala urządzeniom sterującym na szybsze reagowanie na zmiany w procesach.
Połączenia sieciowe z chmurą rodzą jednak pewne ryzyko dla bezpieczeństwa. Oznacza to, że cyberbezpieczeństwo musi być jednym z głównych czynników decydujących o wyborze komputera krawędziowego. Producenci urządzeń automatyki przemysłowej mogą dostarczać systemy, które zawierają wbudowane kompleksowe cyberzabezpieczenia opracowane na podstawie wieloletnich doświadczeń oraz wiedzy ekspertów. Przetwarzanie danych na krawędzi sieci pozwala też na większą skalowalność, co ma znaczenie, gdy firma przemysłowa się rozrasta i buduje nowe zakłady produkcyjne. Dzięki skalowalności sprzętu komputerowego instalacje mogą być łatwo rozszerzane, aby dostosować się do przetwarzania większej ilości danych oraz obsługi dodatkowych procesów.
Wybór konkretnego przypadku użycia przetwarzania danych na krawędzi sieci
Wielu potencjalnych klientów, zamierzających wdrożyć w swoich zakładach przetwarzanie danych na krawędzi sieci, bada obecnie rynek dostępnych urządzeń pod kątem wybrania właściwych dla realizowanych w zakładach operacji. Wiele przedsiębiorstw przemysłowych uzyskało już znaczne zwiększenie efektywności dzięki wykorzystaniu znaczących systemów automatyki. Jeśli takie przedsiębiorstwa zamierzają dalej modernizować swoje fabryki i zwiększać ich efektywność o dodatkowe procenty, to potrzebują nowych rozwiązań, które nie będą zagrażać tym już wdrożonym. Takie rozwiązania mogą znaleźć w technologiach IIoT oraz przetwarzania brzegowego.
Wykorzystanie urządzeń pracujących na krawędzi sieci zakładowej do przetwarzania danych i przesyłu wyników do chmury obliczeniowej ma duży potencjał. Może to być wykorzystane w szerokim zakresie konkretnych przypadków – w zakładach o różnym stopniu złożoności, dla procesów samodzielnych oraz wykonywanych w wielu zakładach jednego przedsiębiorstwa. Wyobraźmy tu sobie dużą firmę z branży wydobywczej. Kierownictwo tej firmy chce porównać doskonałość operacyjną, incydenty zagrażające bezpieczeństwu oraz statystykę utrzymania ruchu we wszystkich swoich kopalniach, traktując je jak „flotę”, którą zarządza się tak samo jak każdym innym zasobem. Jeśli firma ta posiada wiele zakładów i chce zoptymalizować realizowane operacje na różne sposoby lub zoptymalizować łańcuch wartości dla różnych fabryk albo transfer towarów pomiędzy fabrykami i zakładami, to powinna wykorzystać rozwiązanie oparte o chmurę.
Jeśli chodzi o sztuczną inteligencję, wykorzystywaną do przetwarzania danych IIoT, niektórzy producenci sprzętu preferują wykorzystywanie technologii AI oraz ML w chmurze, inni zaś przetwarzanie danych na krawędzi sieci. Istnieje również coś pośredniego – uczenie federacyjne[2]. Jest to technologia będąca kombinacją mniejszych aplikacji oraz możliwości uczenia się i optymalizacji za pomocą informacji uzyskiwanych z parku maszynowego. Właściwy wybór zależy od tego, jakie są cele danej firmy. Przetwarzanie danych na krawędzi sieci oraz w chmurze są równie ważne, zależnie od konkretnego przypadku.
Firmy, które zamierzają wykorzystać razem te technologie, są na dobrej drodze do uzyskania zintegrowanego systemu, który czerpie korzyści z całego bogactwa danych technologii cyfrowej, szybkiego przetwarzania danych na krawędzi sieci oraz głębokiej analizy danych i możliwości uczenia maszynowego w chmurze.
Pięć sposobów uzyskania większej efektywności ze wdrożenia połączenia technologii przetwarzania danych na krawędzi sieci oraz Przemysłowego Internetu Rzeczy
W przyszłości najwięcej sukcesów osiągną te firmy, które wdrożą efektywną strategię przetwarzania danych z zakładu na krawędzi sieci oraz w chmurze, dzięki której zebrane dane zostaną szybko, efektywnie i tanio przetworzone na użyteczne informacje. Będą one zawsze udostępniane w całym przedsiębiorstwie osobom, które ich potrzebują.
Poniżej podajemy pięć zaleceń, które mogą pomóc firmom przemysłowym w osiągnięciu tych celów i zapewnić oczekiwany zwrot z inwestycji w opisywane technologie.
1. Rozpoczęcie działań od przeanalizowania możliwości uzyskania konkretnych korzyści we własnym zakładzie z przetwarzania danych na krawędzi sieci
Przy rozpoczynaniu działań związanych z przetwarzaniem danych na krawędzi sieci należy przeanalizować sytuację we własnym zakładzie. Zorientować się, skąd pochodzą dane (z inteligentnych urządzeń i/lub systemów sterowania), jakie są możliwości przesyłu danych w sieci oraz ilości danych wymaganych do przetwarzania danych na krawędzi sieci w porównaniu z przetwarzaniem w chmurze. Zapewni to, że aplikacje wykorzystujące do sterowania dane czasu rzeczywistego będą hostowane w pobliżu źródeł tych danych, co zapewni ich szybkie przetwarzanie. Takie rozwiązanie pozwala na uzyskanie niskich opóźnień czasowych przesyłu oraz najkrótszych z możliwych czasów reakcji na zmiany w procesach. Natomiast pozostała analityka danych odbywa się w chmurze, a wyniki są łatwo udostępniane dla wszystkich zakładów firmy.
2. Wybór przetestowanego i zweryfikowanego rozwiązania
Wielką zaletą przetwarzania danych na krawędzi sieci jest jego skalowalność. Takie elementy jak nowe węzły lub urządzenia na krawędzi sieci mogą być dodawane później w miarę potrzeb, gdy zakład będzie rozbudowywany. Uzyskanie tego powinno być jak najłatwiejsze poprzez wybór takich rozwiązań, które pozwalają na łatwe połączenia sieciowe pomiędzy urządzeniami a systemami oraz bezproblemowe połączenie funkcji technologii informatycznej (IT) z technologią operacyjną (OT), co pozwoli na uzyskanie większych ilości praktycznych informacji z generowanych danych. Szybkie wdrażanie nowych aplikacji, przynoszących wartość dla firmy, także powinno być łatwe.
Jeśli chodzi o wybór odpowiednich technologii dla projektu wdrożenia połączonych technologii przetwarzania danych na krawędzi sieci oraz IIoT, opłacalne jest wybieranie rozwiązań wstępnie przetestowanych i zweryfikowanych pod względem możliwości współpracy. Przy takim podejściu łatwiej będzie zapewnić, że rozwiązanie IIoT przetwarzania danych na krawędzi będzie mogło być wdrożone i/lub szybko przeskalowane w górę przy minimalnym ryzyku potencjalnych błędów, spowodowanych przez technologie, które albo nie zostały przetestowane, albo nie są kompatybilne.
3. Zrozumienie różnic pomiędzy przetwarzaniem danych na krawędzi a w chmurze oraz dopasowanie ich do własnych potrzeb
Co prawda niektóre osoby uważają, że przetwarzanie danych na krawędzi sieci zastąpi chmurę, jednak rzeczywistość jest taka, że obydwie technologie służą do innych celów i żadna nie dominuje nad drugą. I znów przeanalizowanie konkretnego przypadku w zakładzie oraz tego, w jaki sposób same dane będą wykorzystywane, pomoże w dokonaniu wyboru.
Podstawowe różnice pomiędzy tymi dwoma technologiami stanowią przepustowość i opóźnienia przesyłu danych oraz dostępność sieci. Główne przyczyny wyboru przetwarzania danych na krawędzi sieci zamiast w chmurze są związane z wymaganą wydajnością. Przetwarzanie brzegowe jest idealne dla aplikacji czasu rzeczywistego, w których wymagana jest szybka reakcja na zmiany. Natomiast przetwarzanie danych w chmurze jest idealnym rozwiązaniem dla aplikacji wymagających scentralizowanego zbierania i analizowania złożonych danych, przy czym czas odgrywa mniej istotną rolę.
4. Analiza cyberbezpieczeństwa oraz integralności danych
Dane, które służą jako zbiór wiedzy praktycznej, idei oraz operacji firmy, są najbardziej wartościowym zasobem i muszą być chronione. W projektowaniu rozwiązania IIoT na krawędzi sieci oraz wyborze właściwej firmy partnerskiej, która pomoże w realizacji wdrożenia, cyberbezpieczeństwo oraz prywatność danych muszą być najwyższym priorytetem. To bezpieczeństwo powinno rozciągać się na wszystkie poziomy, zapewniając niezawodną ochronę przed cyberinfiltracją i nieautoryzowanym dostępem oraz zapewniając integralność i poufność danych dotyczących fabryki dzięki nieodłącznym cechom zabezpieczeń. Dostawca cyberzabezpieczeń powinien także umieć pomóc w utrzymaniu poufności danych, dostarczając pełną transparentność na temat tego, w jaki sposób są one wykorzystywane i zapisywane oraz zapewniając, że nic nie zostanie ujawnione stronom trzecim bez uprzedniej zgody.
Inną ważną sprawą jest tu zapewnienie, że dostawca sprzętu do przetwarzania danych na krawędzi sieci będzie mógł zagwarantować ciągłą ochronę przed potencjalnymi cyberzagrożeniami. Ochrona ta powinna polegać na dostosowywaniu sprzętu i oprogramowania do najnowszych standardów cyberbezpieczeństwa.
5. Znalezienie właściwego dostawcy sprzętu komputerowego do przetwarzania danych na krawędzi sieci lub wyspecjalizowanej firmy partnerskiej
Znalezienie właściwego dostawcy sprzętu komputerowego do przetwarzania danych na krawędzi sieci czy wyspecjalizowanej firmy partnerskiej do współpracy może być kluczem do sukcesu we wdrożeniu IIoT na krawędzi sieci. Przy tych poszukiwaniach należy kierować się ustanowionym i sprawdzonym portfolio rozwiązań oferowanych przez firmy, obejmującym produkty i aplikacje, które mogą być zintegrowane, aby współpracowały ze sobą. Dostawca czy partner powinien także umieć zademonstrować historię swoich udanych wdrożeń i pomocy klientom w takich samych lub podobnych do naszej branżach przemysłu oraz aplikacjach.
Christian Johansson, globalny menedżer produktów cyfrowych ABB Process Control Platform.
[1] przetwarzania brzegowego; ang. edge computing.
[2] skojarzone; ang. federated learning.