首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >为什么边缘计算对工业物联网至关重要

为什么边缘计算对工业物联网至关重要

作者头像
CloudBest
发布2019-08-09 15:47:05
6340
发布2019-08-09 15:47:05
举报
文章被收录于专栏:CloudBestCloudBest

20世纪50年代印刷电路板(PCB)的发明改变了自动化的世界。在PCB之前,电子电路板是手工组装的,这是一个生产力极其有限的生产过程。今天,随着制造过程中各种仪器的引入和边缘计算的使用,工业正在经历另一次革命性的飞跃。

制造过程的仪器设备涉及许多传感器和微控制器,它们可以快速响应传感器检测到的环境变化,从而巧妙地改变制造条件。这些传感器产生大量数据,但微控制器无法直接响应这些数据。

制造仪器中使用的传感器和微控制器基本上都是小型联网计算机。传感器将其数据发送到中心位置,然后由中心位置的计算机分析数据。这些小型自主计算机不是人类实时监控的,而是物联网(IoT)的一部分。更确切的说,在制造环境中,它们是工业物联网(IIoT)设备。

IIoT制造仪器用例

IIoT设备用于多种环境中,去做人类不能完成的工作。例如焊缝检查,焊接是许多电子生产线不可或缺的一部分,对最终产品的功能性和耐用性至关重要,如果仅靠人类肉眼去检查,精确度上是远远不够的。

然而,现在制造商被要求在越来越小的部件上进行焊接,限制越来越严格。为了保护元件,焊接必须在尽可能低温和尽可能小的电荷条件下进行。

IIoT设备有助于改善焊接过程中的诸多因素,比如热量,电压和压力传感器,以确定在当前环境条件下执行焊接所需的最小电流。IIoT摄像机还可以提供基于机器学习的可视焊缝检测系统,以验证焊缝是否令人满意。

制造仪器设备可以使任何制造业——不仅仅是电子制造业,更精确,生产误差更少,所需的人员也更少。但制造这种仪器并不容易,特别是考虑到现代制造供应链的复杂性。

数十年来,信息技术(IT)团队一直在使用仪器设备。在软件中构建传感器的成本并没有在硬件中那么高。因此,各种操作系统,应用程序和IT设备都充满了传感器。随着传感器的增加,在现代微型计算机存在之前,IT团队一直在努力应对传感器产生的数据。

海量数据,更少的处理时间

在真实世界中,任何基础设施所产生的信息远比个人能够处理的要多。即使是一个普通的IT基础设施,也不能期望用庞大的工作团队梳理所有数据。IT领域内存在专门处理大数据量的技术,包括从简单的过滤器到复杂的人工智能(AI)和机器学习(ML)。

直到最近,大多数IT团队听到了一个好消息。传感器发出的信息被收集后并发送到一个中心位置,数据将被集中处理,只有重要的数据才会被转发给系统管理员。这个过程只需要几秒或几分钟,这种短暂的IT中断通常是可以接受的。

但随着世界各地的组织越来越依赖于他们的IT,他们可接受的IT中断时间显著减少。对于许多组织而言,目前可接受的反应时间远远低于人类可能达到的水平。因此,很多先进的组织在现代IT系统中都引入了强大的AI和ML套件,使他们的IT基础设施在管理员还没有意识到问题之前,就会对传感器数据所报告的变化作出反应。

正如人们想象的那样,现代制造商正在寻找一种能够比人类响应更快的制造仪器设备解决方案。虽然现在的传感器能够读取数据,对一些已出现的问题有点帮助,但它远不如那些对现实环境做出实时响应的传感器。

IT仪器与制造仪器

两者之间的区别在于IT仪器相对容易,它是从已经完全数字化的设备收集有关IT基础架构和应用程序的数据。而制造仪器更具挑战性。制造仪器中使用的IIoT设备收集有关物理世界的数据。这意味着不仅要收集模拟数据而且要将其数字化。并且物理传感器需要校准,随着时间的推移,它们会磨损。物理传感器通常也以群集方式部署,以便可以进行群体感测。

群体感应使用多个独立传感器以补偿校准漂移或传感器故障。如果群集中的一个传感器报告的数据与其伙伴的不同,则可以忽略或标记该数据以进行重新校准。这使得制造业可以继续使用已知良好的传感器,直到故障传感器可以重新校准或更换。

模拟传感技术的复杂性,再加上制造商对传感器数据实时响应的迫切要求,给制造仪器带来了现实的挑战。

云计算能解决所有问题吗?

云计算和BDCA

云计算允许组织只需按一下按钮即可访问庞大的IT基础架构。虽然云计算背后的原因众多且复杂,但最重要的可能是云计算允许IT团队在不必管理或维护底层IT基础架构的情况下运营IT工作负载。云提供商为他们处理该部分。

事实证明,云计算对批量数据计算分析(BDCA)工作负载非常有用。有许多类型的BDCA工作负载,包括AI,ML,大数据等; 收集大量数据和分析的内容都是BDCA工作量。在过去几年中,云计算已成为大多数新BDCA项目的首选手段。

云计算用于BDCA工作负载的主要是原因是云概念的爆发。云工作负载(例如用于分析大型数据集的计算工作负载)可以根据需要和所需的任何规模进行调整。这一点很适合BDCA工作负载,因为大多数BDCA工作负载只需要按照设定的时间表生成分析。月末报告就是一个流行的用例。

但是,规模经济意味着传统的公共云都位于中心。这使得公共云供应商能够在成本最低的地方安置他们的数据中心,简单地建造大型数据中心。虽然对批处理作业样式的BDCA工作负载很有用,但是对于需要实时响应的工作负载来说,这一点并没有什么帮助。

为了解决这个问题,开发了边缘计算。

边缘计算

边缘计算可以认为是另一种云计算,但它是一种靠近边缘的计算。边缘计算的发展是因为传统公共云计算对一些工作负载无法提供低延迟响应。当然IT团队完全有能力创建这样的基础架构,但他们根本不希望自己处理这些问题。为了满足客户的需求,公共云提供商会将服务器安装到相关组织的数据中心。这使得组织的IT团队可以执行工作负载,这些工作负载看起来与公共云提供商为其创建的区域完全相同,但与其他工作负载位于同一局域网(LAN)上。

这些“边缘计算”服务器允许物联网传感器数据的处理和操作速度远远快于原来的数据传输速度。因为以前传感器数据需要传输到公共云数据中心,进行处理,然后将结果传回互联网,延迟时间较长。

使用案例:无人驾驶汽车的实时数据

无人驾驶汽车是边缘计算一个很好的例子。云计算可以帮助无人驾驶汽车收集特定区域内所有汽车的传感器信息,处理数据,并向这些汽车发送一张地图,显示每个人和所有东西在给定半径内的位置。这可以让这些车在拐角处看到,使它们更安全。

然而,即使在光速下,将信息从汽车发送到公共云并再次返回可能也需要四分之一秒。当涉及到汽车时,人们可能会在四分之一秒内死亡。因此,通过将相关服务器放置在汽车驾驶区域内的几个街区,可以使数据处理更接近汽车。

同样,制造业可以利用边缘计算来实现所需的仪器。但是,制造业有其自身的曲折和转折,这不仅使边缘计算对过程更为关键,而且还必须面临一些挑战。

为何在制造业中使用边缘计算?

边缘计算与制造公司有一个共同点就是对实时响应的需求。当试图在快速移动的生产线上将制造缺陷保持在接近零时,可以充分利用传感器集群。如果单个传感器出现故障,传感器集群可以进行分组感知,然后重新校准。但是,必须非常快速地进行重新校准,以免破坏生产线。

如果通过互联网发送传感器数据需要100或250毫秒,那么线路上的产品可能会丢失,或者设备可能会损坏。但是,如果数据可以在本地处理,大约需要5毫秒,那么制造商可以实时重新校准传感器或根据环境条件改变制造设备设置。

传感器过载

边缘计算“火”的另一个原因是,制造仪器设备中可能涉及到大量难以控制的传感器。这不仅会使网络容量不堪重负,而且会产生大量的数据,但这些数据并不是完全需要的。因此,在只对需要发送的数据在转发之前对数据进行筛选是很有用的。

数据量过大或者需要某种形式的过滤这些情况是很常见的,在这种情况下,传感器用于解决校准或老化问题。这里,如果有一个传感器与其他附近传感器读数不一致,那么这个传感器上的数据可视为无效。一个完全仪器化的工厂可能包含数百万个单独的传感器,也可能比预期的要多得多。

在用于制造的其他边缘计算配置中,存在一些仅在本地使用的传感器。这可能是因为它们用于实时响应,或者仅在本地相关。

合同制造商

边缘计算在合同制造商(简称CM 包括电子制造服务(EMS)与原始设计制造(ODM)公司,属于对经济不景气非常敏感的一类企业,因为这些厂商的可见度和计划有限,难以超越下一批客户订单。)中也很有用。CM拥有独立于原始设备制造商(OEM)的IT解决方案。然而,许多原始设备制造商都看到了边缘计算对整个供应链的好处,甚至包括已经外包的那些部分。

在这种情况下,OEM公司可以使用边缘计算将其部分网络挤出到CM的网络中。OEM的IT团队可能会将服务器放入CM的网络中,该网络连接到OEM的私有云。与IIoT传感器相结合,这些边缘计算服务器使CM能够满足OEM的仪器化和供应链要求,而不会冲击CM自己的网络,也无需要对CM的网络设计进行根本性的更改。

边缘计算使OEM能够使用统一的界面和集成的应用程序查看其整个供应链和制造操作,无论该组件是在OEM设施中制造还是在CM中制造。这种一致性使得培训和支持CM变得更容易,因为每个人都使用相同的工具链。

总结

云计算已经存在十多年了,它经常作为解决所有IT问题的解决方案推向市场。边缘计算有两个主要用途:在本地处理大量不可能通过Internet发送的数据,从噪声中提取信号,并提供在需要延迟的地方本地处理特定事物的能力。这两种方法对越来越依赖仪器的制造企业很有用。(来源:SDNLAB)

如有转载需求,欢迎与"editor@cloudbest.cn"联系或文章下面留言。已经授权使用作品的,应在授权范围内使用,并注明“来源:CloudBest”。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-08-05,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数字科智 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档