Sieć rzeczy i komputerów nigdy się nie zatrzymuje

Nieodzowne współcześnie w automatyce przemysłowej, w kontroli procesów, w pozyskiwaniu danych, w interfejsach człowiek-maszyna, komunikacji sieciowej i w wielu innych dziedzinach aktywności industrialnej. Ekosystem komputerów przemysłowych, najczęściej z wykorzystaniem oprogramowania w architekturze SCADA i kontrolerów PLC, musi cechować się wysoką niezawodnością i stabilnością. Nierzadko działa w trudnych warunkach i musi wytrzymać ekstremalne temperatury, wilgotność, wibracje i kurz – a w dodatku wymagania co do wydajności wciąż rosną.

Posłuchaj
00:00

W ciągu ostatnich kilkunastu lat kluczowym nurtem w transformacji sektora produkcyjnego stał się rozwój Przemysłowego Internetu Rzeczy (IoT), który niesie ze sobą znaczną poprawę produktywności, bezpieczeństwa i ochrony zakładów. Rozwiązania tego typu wymagają szybkiego przetwarzania w chmurze (cloud computing). W toku prac nad nowymi koncepcjami dość szybko okazało się, że sama chmura w tych systemach nie spełnia wszystkich wymagań. W dążeniu do dalszego podniesienia wydajności i szybkości zaczęto rozwijać techniki przetwarzania brzegowego -  edge computing.

Magazyn „Forbes” w prognozie opublikowanej w 2018 r. przewidywał, że do 2025 r. do Internetu Rzeczy podłączonych zostanie ponad 80 miliardów urządzeń – od urządzeń eksploatacyjnych i smartfonów, po moduły przemysłowe i inteligentne czujniki miejskie. Statystyki opublikowane w 2024 r. wykazują wprawdzie, że liczba rzeczy w IoT jest czterokrotnie mniejsza i być może w 2025 r. przekroczy dopiero 20 mld, jednak to wciąż ogromna masa, czterokrotnie przewyższająca liczbę ludzi korzystających globalnie z Internetu.

Gdzie widać przewagę przetwarzania brzegowego?

Mechanizm chmury obliczeniowej staje się niepraktyczny przy miliardach podłączonych urządzeń, gdy sieci ciążą narastające opóźnienia. Przetwarzanie brzegowe oferuje rozwiązanie tych problemów. Opóźnienia redukowane są w nim dzięki przetwarzaniu danych bliżej urządzeń, w lokalizacjach, w których są one potrzebne, czyli na „skraju” czy „krawędzi” (ang. „edge”) sieci, a nie w odległej chmurze. Wartość edge computingu polega na tym, że aplikacje reagują bardzo szybko, redukując opóźnienia.

Przykładem wykorzystania wszystkich współczesnych rozwiązań do zbierania, analizy i użycia danych jest największy port Europy w Rotterdamie. Dziś wykorzystuje on technologię tzw. cyfrowych bliźniaków, czyli wiernych cyfrowych kopii, zarówno nieruchomości, jak ruchomości na terenie portu, oraz przetwarzanie edge computing.

Kolejna ilustracja ekspansji przetwarzania brzegowego to modułowe centra danych Thyssenkrupp Steel, dostarczone przez firmę Rittal. Ford wykorzystuje komputery brzegowe z AI do kontroli jakości spawów w swoich fabrykach, gdzie kamery wysokiej rozdzielczości w połączeniu z lokalnymi procesorami AI analizują w czasie rzeczywistym jakość łączeń, wykrywając nawet najdrobniejsze defekty. BMW z kolei wdraża systemy predykcyjne utrzymania ruchu oparte na czujnikach wibracji i temperatury z wbudowanymi procesorami, które analizują dane bezpośrednio na miejscu.

Poza branżą motoryzacyjną nowe techniki tego typu pojawiają się w sektorze energetycznym i w innych branżach. Siemens oferuje rozwiązania dla farm wiatrowych, w których każda turbina wyposażona jest w komputer brzegowy analizujący dane z czujników i optymalizujący pracę w czasie rzeczywistym. General Electric wykorzystuje edge computing w elektrowniach do monitorowania stanu turbin. Przedsiębiorstwo logistyczne DHL wdrożyło systemy sortowania paczek oparte na AI i przetwarzaniu brzegowym, co przyspiesza proces sortowania o 25%. W górnictwie Rio Tinto stosuje komputery brzegowe do sterowania autonomicznymi pojazdami górniczymi. Także Intel wdrożył systemy predykcyjnego utrzymania ruchu oparte na edge computingu w swoich fabrykach.

Wzmiankowana kilka razy koncepcja komputera brzegowego AI, łączącego moc sztucznej inteligencji z technikami przetwarzania Edge, korzysta zazwyczaj z procesorów mocniejszych niż tradycyjne jednostki przemysłowe. Są to np. Intel Xeon, GPU firmy NVIDIA Tesla lub specjalne układy z akceleracją AI (Google Edge TPU i NVIDIA Jetson). Chodzi o to, by efektywnie przetwarzać wielkie modele AI i duże ilości danych.

Do zadań nowej generacji komputerów przemysłowych, przetwarzających na krawędzi i wykorzystujących algorytmy AI, należą obecnie m.in. predykcyjne utrzymanie ruchu oparte na analizie danych w czasie rzeczywistym, obsługa cyfrowych bliźniaków, procesów produkcyjnych, zarządzanie autonomicznymi systemami kontroli jakości, a także optymalizacja zużycia energii w zakładach przemysłowych. Liczba zadań i wyzwań rośnie nieustannie – tak jak konkurencja, która nigdy się nie zatrzymuje i nie odpuszcza.

Anzelm Zawrzykraj

Zobacz więcej w kategorii: Gospodarka
Roboty
Roboty wojskowe
Zasilanie, aparatura nn
Magazyn energii PGE
Aktualności
Rośnie popyt na maszyny budowlane
Aktualności
Nowy projekt Tauronu
Przemysł 4.0
Siemens zwiększa inwestycje w USA o ponad 10 miliardów dolarów
Pomiary
Rynek czujników położenia - 19 mld dolarów w 2030 roku
Powiązane treści
Systemy przetwarzania brzegowego z konsolidacją obciążeń
Wysokowydajne rozwiązania dla centrów danych brzegowych
Moc przetwarzania brzegowego - Edge Data Center Rittal

Poradnik doboru rozwiązań drukujących - drukarki mobilne, stacjonarne i przemysłowe

Jak dobrać drukarkę do zastosowań w logistyce, przemyśle czy handlu? Na co zwrócić uwagę, jeżeli chodzi o cechy i funkcje urządzenia? Jak zapewnić wysoką niezawodność pracy oraz trwałość systemu drukującego? A co z oprogramowaniem? W artykule odpowiadamy na powyższe pytania, przedstawiając przykłady nowoczesnych urządzeń drukujących, które z powodzeniem sprawdzają się w wymienionych zastosowaniach.
Zapytania ofertowe
Unikalny branżowy system komunikacji B2B Znajdź produkty i usługi, których potrzebujesz Katalog ponad 7000 firm i 60 tys. produktów