Edge Computing dans la fabrication : Guide complet pour les fabricants

Voici ce que nous aborderons dans cet article approfondi sur l'edge computing dans la fabrication. Sélectionnez un lien si vous souhaitez accéder à une section particulière :

• Introduction à l'Edge Computing dans la fabrication
• Qu'est-ce que l'Edge Computing ?
• Qu'est-ce qu'une plateforme Edge Computing ?
• Qu'est-ce qu'un dispositif Edge ?
• La relation entre Edge et Cloud
• Cas d'utilisation de l'Edge Computing dans la fabrication
• Comment le paysage de la connectivité dans la fabrication évolue

Introduction à l'Edge Computing dans la fabrication

Le cadre de l'edge computing s'impose rapidement dans une variété d'industries à mesure que les dispositifs Internet of Things (IoT) deviennent plus courants. L'un des cas d'utilisation les plus prometteurs de l'edge computing est dans la fabrication, où ces nouvelles technologies peuvent potentiellement conduire à des gains massifs de productivité.

Bien que l'IoT prouve déjà être un facteur critique sur le terrain d'usine, les organisations cherchent maintenant à améliorer davantage la réactivité de leurs systèmes de fabrication. Pour y parvenir, ces organisations adoptent la fabrication intelligente avec l'edge computing comme principal facteur d'activation.

La fabrication intelligente envisage un avenir où l'équipement d'usine peut prendre des décisions autonomes basées sur ce qui se passe sur le terrain d'usine. Les entreprises peuvent plus facilement intégrer toutes les étapes du processus de fabrication, y compris la conception, la fabrication, la chaîne d'approvisionnement et les opérations. Cela facilite une plus grande flexibilité et réactivité lors de la participation à des marchés concurrentiels. Permettre cette vision nécessite une combinaison de technologies connexes telles que l'IoT, l'IA/apprentissage automatique et l'Edge Computing.

L'avantage clé de la collecte d'analyses à la périphérie du réseau est la capacité d'analyser et d'agir sur des données en temps réel sans les coûts de bande passante liés à l'envoi de ces données hors site (vers le cloud ou le centre de données) pour analyse. La fabrication est sensible au temps en termes d'évitement de la production de composants hors spécifications, de temps d'arrêt d'équipement, de blessure ou de mort des travailleurs. Pour des tâches plus complexes et à plus long terme, les données peuvent être envoyées au cloud et combinées avec d'autres formes de données structurées et non structurées. En conséquence, l'utilisation de ces deux cadres de calcul distincts n'est pas mutuellement exclusive, mais plutôt une relation symbiotique qui tire parti des avantages de chacun. Ci-dessous, nous approfondissons les cas d'utilisation et la relation entre cloud et edge dans la fabrication.

D'abord, nous définirons les composants d'un cadre edge computing.

Qu'est-ce que l'Edge Computing ?

L'edge computing est un cadre de calcul distribué qui rapproche le calcul et le stockage des données de la source des données, améliorant ainsi le temps de réponse et économisant la bande passante.

Simplement mis, l'edge computing consiste à prendre du code qui s'exécute dans le cloud et à l'exécuter sur ou près des dispositifs locaux. Les exemples incluent les dispositifs passerelle (tels que MachineMetrics Edge) ou même un PC situé à côté d'équipements compatibles IIoT.

Avec l'edge computing, moins de données doivent être transmises au cloud. Cela est particulièrement utile pour la collecte de données à haute fréquence utilisées pour exécuter des algorithmes d'apprentissage automatique. Puisque ces données peuvent être traitées à la périphérie, elles peuvent être agies immédiatement. En revanche, si ces données à haute fréquence devaient être transmises au cloud, traitées, puis agies, il y aurait un effet de latence. L'edge computing résout ce problème.

Pour comprendre l'edge computing, il aide à considérer une solution IoT comme ayant généralement trois composants :

• Objets comme les dispositifs IoT, qui génèrent des données de capteurs.
• Insights que vous extrayez de ces données.
• Actions que vous effectuez basées sur ces insights pour délivrer une certaine valeur.

Avec l'edge computing, vous déplacez les composants insights et actions du cloud vers le dispositif. En d'autres termes, vous apportez une partie du code directement dans le dispositif, qui est utilisé pour traiter et extraire des insights des données et effectuer une action en réponse.

Dans la fabrication, les objets peuvent être des machines ou équipements sur votre atelier. Les insights pourraient donc être des données machines en temps réel. Et un exemple d'action peut être une machine mettant en pause son opération en raison d'une rupture d'outil anticipée.

Qu'est-ce qu'une plateforme Edge Computing ?

Une plateforme edge conçue pour la fabrication vous permet de collecter des données depuis des systèmes industriels comme les API, les systèmes de contrôle numérique, les capteurs ou les historiens et d'exécuter des applications localement sur les données, telles que le traitement d'événements, l'analyse prédictive, les modèles d'apprentissage automatique, et plus encore – le tout dans un déploiement "offline first".

Les plateformes edge computing gèrent les applications, les dispositifs et les connexions qui opèrent à la périphérie d'un réseau. Ici, les dispositifs edge et les équipements connectés ("objets") peuvent communiquer et effectuer des tâches à un rythme plus rapide que ceux atteints avec le cloud computing pur.

Gérer de nombreux dispositifs edge peut être une tâche ardue. Une plateforme de gestion edge centralisée atténue ce problème en connectant les nombreux dispositifs edge disparates pour assurer une gestion appropriée de l'ensemble du réseau. Par exemple, avec une plateforme edge computing, les fabricants peuvent pousser des mises à jour de sécurité sur tous les dispositifs edge et dépanner si nécessaire.

Dans un sens, les plateformes edge computing rapprochent simplement les ressources de calcul d'un cloud des sources de données. Ainsi, les plateformes edge font simplement le travail d'une plateforme de cloud computing, mais à la périphérie. Cela réduit la charge sur les ressources de cloud computing et réduit la latence des données entre le dispositif edge et l'équipement. Si l'apprentissage automatique et l'IA sont la voie de l'avenir, la vitesse à laquelle les données peuvent être stockées et analysées est vitale.

Qu'est-ce qu'un dispositif Edge ?

Les dispositifs edge sont des équipements qui gèrent le flux de données entre un réseau local et le cloud. Ils agissent comme une passerelle entre les équipements connectés sur un réseau local et la plateforme logicielle utilisée pour analyser les données.

Dans le contexte de la fabrication intelligente, les dispositifs edge fournissent plus qu'un lien entre réseaux séparés. Ils incluent également des fonctionnalités pour améliorer la sécurité IoT et la conversion d'analyses. Pour développer cela, les dispositifs edge traduisent des données autrement incompatibles (si vous aviez différents protocoles par exemple) afin que les données de différentes sources puissent être agrégées et comprises dans le cloud.

Le MachineMetrics Edge connecte facilement les machines au service cloud MachineMetrics en utilisant le WiFi, la connectivité cellulaire ou une connexion Ethernet.

La distance physique avec un réseau traditionnel signifie des temps de transmission plus longs pour les gros paquets de données. Les dispositifs edge permettent aux réseaux de données provenant des machines d'être beaucoup plus proches de l'endroit où les données sont stockées et analysées. Cela permet un retour d'information beaucoup plus rapide vers l'utilisateur, ce qui est essentiel pour des cas d'utilisation comme l'analyse prédictive en temps réel. Les dispositifs edge et l'edge computing placent plus de stockage et de puissance analytique pour consommer et agir sur les données, juste à l'emplacement de la machine.

À mesure que les infrastructures IoT gagnent en complexité (c.-à-d. plus d'emplacements d'usines, de dispositifs et de réseaux), le besoin d'agrégation et de traitement des données reste important. Cependant, le défi est que les dispositifs à la périphérie souffriront de communications à haute latence avec la plateforme de cloud computing.

C'est ce que les dispositifs edge et les plateformes edge computing travaillent à résoudre.

La relation entre Edge et Cloud

Nous avons un article complet sur la différence entre l'edge computing et le cloud computing dans la fabrication, donc nous resterons brefs.

L'edge et le cloud sont deux technologies distinctes, mais elles sont souvent utilisées en tandem en raison de leurs forces compensatrices. Au cœur de la relation, l'edge computing traite et agit sur les données qui sont sensibles au temps, tandis que le cloud computing agrège les données dans un emplacement centralisé qui n'aura pas besoin d'être agi en temps opportun.

Dans une infrastructure IIoT complète, les fabricants peuvent utiliser à la fois l'edge pour la collecte de données en temps réel, l'analyse prédictive et la prise de décision autonome, et le cloud pour l'analyse agrégée des données, le benchmarking et l'analyse des tendances.

Ces avantages et inconvénients se poursuivent :

Cas d'utilisation de l'Edge Computing dans la fabrication

Discutons maintenant des raisons pratiques pour l'utilisation de l'edge computing dans la fabrication. Il existe une variété d'avantages commerciaux à garantir que tous les réseaux sont correctement connectés au cloud tout en étant capable de délivrer de puissantes ressources de calcul à la périphérie.

• Amélioration de la disponibilité des équipements : Une défaillance dans un sous-système, un composant ou l'impact de l'exécution d'un composant dans un état dégradé, par exemple, peut être prédite en temps réel, continuellement affinée à mesure que plus de données sont analysées, et utilisée pour améliorer l'utilisation opérationnelle et la planification de la maintenance.
• Réduction des coûts de maintenance : Une analyse améliorée de la maintenance nécessaire signifie également que plus de réparations peuvent être effectuées dès la première visite en donnant aux mécaniciens des instructions détaillées sur les causes d'un problème, l'action nécessaire et les pièces requises — réduisant le coût de réparation.
• Stock de pièces de rechange réduit : Les modèles d'analytics edge peuvent être adaptés aux exigences d'un dispositif ou système individuel. Cela pourrait signifier la lecture de capteurs directement associés à certains composants et/ou sous-systèmes. Guidé par la valeur commerciale souhaitée par l'organisation, le modèle edge peut ensuite définir comment le dispositif ou le système doit être configuré de manière optimale pour atteindre un objectif commercial, rendant un inventaire de pièces de rechange largement plus efficace à un coût minimal.
• Prévention des pannes critiques : En acquérant, surveillant et analysant les données concernant les composants, l'analytics edge peut identifier une cause avant que son effet ne se matérialise, permettant une détection et une prévention plus précoces des problèmes.
• Surveillance basée sur l'état : Avec la convergence de l'IT et de l'OT, les fabricants peuvent accéder aux données machines, leur permettant de surveiller l'état de leurs équipements sur l'atelier même s'ils utilisent des équipements existants.
• Nouveaux modèles d'affaires : Peut-être le plus important, l'analytics edge peut aider à façonner de nouveaux modèles d'affaires pour saisir de nouvelles opportunités. Par exemple, il peut améliorer les systèmes de gestion des pièces just-in-time en utilisant une analyse d'auto-surveillance qui prédit quels composants vont tomber en panne et quand — déclenchant des notifications de remplacement de pièces tout au long de la chaîne de valeur. Cela permet la création d'un calendrier de maintenance "selon les besoins", réduit les temps d'arrêt et l'inventaire de pièces, et aboutit à un modèle plus efficace.

Comment le paysage de la connectivité dans la fabrication évolue

Nous savons que le but de l'IoT industriel est d'appliquer des analyses avancées à de vastes quantités de données machines, dans le but de réduire les temps d'arrêt non planifiés, de réduire le coût global de la maintenance des machines et d'exploiter les capacités d'apprentissage automatique. Le cloud a été instrumental pour rendre ce type d'acquisition massive de données, de transfert et d'analyse possible.

L'edge computing et l'analytics ne font que pousser ce concept à un nouveau niveau en réduisant la distance physique entre les machines et le traitement des données lui-même. Pour les entreprises réparties sur de grandes distances et acquérant des données de nombreuses sources, cette proximité aide à faire face à plusieurs réalités :

• Problèmes de connectivité liés à la distance ainsi que le coût du transfert massif de données continu vers un emplacement centralisé.
• Disponibilité des analyses à un niveau opérationnel, permettant aux utilisateurs à plusieurs niveaux de prendre des décisions rapidement.
• Disponibilité des données en temps réel, pour une prise de décision plus rapide (et même autonome).
• Garantir la sécurité des données et l'intégrité du réseau.

Toutes ces réalités, une fois traitées par l'edge computing, permettent aux fabricants de réduire les coûts et d'augmenter l'efficacité. De plus, les fabricants peuvent maintenant avoir un transfert de données fiable avec peu d'erreurs et de risques pour la sécurité. Sans parler du fait que cela permet également la personnalisation et la fabrication de petites séries avec la même valeur qu'une production à grande échelle. Avec l'edge computing, tout cela est disponible avec une maintenance flexible et simplifiée de tous les dispositifs.

Lorsque la vitesse des données est l'ordre du jour et que la connectivité doit être solide, l'edge sera la solution vers laquelle les fabricants devraient se tourner. L'application d'algorithmes d'IA et d'apprentissage automatique pour visualiser, diagnostiquer et prédire les problèmes en temps réel est un objectif qui peut être plus facilement accompli avec la proximité, la vitesse et un réseau solide. Les visualisations en temps réel et les notifications prédictives permettent à votre équipe de prendre des mesures correctives immédiates et de maintenir vos machines en marche sans craindre de manquer des données cruciales.

La fabrication industrielle est au bord d'une révolution grâce au potentiel de l'edge computing. Combiné avec une nouvelle génération de dispositifs edge IoT intelligents, les applications d'edge computing transformeront complètement la fabrication dans les décennies à venir pour conduire une meilleure efficacité et productivité tout en contrôlant les coûts.