Edge computing vil endre produksjonsindustrien

Kantenheter kan med riktig opplæring og ekspertise hjelpe produsenter med å gjennomføre forebyggende vedlikehold, noe som bidrar til færre ulykker og driftsavbrudd ved anlegget.

De fleste kan si seg enig i at det er lurt å bruke data til å forbedre produksjonsoperasjoner. Likevel synes jeg det er interessant at mange fortsatt foreslår at selskaper bør begynne med å flytte data til skyen.

Dette kan skyldes en utbredt misforståelse om at anlegg er like ensartede som produktene de fremstiller. Å bruke skyen til å analysere data kan være verdifullt, men jeg føler at dette fokuset gjør at man overser sjansen til å bruke dataene til å muliggjøre kontinuerlige prosessforbedringer.

I dag har sammenfall av informasjons- og driftsteknologi skapt nye muligheter i utkanten som kan gi raskere innsikt ved å flytte analysen fra datasenteret til et sted på produksjonsgulvet nærmere der ting skjer. Vi kaller denne nye muligheten edge computing.

Den vertikale integreringen og fleksibiliteten på produksjonsgulvet som denne nye klassen edge computing-løsninger skaper, åpner for nye muligheter for driftseffektivitet.

For eksempel forbedret en bleieprodusent energieffektiviteten ved å analysere toppene og bunnene i energiforbruket til celler i produksjonslinjen.

Informasjonen hjalp produsenten med å redusere energiavtrykket ved anlegget i betydelig grad. Med et flatere forbruk kunne produsenten dessuten forhandle frem lavere satser basert på lavere forbruksmønstre.

Bakgrunnen til edge computing

Edge computing har eksistert i flere år, men interessen har økt de siste årene, med fremveksten av IoT-enheter og sensorer ved produksjonsanlegg.

Edge computing hjelper produsenter å omsette enorme datasett fra maskiner og sensorer til nyttige og praktiske data. Dette er mulig ved at analyse brukes ved datakilden, enten det er temperatursensorer, alarmer eller motorer.

Forbedret analyse øker muligheten til å visualisere data og høste ny innsikt, mens maskinlæring og kunstig intelligens hjelper produsenter med å anvende denne nye innsikten i produksjonsmiljøet.

Med «edge» eller «utkant» menes den databehandlingsinfrastrukturen som ligger nærmest datakildene, f.eks. robotarmer og automatiserte tungløftmaskiner.

Disse regnes for å befinne seg i utkanten fordi de gjerne er lengst fra databehandlingsinfrastrukturens kjerne, som i dag ofte er i skyen.

I mange av disse situasjonene blir bare sammenfattede data sendt til skyen. I miljøer hvor Internett-forbindelsen er ustabil, blir data dessuten samlet inn og lagret lokalt, slik at alle data blir med.

Les mer: Industri 4.0: IT-modernisering ga Lamborghini super-SUV

Betydningen av edge computing

Edge computing tilbyr en del svært nyttige resultater. I et ofte sitert eksempel kan en selvkjørende bil som kjører 80 km/t på en trafikkert vei, analysere data og gjøre dem om til en maskinlæringskommando direkte på kjøretøyet, som deretter forteller bilen at den må unngå en fotgjenger, og hindre en stygg ulykke eller et dødsfall.

Eksempelet med den selvkjørende bilen, som blir omtalt i forbrukerpressen, fanger ikke opp hva som virkelig er viktig i kommersielle, industrielle situasjoner.

Selv om et produksjonsselskap har flere anlegg rundt om i landet eller verden, har hvert anlegg sine egne parametere, dimensjoner og maskinsett. Det er derfor vanskelig å opprettholde en sentralisert dataanalysefunksjon i skyen eller ved et bedriftsdatasenter som kan analysere dataene og reagere raskt.

Anleggsledere har ikke tid til å vente flere dager på at en sentralisert funksjon skal analysere dataene og sende en funksjon for maskinlæringsautomasjon tilbake.

Med dagens tilgjengelige automasjonsverktøy kan anleggsledere bruke data i utkanten til å skape en maskinlæringsfunksjon som de kan ta i bruk i løpet av få timer.

Ved å utnytte disse funksjonene kan anleggsledere identifisere et problem på produksjonsgulvet og iverksette utbedrende tiltak lenge før en maskin havarerer og stopper produksjonen.

For industrianleggsledere tilbyr edge computing en unik mulighet til å bruke analyse til å kjøre forebyggende vedlikehold og potensielt unngå dyre anleggsstopp lenge før en del eller sensor slutter å virke.

På mange måter har industrien foregrepet begivenhetenes gang. Vi er mange år unna den typen edge computing i selvkjørende biler der utkantsenheter tar mange kjappe avgjørelser som gjelder liv og død.

Men utkantsenheter for IoT-miljøer ved anlegg er tilgjengelige i dag, og med riktig opplæring og ekspertise kan produsenter gjennomføre forebyggende vedlikehold, og dermed redusere ulykker og driftsavbrudd ved anlegget.

Last ned guiden: Slik påvirker Industri 4.0 din bedrift.

Les mer: Hvordan utnytter man potensialet i Industri 4.0 fullt ut?

Si din mening

*