Do mundo da IA:por que aproveitar os dados de borda requer muita energia

Um bate-papo ao lado da lareira no AI World discutiu os problemas encontrados na extração de dados da borda.

Pode-se ser perdoado por supor que os fabricantes estão prontos para abrir seus vários sistemas de produção e começar a aproveitar os dados que estão presos neles. A realidade pode ser muito mais complicada.

Os problemas encontrados na extração de dados da borda foram explorados em um bate-papo com Joseph Etris, gerente de projetos de engenharia da Continental Automotive Systems, acompanhado por John Auld, diretor regional de vendas da Zededa, Inc. Tive a oportunidade de moderar a sessão, parte da recente conferência AI World em Boston.

Veja também: A manufatura lidera o pacote IoT

A unidade da Etris na Continental fabrica conversores catalíticos para o setor automotivo – uma tarefa que consome muita energia. Em 2018, Etris e sua equipe começaram a capturar, analisar e mitigar o uso de eletricidade e as emissões relacionadas em toda a sua linha de controladores lógicos programáveis ​​(PLCs) da Siemens, instalados pela primeira vez na década de 1990. O desafio, explicou Etris, era extrair os dados SCADA dos CLPs para integrá-los aos dados provenientes dos sensores elétricos mais recentes.

Embora muitos fornecedores afirmem que sistemas industriais mais antigos podem facilmente desistir de seus dados em um mundo de IoT perfeito, isso está longe de ser o caso, relata Etris. Os sistemas de produção legados muitas vezes não foram projetados para serem abertos e muitas vezes não são habilitados para rede.

Auld, que representava a Siemens na época, trabalhou com a equipe da Continental para extrair os dados do PLC e fornecer calibração em tempo real. Além disso, os dados são carregados a cada 10 minutos em um repositório na nuvem no Amazon Web Services.

Os desafios encontrados pela Continental são sintomáticos dos problemas encontrados em todo o cenário de fabricação, explica Auld. “Há muitos dados obscuros que existem em silos dentro de muitas empresas.” Isso não apenas apresenta desafios técnicos, mas também organizacionais, pois várias equipes precisam estar a bordo dos esforços de IA em vez de IoT.

O gerenciamento do armazenamento de dados na era da IA ​​e da IoT foi outra área discutida pelos palestrantes. Muitas organizações estarão lutando com volumes crescentes de fluxo de dados em seus sistemas a partir de várias matrizes de controladores e sensores e, muitas vezes, acabam depositando-os em data lakes.

Os fabricantes precisam estabelecer uma camada de interface comum que possa extrair e ler dados de todas as gerações de sistemas de produção, disse Auld. Além disso, a consistência precisa ser assegurada, pois os dados de vários sistemas podem ter diferentes significados e limites. O desafio para muitos fabricantes é que eles podem ter muitas fábricas separadas, cada uma com suas próprias iniciativas e padrões.