Por que a computação de borda é tão crucial para IIoT

Michael Schuldenfrei da OptimalPlus
A invenção da placa de circuito impresso (PCB) na década de 1950 mudou o mundo da automação. Antes do PCB, as placas de circuito eletrônico eram montadas exclusivamente à mão, um processo trabalhoso que limitava muito a produção global.

Hoje, diz Michael Schuldenfrei, bolsista de tecnologia corporativa da OptimalPlus , A indústria está passando por mais um salto revolucionário com a introdução da instrumentação no processo de fabricação e o uso da computação de ponta.

A instrumentação do processo de fabricação envolve vários sensores e microcontroladores que podem alterar sutilmente as condições de fabricação em resposta às condições ambientais detectadas pelos sensores. Esses sensores produzem grandes quantidades de dados, mas os microcontroladores não podem responder diretamente aos dados produzidos.

Tanto os sensores quanto os microcontroladores usados ​​na fabricação de instrumentação são basicamente pequenos computadores em rede. Os sensores enviam seus dados para um local central onde os dados são analisados. Esses pequenos computadores autônomos não são monitorados por humanos em tempo real e fazem parte da Internet das Coisas (IoT). Mais especificamente, em um contexto de manufatura, eles são dispositivos IoT industrial (IIoT).

Caso de uso IIoT para instrumentação de fabricação

Os dispositivos IIoT são usados ​​em vários contextos para realizar trabalhos que seriam difíceis - senão impossíveis - para os humanos realizarem de forma confiável e / ou precisa todas as vezes. Considere, por exemplo, a inspeção de solda. A soldagem é parte integrante de muitas linhas de produção de eletrônicos e crítica para a funcionalidade e durabilidade do produto final.

Infelizmente, os fabricantes estão sendo solicitados a realizar soldas em componentes cada vez menores, com restrições cada vez mais rígidas. Para proteger os componentes, as soldas devem ser realizadas com o menor calor possível e com a menor carga elétrica possível.

Dispositivos IIoT que podem ajudar a refinar este processo incluem sensores de calor, tensão e pressão para ajudar a determinar a amperagem mínima necessária para realizar uma soldagem nas condições ambientais atuais. As câmeras IIoT também podem alimentar sistemas de inspeção visual de solda baseados em aprendizado de máquina para verificar se as soldas são satisfatórias, mesmo quando são muito pequenas para o olho humano ver; e isso é apenas o começo.

A instrumentação de manufatura pode tornar qualquer manufatura - não apenas a manufatura de eletrônicos - mais precisa, com menos erros de produção e exigindo menos pessoas envolvidas. Infelizmente, essa instrumentação não é fácil, especialmente devido às complexidades da moderna cadeia de suprimentos de manufatura.

Fazendo a função de instrumentação de fabricação

As equipes de Tecnologia da Informação (TI) fazem uso da instrumentação há décadas. Não custa tanto construir sensores no software quanto faz no hardware. Como resultado, sistemas operacionais, aplicativos e equipamentos de TI de todos os tipos estão totalmente repletos de sensores. Por causa disso, as equipes de TI têm lutado com a quantidade de dados que produzem desde antes da existência do microcomputador moderno.

Tantos dados em tão pouco tempo

No mundo real, qualquer infraestrutura instrumentada produz muito mais informações do que um único ser humano pode processar. Não se pode esperar que mesmo grandes equipes humanas vasculhem todos os dados emitidos por uma infraestrutura de TI modesta. Existem disciplinas inteiras no campo de TI dedicadas a tornar compreensíveis os dados emitidos pela instrumentação de TI. As tecnologias e técnicas variam de filtros simples a técnicas sofisticadas de Inteligência Artificial (IA) e Aprendizado de Máquina (ML).

Até recentemente, isso era bom o suficiente para a maioria das equipes de TI. As informações seriam coletadas e enviadas a um local central, os números seriam processados ​​e apenas os dados importantes seriam encaminhados aos administradores de sistemas. Se isso levasse alguns segundos ou minutos, tudo bem; uma breve interrupção de TI era geralmente aceitável.

Mas, à medida que as organizações em todo o mundo se tornavam cada vez mais dependentes de sua TI, a quantidade aceitável de tempo necessária para agir na instrumentação diminuiu significativamente. Para muitas organizações, o tempo de reação aceitável está hoje muito abaixo do que um ser humano poderia alcançar. Os sistemas de TI modernos nas organizações mais avançadas, portanto, usam conjuntos de IA e ML poderosos para que sua infraestrutura de TI reaja às mudanças relatadas pelos dados do sensor antes mesmo que os administradores humanos percebam que há um problema.

Os fabricantes modernos, como se pode imaginar, procuram soluções de instrumentação de fabricação que também sejam capazes de reagir mais rápido do que um humano. Embora ler sensores e dizer aos humanos que um problema foi desenvolvido seja útil, não é tão útil quanto responder aos dados do sensor em tempo real.

Instrumentação de TI vs. instrumentação de fabricação

A diferença entre os dois é que a instrumentação de TI é comparativamente fácil:um coleta dados sobre a infraestrutura e os aplicativos de TI de dispositivos que já são totalmente digitais. A instrumentação de fabricação é mais desafiadora. Dispositivos IIoT usados ​​na fabricação de instrumentação coletam dados sobre o mundo físico. Isso significa coletar dados analógicos e convertê-los em digitais - e isso é um jogo totalmente diferente. Os sensores físicos precisam ser calibrados e, com o tempo, eles se desgastam. Sensores físicos também são normalmente implantados em clusters para que a detecção de quorum seja possível.

O sensor de quorum usa vários sensores independentes para compensar desvios de calibração ou mau funcionamento do sensor. Se um sensor em um cluster relatar dados divergentes de seus parceiros, eles podem ser ignorados e / ou sinalizados para recalibração. Isso permite que a fabricação continue com sensores em bom estado até que o com defeito possa ser recalibrado ou substituído.

As complicações da detecção analógica, combinadas com a necessidade urgente de resposta em tempo real aos dados do sensor, apresentam desafios do mundo real para a fabricação de instrumentação.

A computação em nuvem não pode resolver tudo?

As equipes de TI tiveram que lidar com muitos requisitos computacionais diferentes e difíceis. Um exemplo de solução desenvolvida por fornecedores de TI é a computação em nuvem.

Computação em nuvem e BDCA

A computação em nuvem permite que as organizações acessem uma infraestrutura de TI aparentemente ilimitada com o apertar de um botão. Embora as razões por trás da computação em nuvem sejam numerosas e complexas, talvez a mais importante seja que a computação em nuvem permite que as equipes de TI operem cargas de trabalho de TI sem ter que gerenciar ou manter a infraestrutura de TI subjacente. O provedor de nuvem cuida dessa parte para eles.

A computação em nuvem tem se mostrado muito útil para cargas de trabalho de Bulk Data Computational Analysis (BDCA). Existem muitos tipos de cargas de trabalho BDCA, incluindo AI, ML, Big Data e muito mais; qualquer coisa onde grandes quantidades de dados são coletados e, subsequentemente, precisam ser analisados ​​é uma carga de trabalho BDCA. Nos últimos anos, a computação em nuvem tem sido o destino da maioria dos novos projetos BDCA.

Um dos motivos pelos quais a computação em nuvem é usada para cargas de trabalho BDCA é o conceito de estouro de nuvem. As cargas de trabalho da nuvem - como as cargas de trabalho de computação usadas para analisar grandes conjuntos de dados - podem ser aumentadas apenas conforme necessário e em qualquer escala exigida. Isso se adapta bem às cargas de trabalho BDCA porque a maioria das cargas de trabalho BDCA só precisa gerar análises em um cronograma definido. Os relatórios de fim de mês são um caso de uso popular aqui.

Infelizmente, a economia de escala significa que as nuvens públicas tradicionais estão localizadas no centro. Isso permite que os fornecedores de nuvem pública situem seus data centers onde os custos são mais baixos e simplesmente criem data centers realmente grandes. Embora isso seja útil para cargas de trabalho BDCA em estilo de tarefa em lote que são executadas em planejamentos, isso é menos do que útil para cargas de trabalho que exigem capacidade de resposta em tempo real.

Para resolver isso, a computação de ponta foi desenvolvida.

Computação de ponta

A computação de ponta pode ser considerada computação em nuvem, mas no data center de outra pessoa. A computação de ponta evoluiu porque as equipes de TI tinham cargas de trabalho que exigiam responsividade de baixa latência que a computação em nuvem pública tradicional não podia fornecer. As equipes de TI eram perfeitamente capazes de criar tais infraestruturas, mas simplesmente não queriam o fardo e o incômodo de lidar com isso sozinhas.

Atendendo a novas demandas de dados

Após um encontro de ideias, foi decidido que, para atender às necessidades desses clientes, os provedores de nuvem pública iriam instalar servidores nos centros de dados de organizações relevantes. Isso permitiu que as equipes de TI dessas organizações executassem cargas de trabalho no que, para eles, parecia idêntico a uma região criada apenas para eles pelo provedor de nuvem pública, mas que estava localizada na mesma rede local (LAN) que o resto de suas cargas de trabalho .

Esses servidores de "computação de ponta" permitem que os dados do sensor IoT sejam processados ​​e operados com muito mais rapidez do que seria possível se esses dados tivessem que atravessar a internet para um data center em nuvem pública, serem processados ​​e, em seguida, os resultados viajarem de volta pela internet . A computação de ponta está possibilitando uma série de novas tecnologias, incluindo carros sem motorista.

Caso de uso:dados em tempo real para carros sem motorista

Carros sem motorista são um ótimo exemplo de uma tecnologia em que esperar pelos dados simplesmente não é uma opção. A computação em nuvem pode ajudar carros sem motorista, coletando informações de sensores para todos os carros em uma determinada área, processando os dados e enviando a esses carros um mapa de onde tudo e todos estão localizados dentro de um determinado raio. Isso poderia permitir que esses carros vissem literalmente as curvas, tornando-os ainda mais seguros.

No entanto, mesmo na velocidade da luz, o envio de informações de um carro para a nuvem pública e vice-versa pode levar até um quarto de segundo. Pessoas podem morrer em um quarto de segundo quando há carros envolvidos. Portanto, mover o processamento para mais perto dos carros - digamos, localizando os servidores relevantes dentro de alguns quarteirões de onde os carros tentarão navegar em ambientes urbanos complicados - pode permitir tecnologias que de outra forma não seriam possíveis.

Da mesma forma, a manufatura pode fazer uso da computação de ponta para habilitar a instrumentação necessária. Como geralmente é o caso, no entanto, a manufatura tem suas próprias reviravoltas que não apenas tornam a computação de borda mais crítica para o processo, mas também apresentam vários desafios que devem ser superados.

Por que usar computação de ponta na manufatura?

Um argumento comum para a relevância da computação de ponta para empresas de manufatura gira em torno da necessidade de capacidade de resposta em tempo real. Ao tentar manter os defeitos de fabricação próximos de zero em uma linha de produção em movimento, é útil poder fazer uso de conjuntos de sensores. Um conjunto de sensores pode detectar quorum se um sensor individual estiver com defeito e, em seguida, recalibrar. No entanto, a recalibração deve ser feita muito rapidamente para evitar a interrupção da linha de produção.

Se levar 100 ou 250 milissegundos para enviar dados do sensor pela Internet, os produtos na linha podem ser perdidos ou o equipamento pode ser danificado. Mas se os dados podem ser processados ​​localmente, levando aproximadamente cinco milissegundos, os fabricantes podem recalibrar os sensores em tempo real e / ou alterar as configurações do equipamento de fabricação em resposta às condições ambientais.

Sobrecarga do sensor

Outra razão por trás da utilidade da computação de ponta que não é discutida tão prontamente é que pode haver um grande número de sensores envolvidos na fabricação de instrumentação de maneira incontrolável. Isso pode não apenas sobrecarregar a capacidade da rede, mas também produzir uma enorme coleção de dados, que não é necessária em sua totalidade. Portanto, é útil filtrar os dados antes de encaminhar apenas os que precisam ser enviados.

É comum que os volumes de dados sejam excessivos ou exijam alguma forma de filtragem, onde os sensores são usados ​​em um quorum para superar problemas de calibração ou envelhecimento. Aqui, os sensores individuais podem ser rejeitados se outros sensores próximos que participam de um quorum não concordarem com as leituras. Uma fábrica totalmente instrumentada pode conter milhões de sensores individuais que, em última análise, consistem em apenas algumas dezenas de milhares de quóruns de sensores - potencialmente muito mais do que a conexão de Internet local pode razoavelmente suportar.

Em outras configurações de computação de ponta para manufatura, existem alguns sensores que são usados ​​apenas localmente. Isso pode ser porque eles são usados ​​na capacidade de resposta em tempo real ou porque são relevantes apenas localmente, por exemplo, como parte de uma solução de segurança.

Fabricação por contrato

A computação de borda também é útil no cenário cada vez mais comum de fabricantes contratados (CMs). Os CMs têm soluções de TI independentes dos Fabricantes de Equipamentos Originais (OEMs) que encomendam o trabalho. No entanto, muitos OEMs veem benefícios em instrumentar toda a sua cadeia de suprimentos, mesmo aquelas partes dela que foram terceirizadas.

Nesse caso, os OEMs podem extrudar parte de sua rede para a rede do CM usando computação de ponta. A equipe de TI do OEM pode colocar servidores na rede do CM que se conectam de volta à nuvem privada do OEM. Combinados com sensores IIoT, esses servidores de computação de ponta permitiriam que o CM atendesse às metas de instrumentação e integração da cadeia de suprimentos do OEM sem interferir na própria rede do CM ou exigir mudanças radicais no design de rede do CM.

A computação de borda dá ao OEM a capacidade de visualizar toda a sua cadeia de suprimentos e operação de fabricação usando uma interface consistente e um conjunto integrado de aplicativos, independentemente de os componentes individuais estarem sendo fabricados nas instalações do OEM ou de um CM. Essa consistência torna o treinamento e o suporte aos CMs mais fáceis, já que todos estão usando o mesmo conjunto de ferramentas.

Resumo

A computação em nuvem, que já existe há mais de uma década, é frequentemente comercializada como a solução para todos os problemas de TI. Não é. A computação em nuvem resolve muitos problemas, mas a velocidade da luz significa que gigantescos farms de servidores centralizados serão sempre úteis.

A computação de borda atende a dois propósitos principais:extrair sinal de ruído processando localmente grandes volumes de dados que não são viáveis ​​para envio pela Internet e fornecer a capacidade de processar coisas específicas localmente, onde e quando a latência for uma preocupação. Ambos são úteis para empresas de manufatura que estão cada vez mais dependentes de instrumentação.

A fabricação não pode esperar pela luz para ir de A para B e voltar. Há muito em jogo e não há tempo para erros. A computação de ponta resolve problemas que as nuvens não conseguem, então é hora de evoluir ou ficar para trás.

O autor deste blog é Michael Schuldenfrei, bolsista de tecnologia corporativa da OptimalPlus