Insights do AI World: Os Custos Energéticos de Desbloquear Dados do Edge

Um bate-papo à lareira no AI World discutiu os problemas encontrados na extração de dados do edge.

Pode-se perdoar por assumir que fabricantes estão prontos para abrir seus vários sistemas de produção e começar a alavancar os dados que foram aprisionados dentro. A realidade pode ser muito mais complicada.

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

Veja também: Manufatura Lidera o Pelotão IoT

A unidade de Etris na Continental manufatura conversores catalíticos para o setor automotivo — uma tarefa intensiva em energia. Em 2018, Etris e sua equipe definiram capturar, analisar e mitigar uso de eletricidade e emissões relacionadas através de sua gama de controladores lógicos programáveis (PLCs) da Siemens, instalados pela primeira vez nos anos 1990. O desafio, Etris explicou, foi extrair os dados SCADA dos PLCs para integrar com dados emanando dos sensores elétricos mais novos.

Enquanto muitos fornecedores afirmam que sistemas industriais mais antigos podem prontamente ceder seus dados em um mundo IoT perfeito, isso está longe do caso, Etris relata. Sistemas de produção legados frequentemente não foram projetados para ser abertos, e frequentemente não são habilitados para rede.

Auld, que representou 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 enviados a cada 10 minutos para um repositório de nuvem no Amazon Web Services.

Os desafios que a Continental encontrou são sintomáticos dos problemas sendo encontrados em toda a paisagem de manufatura, Auld explica. "Há muitos dados obscuros que existem em silos dentro de muitas empresas." Não apenas isso apresenta desafios técnicos, mas organizacionais também, já que múltiplos times precisam estar a bordo com esforços de IA sobre IoT.

Gerenciar armazenamento de dados na era de IA e IoT foi outra área discutida por painelistas. Muitas organizações estarão lutando com volumes crescentes de dados fluindo em seus sistemas de várias arrays de controladores e sensores, e frequentemente acabam depositando-os em data lakes.

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