I cinque vantaggi dell’edge computing per il mondo industriale

Condividi

I cinque vantaggi dell’edge computing

L’industria manifatturiera è il terreno dove l’edge computing sta attuando importanti cambiamenti con molti potenziali casi d’uso.
Innegabilmente, infatti, l’edge computing esiste nel settore industriale ormai da diversi anni: gli impianti di produzione hanno una notevole potenza di elaborazione in locale, sia che si tratti di controller logici programmabili (PLC), macchine o di un data center on-premise.

La necessità di essere più flessibili e convenienti nel modo in cui i produttori gestiscono i loro impianti, oltre alla pressione sul loro core business a causa della concorrenza globale, significa che viene espresso un notevole sforzo di trasformazione digitale, nella forma conosciuta come Industria 4.0.

L’Edge computing si inserisce in questo contesto più ampio, consentendo ai produttori di utilizzare hardware e software più flessibili e standard per poter accedere e condividere dati rilevanti e sempre più vitali per i processi di produzione.

I cinque vantaggi che l’edge computing offre alle industrie:

1 – Monitoraggio evoluto

Il settore manifatturiero ha sempre presente le difficolta di ottenere dati e informazioni dalle proprie macchine, impianti e processi produttivi.
Infatti, gli impianti sono stati storicamente costruiti utilizzando molti sistemi proprietari, che non dialogano tra loro. La tecnologia operativa è ancora abbastanza tradizionale e non utilizza ancora gli stessi standard dell’IT, da qui la necessità di una convergenza IT/OT.  Una delle sfide per estrarre i dati da tutte queste macchine negli impianti produttivi è che si traduce in enormi quantità di dati grezzi che sovraccaricano un server centrale. L’edge computing consente ai produttori di filtrare i dati per ridurne la quantità inviata a un server centrale, in loco o in un cloud.

La possibilità di monitorare le condizioni delle loro risorse da remoto aiuta i produttori a generare nuovi utili e nuovi business model. Invece di vendere macchine una tantum ai loro clienti finali, possono fornire servizi.

2 – Manutenzione predittiva

La manutenzione predittiva si riferisce alla possibilità di rilevare preventivamente quando una macchina si guasterà – attraverso l’analisi dei dati – e mitigare questo problema effettuando una corretta manutenzione prima dell’insorgere di potenziali guasti.

Anche se il termine manutenzione predittiva è utilizzato nel settore da qualche tempo, la realtà è che i produttori hanno trovato difficile tradurlo in azioni concrete.
In parte ciò è dovuto al fatto che ci sono state sfide nell’integrazione delle informazioni della tecnologia operativa nei sistemi IT (ad esempio i sistemi ERP). Altri problemi derivano dall’incapacità di prevedere i risultati in modo efficace perché non ci sono abbastanza variabili misurate e le piattaforme di apprendimento automatico non sono abbastanza mature per produrre informazioni reali.

Come il monitoraggio evoluto, l’edge computing consente di elaborare i dati più vicino al dispositivo finale, evitando il costo del trasporto dei dati in un cloud remoto e garantendo l’accesso ai dati in modo affidabile. La manutenzione predittiva richiede ancora più dati per essere implementata efficacemente; un problema può essere previsto solo se sono presenti tutti i parametri considerati.

3- Manufacturing-as-a-service

Una delle sfide del settore manifatturiero è essere in grado di sfruttare i vantaggi delle economie di scala da processi automatizzati altamente standardizzati. Un altro è avere un processo di produzione che è abbastanza flessibile per soddisfare le mutevoli richieste dei clienti.

La produzione può essere resa più flessibile e agile riducendo il tempo necessario per impostare un sito e creando più modelli di condivisione in cui più parti possono utilizzare la stessa struttura. Entrambe queste operazioni possono essere agevolate da un corretto uso di edge computing.
In primo luogo i sistemi devono essere disponibili indipendentemente da dove si trova il sito e soddisfare al tempo stesso rigorosi requisiti di latenza, dato che sono mission-critical per l’esecuzione del processo di produzione.
In secondo luogo, l’elaborazione dei dati sull’edge supera le preoccupazioni dei produttori in merito ai problemi di sicurezza dei dati, tipica del cloud computing. La diffusione di tecnologie come il 5G renderà ancora più spinta la capacità per il vertical manifatturiero di mettere in campo soluzioni di temporary manufacturing.

4 – Realtà virtuale e aumentata negli impianti produttivi

Ci sono molti modi in cui i produttori potrebbero utilizzare la realtà aumentata/mista/virtuale nelle proprie fabbriche, sia che si tratti di formare i dipendenti su come utilizzare le attrezzature o nuovi processi; per la salute e la sicurezza (ad esempio guidare un lavoratore attraverso un ambiente pericoloso); assistere un addetto alla manutenzione e alla riparazione con competenze remote; o rilevare i guasti dei prodotti durante le ispezioni di qualità.

La sfida con l’utilizzo di cuffie di Virtual Reality è che sono pesanti, e potrebbero non essere in grado di elaborare quantità significative di dati, fattori che le rendono poco vantaggiose per gli scenari evidenziati sopra.
Tuttavia, l’elaborazione dal dispositivo e nel cloud comporta troppa latenza e a volte può far sentire la nausea a chi lo indossa nonostante il ritardo sia inferiore a 100 millisecondi.

L’elaborazione dei dati e il rendering del flusso effettuato in edge computing elimina questo problema e permette di realizzare cuffie più leggere e di conseguenza più user friendly, a tutto vantaggio della produttività.

5- Controlli di precisione

Un obiettivo chiave della industria 4.0 è quello di essere in grado di utilizzare i dati provenienti da più macchine, processi e sistemi per adattare il processo di produzione in tempo reale.

Questo monitoraggio e controllo di precisione delle risorse e dei processi di produzione utilizza enormi quantità di dati e richiede machine learning per determinare l’azione migliore come risultato delle informazioni dettagliate dai dati.

L’edge computing non è rilevante solo nella raccolta, nell’aggregazione e nel filtraggio dei dati per inviare i risultati a un server centrale, ma sarà fondamentale anche per gli algoritmi di machine learning e intelligenza artificiale: in diversi casi il traning verrà effettuato infatti direttamente in locale.
Data la quantità di elaborazione necessaria per le azioni di machine learning e intelligenza artificiale, una realtà industriale può scegliere di distribuire l’elaborazione su più fronti di edge computing attraverso servizi erogati con piccoli mini datacenter invece che farlo nel cloud, risparmiando tempo e latenza aggiuntive.

⇓SCOPRI DI PIÙ GRAZIE ALLA MONOGRAFIA DEDICATA⇓

Articoli correlati