Netzwerkrand und IoT Welche Vorteile bietet Edge Computing?

Anbieter zum Thema

ALE Deutschland GmbH

Vitel GmbH

Edge-Computing-Faktoren wie geringere Latenz, höhere Datensicherheit und Zuverlässigkeit ermöglichen eine Vielzahl neuer Anwendungsfälle. Wir geben einen Überblick über aktuelle Möglichkeiten.

Insbesondere industrielle Hersteller durchlaufen schnelle, disruptive Veränderungen in ihren Abläufen, wenn sie ihre Anlagen mit IoT, intelligenten Sensoren, Künstlicher Intelligenz und Robotik automatisieren. Für die Verbesserung der Prozesseffizienz spielt das Edge Computing ebenfalls eine entscheidende Rolle, da es die Verbindung von Betriebsdaten und Anlagen wesentlich optimiert und dadurch sowohl Cloud Computing als auch das IoT sinnvoll ergänzt. Edge Computing ist somit nicht nur eine Erweiterung der Cloud. Gemeinsam bilden sie eine der Säulen der Smart-Factory.

Wertvollste Vorteile des Edge Computing

Ein Fertigungsunternehmen sollte keine Cloud-Strategie ohne eine Edge-Strategie implementieren. Zunächst mag die Cloud-Technologie günstiger erscheinen. Sollten jedoch sehr viele Daten zu speichern sein, können die Kosten für die Bandbreite zum Senden an die Cloud empfindlich ansteigen. Zusätzlich erfüllt Edge Computing die Latenz-, Flexibilitäts- und Zuverlässigkeitsanforderungen von Industriebetrieben deutlich besser als die Cloud.

Gleichzeitig eröffnen sich durch Remote-Konnektivität neue Möglichkeiten. Anwendungen für das Edge Computing sind folglich in der Lage, die Gesamtanlagen-Effektivität zu erhöhen sowie eine belastbare Entscheidungsfindung zu unterstützen. Und diese ist erforderlich, um auf den heutigen Märkten wettbewerbsfähig zu sein.

Edge Computing dient zudem als Verbindungspunkt zwischen Informations- und Betriebstechnologien. Die Fähigkeit, Gerätedaten zusammenhängend zu verarbeiten, beseitigt die Barriere für die Integration kompatibler Systeme und Technologien. Das fördert die Interoperabilität. Darüber hinaus sorgen regelmäßige Upgrades für einen stetigen Innovationsfluss und verkürzen die Markteinführungszeit.

Die zentralisierte Natur des traditionellen Cloud Computing macht es anfällig für Hacking beziehungsweise Denial-of-Service-Angriffe. Wenn jedoch eine Fabrik Verarbeitungs- und Speicherfunktionen über das Edge verteilt, kann kein einzelner Angriff das gesamte Netzwerk zum Erliegen bringen. Da die Datenverarbeitung näher an der Datenquelle stattfindet, sind zu jedem Zeitpunkt weniger Daten gefährdet.

Ein anderer wichtiger Sicherheitsaspekt: Die Unwissenheit der Cloud-Kunden über den Verbleib ihrer Daten. Nicht selten werden die erfassten Daten an einen Cloud-Speicher-Drittanbieter gesendet, der sich im schlimmsten Fall nicht an getroffene Vereinbarungen halten könnte.

Des Weiteren kann Edge Computing eine ereignisgesteuerte Echtzeit-Integrationsschicht zwischen Fabrikdaten und Geschäftssystemen bilden. Diese hilft dabei, Prozesse zu beschleunigen und zu automatisieren und auf diese Weise den vollen Wert aus digitalen Informationen zu ziehen.

Darüber hinaus ermöglicht Edge Computing eine Bestandsverfolgungen in Echtzeit, erhöhte Transparenz in der gesamten Lieferkette, analysegesteuerte Beschaffung und Echtzeit-Bestandsverwaltung für eine effiziente und transparente Wertschöpfungskette.

Use Cases für Industrial-Edge-Computing

Die folgenden Anwendungsfälle skizzieren, wo der Einsatz von Edge Computing in der Fertigungsindustrie sinnvoll ist.

Zustandsbasiertes Monitoring
Maschinelle Anlagen kommen mit vielen proprietären Systemen zum Einsatz, die nicht miteinander kommunizieren können. Zudem erfüllt die Operational Technology (OT) am Shopfloor in der Regel nicht die gleichen Standards wie in der restlichen Information Technology (IT). Hinzu kommt, dass die riesigen Mengen an extrahierten Rohdaten aus der gesamten Fabrik die zentralen Server völlig überlasten würden.

Edge Computing ermöglicht es, Daten aus verschiedenen Anlagen zusammenzuführen und zielführend zu filtern, um das Datenvolumen zu reduzieren. Nur diese vorsortierten Daten werden dann an einen zentralen Server zur Weiterverarbeitung gesendet, die dort dann auch effektiver weiterverarbeitet werden können.

Vorausschauende Wartung
Obwohl die vorausschauende Wartung in der Branche schon seit Längerem bekannt ist, war die Umsetzung für die Hersteller meist problematisch. Dies liegt zum Teil daran, dass die Erkenntnisse aus der Operational Technology (OT) am Shopfloor in die IT-Systeme, wie ERP-Systeme, nicht so leicht zu integrieren sind.

Andere Herausforderungen ergeben sich aus der Schwierigkeit, Ergebnisse tatsächlich vorherzusagen, da nicht genügend Variablen gemessen werden, aber auch die Plattformen für maschinelles Lernen (ML) oft nicht ausgereift genug sind, um echte Erkenntnisse zu gewinnen.

Das Edge Computing unterstützt den Hersteller dabei, Daten näher am Endgerät zu verarbeiten, die Kosten für den Datentransport in eine Cloud zu vermeiden und einen zuverlässigen Datenzugriff zu gewährleisten. Wobei eine vorausschauende Wartung im Vergleich zu einem zustandsbasierten Monitoring noch mehr Daten benötigt, um eine gute Umsetzung zu gewährleisten.

Präzise Steuerung
Ein zentrales Ziel der Digitalisierung ist es, Daten von mehreren Maschinen, Prozessen und Systemen zu nutzen, um den Fertigungsprozess in Echtzeit anzupassen und zielgerichtet steuern zu können. Eine solche Steuerung von maschinellen Anlagen und Prozessen benötigt riesige Datenmengen sowie den Einsatz maschinellen Lernens, um die optimalen Maßnahmen als Ergebnis der gewonnenen Erkenntnisse zu ergreifen.

In einigen Fällen wird Edge Computing verwendet, um einen ML-Algorithmus zu trainieren und ihn auszuführen. Angesichts des hierfür erforderlichen Verarbeitungsaufwands kann sich ein Hersteller dazu entscheiden, die Verarbeitung auf mehrere Prozessoren beziehungsweise Edges zu verteilen, anstatt sie in der Cloud zu realisieren.

Virtual Reality in der Produktion
Hersteller können Technologien der Virtual-, Augmented- oder Mixed-Reality im Werk einsetzen, um Mitarbeiterinnen und Mitarbeiter in der Verwendung von Geräten oder neuen Prozessen zu schulen, Wartungen und Reparaturen durch Fernexpertise zu unterstützen oder Produktfehler bei Qualitätsprüfungen zu erkennen. Die Herausforderung bei der Verwendung von VR-Headsets besteht darin, dass sie kaum große Datenmengen verarbeiten können, was sie für die beschriebenen Szenarien unpraktisch macht.

Eine Verarbeitung der Daten in der Cloud kommt eher nicht infrage, da das zu großen Latenzen führt. Die Verarbeitung der Daten beziehungsweise das Rendern der Streams von einem Edge-Rechenknoten beseitigt dieses Problem und macht nicht nur die Headsets leichter, sondern auch wesentlich benutzerfreundlicher.

Dieser Beitrag stammt von unserem Schwesterportal Industry of Things.

(ID:48573703)