Мы находимся сейчас в процессе перехода к Индустрии 4.0 (также известной как четвертая промышленная революция) — в 2011 году правительство Германии ввело в обиход данный термин. Путь оказался долгим и сложным. По оценке Всемирного экономического форума, к 2025 году Индустрия 4.0 принесет до 3,7 трлн. долл. прибыли.
Облачные вычисления и Интернет вещей уже оказали масштабное влияние на обрабатывающую промышленность, повысив уровень автоматизации и увеличив объем данных, генерируемых в отраслевых процессах. Следующим логичным шагом на этом пути станет усовершенствование процессов с помощью ИИ и машинного обучения (MО). Это позволит упростить использование более сложных методов, таких как анализ данных в реальном времени и предиктивная аналитика.
Решающую роль в успехе этих трансформирующих процессов играют граничные вычисления. Обработка данных ближе к источнику уменьшает физическое расстояние, которое они должны преодолеть, тем самым сокращая задержку и связанные с нею затраты. И именно в этом проявляются преимущества обработки данных на границе: потенциально получать аналитическую информацию можно почти в режиме реальном времени.
Эта аналитика может полностью преобразовать производство любого масштаба. Однако подобная трансформация требует времени. Наш переход к культуре «по требованию», когда потребители ожидают, что товары будут доставлены быстрее, чем когда-либо ранее, означает, что компаниям необходимо реагировать на спрос как можно более оперативно и эффективно. Но в будущем даже быстрого ответа будет недостаточно. Мы ожидаем значительного сдвига в сторону опережающего производства, когда производители смогут прогнозировать потребительский спрос, понимать, как он будет меняться с течением времени, и соответственно управлять ресурсами. Согласно недавнему опросу Dell Technologies и Institute for the Future, более 75% руководителей компаний разных стран ожидают, что смогут делать это к 2025 году.
Граничные вычисления эффективно интегрируют устройства IoT в сетевую инфраструктуру и в сочетании с машинным обучением и аналитикой в реальном времени позволяют быстро собирать, анализировать и применять ценные данные. Такая оперативность дает возможность проводить превентивное обслуживание и осуществлять контроль качества в реальном времени, а также выделить те области, которые могут выиграть от повышения уровня автоматизации. OTTO Motors, например, разработала полностью автономных роботов с автоматическим управлением, предназначенных для работы с материалами на заводах, складах и в распределительных центрах. Граничные вычисления позволяют использовать точки данных, необходимые роботам для построения карт своего окружения и перемещения в пространстве, а также собирать с их помощью огромные объемы данных.
Особенно интересно то, насколько доступной стала данная технология. Раньше ее могли использовать только многонациональные корпорации с их огромными бюджетами. OTTO Motors — компания из сегмента среднего бизнеса, использующая собственные разработки и делающая их доступными для предприятий любого размера. Высвобождение времени, которое в противном случае тратится на выполнение рутинных или повторяющихся задач, позволяет сотрудникам работать максимально продуктивно и, следовательно, увеличивает продуктивность бизнеса.
Исключительно высокий спрос на продукцию, наблюдаемый в последние месяцы, определенно стал испытанием для обрабатывающей промышленности. И, без сомнения, более широкое использование программного обеспечения с открытым исходным кодом и обмен данными с помощью граничных вычислений сыграют роль в том поразительном уровне гибкости и инноваций, которого многие уже достигли. Создание прототипов инструментов, технологий, процессов и услуг и их совместное использование способствовало появлению «кустарной индустрии» (DIY-индустрии) для выпуска продуктов высокого спроса. Новые игроки на рынке — или старые игроки на новом рынке — смогли быстро и недорого производить востребованную продукцию и продавать ее по всему миру.
Доступность все более сложных форм итеративного «производства по запросу» продолжает открывать для нас новые возможности. Но что это может означать для будущего производства? Для более крупных компаний результаты такой демократизации инноваций парадоксальны. Недорогие самостоятельные (DIY) альтернативы традиционной разработке и производству продукции вполне могут принести пользу на рынке, где традиционно доминируют отраслевые гиганты. Но есть надежда, что более экономичные и гибкие способы вывода новых продуктов на рынок будут стимулировать их распространение и внедрение малыми и крупными компаниями-производителями.
