Промышленные объекты являются естественной средой для периферийных вычислений (edge computing). Портал Enterprisers Project приводит несколько реальных примеров того, как промышленные ИТ-лидеры внедряют инфраструктуру и приложения периферийных вычислений.

Учитывая тесную связь между периферийными вычислениями и Интернетом вещей (IoT), неудивительно, что промышленный сектор, породивший собственную подкатегорию IoT, известную как промышленный Интернет вещей (IIoT), созрел для применения периферийных вычислений.

Промышленный сектор, охватывающий такие отрасли, как производство и энергетика (например, тяжелое машиностроение и электростанции), фактически хорошо подготовлен к применению концепции периферийных вычислений благодаря системам SCADA. Если вкратце, то это локальные, изолированные системы управления, отвечающие за всевозможные критически важные промышленные и другие локальные процессы. Их можно считать предшественниками современной архитектуры edge.

«Промышленная SCADA — это одна из форм edge, и в той или иной форме она существует уже более 30 лет, — говорит Эндрю Нельсон, главный архитектор компании Insight. — На большинстве индустриальных объектов сегодня имеется какая-либо изолированная система управления». На самом деле, предприятия часто имеют несколько таких систем и процессов — и развертывание периферийных вычислений вполне вероятно либо дополнит, либо даже заменит их.

Промышленные объекты сами по себе являются периферийными — то есть они обычно находятся далеко от централизованного дата-центра или облака — и поэтому они естественным образом подходят для растущего внедрения периферийных вычислений. Возьмем нефтегазовую вышку посреди океана — разве она не соответствует любому определению «периферии»?

В этой связи следует отметить, что промышленный сектор имеет дело со сложными объектами: по словам Нельсона, сценарии использования периферийных вычислений пересекаются с другими контекстами, такими как складское хозяйство или логистика, но часто связаны с более неблагоприятными условиями.

Все это делает промышленный сектор хорошим объектом в плане сценариев использования периферийных вычислений. Как CIO и другие ИТ- и бизнес-руководители промышленных предприятий на самом деле относятся к периферийной инфраструктуре и приложениям и внедряют их?

По словам технологического евангелиста Red Hat Гордона Хаффа, по сути, промышленные периферийные вычисления характеризуются двумя основными потоками. «С одной стороны, данные датчиков — часто отфильтрованные и агрегированные — поступают с операционного/цехового периферийного уровня в ядро, — говорит он. — С другой стороны, код, конфигурации, мастер-данные и модели машинного обучения поступают из ядра — где происходит разработка и тестирование — на завод».

Это во многом определяет периферийную стратегию в различных отраслях. Рассматривая поток от периферии к ядру, ИТ-лидеры должны решить, что действительно должно жить на периферии, а что можно или нужно держать в централизованном облаке или дата-центре.

«Идея заключается в том, что часто желательно централизовать данные, если это возможно, но при необходимости поддерживать децентрализацию, — говорит Хафф. — Например, конфиденциальные производственные данные не должны покидать территорию предприятия, или вам необходимо защитить производственные процессы от сбоев, связанных с неполадками в сети за пределами завода». (Последнее является важной частью подключения к SCADA — во многих промышленных условиях непредвиденные простои недопустимы.)

Поток от ядра к периферии в значительной степени связан с эксплуатационным здравомыслием и эффективностью. Как и в случае с периферийной архитектурой в целом, вы не можете рассчитывать на то, что каждый раз, когда вам нужно обновить конфигурацию или внести исправления в систему на периферийном узле, вы будете отправлять туда ИТ-специалиста. В промышленном секторе, говорит Хафф, могут быть сотни заводов с тысячами запущенных процессов, поэтому автоматизация и согласованность являются ключевыми факторами.

Ишу Верма, технический евангелист Red Hat, добавляет, что поток от ядра к периферии — это то место, где организации могут распространить те же методы и технологии, которые они применяют в облаке или онпремис, на свои периферийные узлы, даже в самых суровых промышленных условиях.

«Такой подход позволяет компаниям распространить на периферийные узлы передовые технологии — микросервисы, GitOps, безопасность и т. д., — говорит он. — Это позволяет управлять и эксплуатировать периферийные системы, используя те же процессы, инструменты и ресурсы, что и на централизованных площадках или в облаке».

Рассмотрим в рамках этих двух потоков четыре примера того, как промышленные организации используют периферийные вычисления.

1. Оптимизация операций в режиме реального времени

Традиционные SCADA и другие системы управления похожи на монолитные или унаследованные приложения во многих других отраслях — важные, но не особенно удобные и гибкие для работы в современных условиях.

«Традиционная инфраструктура SCADA и систем управления, как правило, закрыта и зависит от конкретного поставщика, — говорит Нельсон. — Развертывание IoT/edge может помочь контролировать операции в режиме реального времени в едином окне управления, а не перескакивать между системами».

Мониторинг и предиктивное обслуживание являются хорошими примерами в этой категории: датчики и приборы на предприятии могут использоваться для работы в режиме реального времени и помогать операторам лучше планировать, когда потребуется критически важное техническое обслуживание и другие работы. В прошлом это было сложнее из-за разрозненности данных — знакомая проблема для CIO многих предприятий.

«На многих промышленных объектах имеется несколько систем управления, которые могут интегрироваться или не интегрироваться, — говорит Нельсон. — IoT/edge может использовать данные из разных систем, коррелировать события и прогнозировать сбои».

2. Выполнение рабочих нагрузок ИИ/МО на промышленных объектах

Задержка — в смысле, ее снижение или устранение — является одним из основных факторов стратегии периферийных вычислений. Это особенно актуально для приложений искусственного интеллекта и машинного обучения, а также других форм автоматизации, которым для эффективности требуются данные — и много данных.

У IIoT огромный потенциал ИИ/MО и автоматизации, но также огромные проблемы с данными и задержками.

«Для обеспечения бесперебойной работы „умных“ машин на периферии требуется много данных, — говорит Брайан Сатианатан, технический директор Iterate.ai. — Хороший ИИ требует данных. Великому ИИ требуется много данных, и они нужны немедленно».

Это может быть проблематичным в контексте первого потока, описанного выше Хаффом: данные датчиков, поступающие от периферии к ядру.

«Я видел ситуации на производственных предприятиях, когда от робота в цеху, через локальную сеть, а затем до облака и обратно поступает „слишком много“ данных», — говорит Сатианатан. — Это нехорошо, потому что, как известно CIO производственных предприятий, решения должны приниматься мгновенно, чтобы быть эффективными«.

Если задержка — это проблема, то фактическое время простоя — это просто убийственная проблема, особенно в индустриальных условиях (где перебои в передаче данных или проблемы с сетью могут, например, остановить газопровод) и смежных сегментах, таких как производство.

Если в стандартных ИТ-средах некоторое время простоя обычно является приемлемым, то в производстве это совершенно не так. Стоимость остановки производственных линий из-за сбоев в работе периферийных приложений может составлять сотни тысяч долларов в минуту — здесь просто нет места для ошибок.

Объединению периферийных вычислений с прикладными задачами ИИ/МО и минимизации сценария «слишком много данных» будет способствовать хранение необходимых данных на периферии.

3. Улучшение управления энергопотреблением

Наличие периферийных приложений, которые могут автоматически контролировать и оптимизировать энергопотребление на промышленных объектах, — это не просто хорошая корпоративная гражданская позиция, это потенциально огромное благо для итоговых финансовых показателей.

«В промышленном секторе существует большой спрос на мониторинг энергопотребления и управление нагрузкой, — говорит Нельсон. — Значительной экономии можно добиться, просто отключая питание или контролируя электрическую нагрузку в пиковое время».

Снижение стоимости электроэнергии стало неотложной проблемой, требующей решения. Разработка периферийного приложения, которое может автоматически адаптировать и оптимизировать потребление энергии в зависимости от колебаний цен, может стать весьма важным сценарием использования.

В то же время, удаленный мониторинг подключенных устройств и интеллект, выведенный на уровень периферийных систем мониторинга, становится критически важным в IIoT.

4. Повышение уровня безопасности сотрудников и охраны объектов

Промышленные периферийные/IoT сценарии использования предполагают огромное количество датчиков и других машин в этих средах. Но речь идет не только о машинах, но и о людях. Нельсон говорит, что промышленная периферия имеет значительные возможности для обеспечения безопасности сотрудников и охраны объектов. «Отслеживание сотрудников и подрядчиков и оповещение о том, что они находятся не там, где должны работать, — это очень важно для безопасности и охраны», — отмечает он.

Как и многие другие периферийные приложения, эта категория обычно включает в себя другие технологии (например, ИИ/МО) или интегрируется с ними. Это также один из тех случаев, когда, казалось бы, низкотехнологичные устройства — например, вездесущий идентификационный бейдж сотрудника — могут получить современный облик. «Компьютерное зрение, RFID и BLE — все это можно использовать в данном сценарии, — говорит Нельсон. — Полезной будет интеграция со считывателями пропусков и камерами безопасности здания».

Или примерьте на себя другой общепризнанный предмет безопасности, который появился еще до появления edge, cloud и, в общем, цифровых вычислений, как мы их знаем — каску. «В этом сценарии используются каски со встроенными датчиками, которые можно отслеживать через точки доступа Wi-Fi», — поясняет Нельсон.