השוואת מחשוב ענן ומחשוב ענן לאוטומציה תעשייתית

מבוא: ייצוב של צוק וענן באוטומציה תעשייתית

אוטומציה תעשייתית עוברת טרנספורמציה עמוקה, מונעת על ידי הפצת חיישנים, מכונות חכמות, ואינטרנט של הדברים (IoT) כמו מפעלים לייצר כרכים גוברים של נתונים על הקצה, הדרך שבה הנתונים מעובדים, מאוחסנים, ופעל על הופך קריטי.שני פרדיגמות מחשוב הופיעו כאפשרות מפתח של שינוי זה: מחשוב ומחשוב ענן.

מה זה Fog Computing? An Architecture for Real-Time control

מחשוב פוג הוא ארכיטקטורת מחשוב מבוזרת שיושבת בין מקור הנתונים (רגישים, פועלים, PLCs, רובוטים) לבין הענן.זה הוצג על ידי סיסקו בשנת 2012 כדי לטפל במגבלות של ארכיטקטורות ענן בלבד עבור יישומים רגישים לזמן.באדריכלות ערפל,FLT:0g nodesFLT:1 - אשר עשוי להיות שערים תעשייתיים, שרתים, קצה או תוכנית מחשוב נמוכה (בדרך כלל) עם תכונות ענן אחרות של עיבוד).

כיצד פועל פוג בחרושת

שקול קו ייצור עם מאות חיישנים רטט על מנועים. גישה ענן רק ידרוש הזרמת כל נתוני חיישן גולמי למרכז נתונים מרוחק, המוביל לעקביות גבוהה (מאות של מילימטרים או יותר) ועלויות רוחב פס מופרזות.עם ערפל, ערפל ללא ערפל ליד המנועים מבצע ניתוח ראשוני - מרתיעה, ממקדמים בממוצע, ומייצרים התראות לטווח קצר לענן רק כדי לייצב את הסוללות אבטחה לטווח ארוך.

היתרונות של מחשוב פוג עבור אוטומציה תעשייתית

• (FLT:0) Ultra-low latency:BuildFLT:1 , לולאות בקרה קריטיות (למשל, תיאום זרוע רובוטי, מסנכרון) דורשות זמני תגובה ⁇ סטיים.מחשוב פוג יכול לספק רוחב של 10 מ"מ, לענות על הצרכים של IEEE 802.1-Time-Sensitive Networking (TS) יישומים.
• (ב) שימור:0(Bandwidth השימור:FLT:1) על ידי עיבוד נתונים באופן מקומי, ערפל מפחית את נפח הנתונים שנשלחים על רשתות רחבות (WANs), קיצוץ בעלויות והימנעות מעומס רשת.
• (ה) אמינותה:0) ,התמדה: FLT:1hil פוג צומת יכול להמשיך לפעול גם אם הקשר לענן מופרע, להבטיח הפעלה רציפה של מערכות קריטיות בטיחות.
• (FLT:0) אבטחת מידע: FLT:1 , נתונים של ייצור רגיש (למשל, מתכונים קנייניים, מדדי איכות) יכולים להישאר על רצפת המפעל, צמצום החשיפה להתקפות חיצוניות.
• (FLT:0Support for Legacy Equipment:FLT:1 Fogways יכולים לגשר על פרוטוקולים תעשייתיים ישנים יותר (Modbus, PROFINET) עם ניתוחים מבוססי IP מודרני וממשקי ענן.

אתגרים של מחשוב

ערפל הם בדרך כלל פחות חזקים ממרכזי נתונים בענן, מגבילים את המורכבות של ניתוח הם יכולים לבצע.לנהל צי מבוזר של ערפל - הפצת תוכנה, קידודים רוטטים, מעקב אחר בריאות - אינטגרציות תפעוליות יתר על כן, סטנדרטיזציה על פני ספקים נותרת מפוצלת, למרות יוזמות כמו FLT:0 OpenFog Consortium (כיום חלק מהקונסורציונל התעשייתי)Fal) LT:1 כבר פורסמו אדריכלות.

מהו מחשוב ענן? – כוח ודרגה

מחשוב ענן מציע גישה דרישה למאגרים עצומים של משאבים compute, אחסון ורשתות אשר אירחו במרכזי נתונים מרוחקים. ספקים מובילים כגון Amazon Web Services (AWS), Microsoft Azure ו-Google Cloud מספקים שירותים ברמה תעשייתית המותאמים לייצור, כולל אי-שיוויון IoT, אגמים נתונים גדולים, וניתוח נתונים גדולים ומכונה (ML) באוטומציה תעשייתית, מחשוב הוא עמוד השדרה עבור יישומים שאינם דורשים תועלת אולטרה-אטורה, אך מתוחכמים, מודלים גמישים, אך מקבילים, מודלים גמישים, אך מתרבים.

שימוש ב-Cloud Use Cases בתעשייה

• (FLT:0) תחזוקה מקדימה בקנה מידה: FLT:1) Aggregating נתונים של רטט מאלפי מכונות על פני מפעלים מרובים.מודלים של Cloud ML (למשל, רשתות עצביות LS) יכולים לזהות דפוסים של כשלים שלא ניתן לזהות על ערפל אחד.
• (FLT:0) תאומים וסימולציה: FLT:1 פועל מודלים סימולציה נאמנות גבוהה (למשל, CFD לניתוח תרמי) הדורשים אשכולות GPU.התוצאות מוזרים חזרה לקומה במפעל כמו פרמטרים של תהליכים מותאמים אישית.
• (FLT:0) תזמון הייצור ואופטימיזציה שרשרת האספקה:FIRLT:1); כלים מבוססי ענן (למשל, SAP ייצור הוצאה להורג, סימנס אוק מרכזי) לתאם הזמנות, מלאי וקיבולת ברחבי אתרים.
• ניתוח היסטורי ארוך טווח:0 (FLT:1Buildring שנים של נתונים איכותיים במחסן נתונים בענן עבור עמידה רגולטורית וניתוח שורש רטרוספקטיבי.

יתרונות מחשוב ענן באוטומציה תעשייתית

• ניתן לספק משאבי ענן בלתי מוגבלים:0 (Unמוגבלים: 0) 1FLT:1 ניתן לספק משאבים בענן תוך דקות כדי טיפול בספי נתונים משקות מוצרים או שיאים עונתיים.
• יעילותה של נפח גבוה: FLT:1 (pLT:1) מודלים Pay-as-go להימנע מהוצאות הון בשרתים על גבי מיזמים, במיוחד מועיל עבור יצרנים קטנים ובינוניים.
• (FLT:0) ניתוח עוצמתי ו-AI:FLT:1 Access to GPU-accelerated אשכולs ללמידה עמוקה ומחשוב ביצועים גבוהים עבור אלגוריתמים אופטימיזציה.
• ניהול:0 (ניהול מרכזי:FLT:103) מחבת יחיד של זכוכית עבור עדכוני תוכנה, מדיניות אבטחה, ניטור על פני כל המפעלים המחוברים.

אתגרים של מחשוב ענן עבור רצפת המפעל

הטיות נותרה ההוריד המשמעותי ביותר.גם עם סיבים רחבים, זמני עגולים לאזור הענן הקרוב ביותר יכולים לעלות על 50 מ's, איטי מדי עבור שליטה סגורה-פרטיבית, אבטחה גם דורש עיצוב זהיר: העברת נתונים מחוץ לגדר הצמח עלולה לפגוע במדיניות החברה או בתקנות התעשייה (למשל, ISO 27001, GDPR), שירותי ענן תלויים בכל קישוריות אינטרנטית אמינה - הפסקות ענן יכולות לעצור החלטות המבוססות על ענן.

הבדלים מרכזיים בין מחשוב ענן וענן

כדי להשוות את שתי פרדיגמות ביעילות, זה עוזר לבחון כמה ממדים החשובים ביותר למתרגלים תעשייתיים.

שקיפות

מחשוב פוג מיועד לעקביות של 10 מ"מ, מה שהופך אותו מתאים ליישומים בזמן אמת קשה (למשל, שליטה על קשת, לוגיקה של הפסקת חירום) מחשוב ענן מציג עיכובים של 30-300 מ"מ, בהתאם לתנאי רשת ומרחק גיאוגרפי, אשר מקובל על זמן אמתי רך או עיבוד אצווה, אך לא עבור אוטומציה רגישה לזמן.

מיקום ורשת Topology

ערפל ממוקם פיזית בתוך המפעל (על רצפת הייצור, בקבינט הבקרה, או על המכונה עצמה) שרתי ענן נמצאים במרכזי נתונים מרכזיים, אולי מאות קילומטרים משם.התפשטות הגיאוגרפית הזו משפיעה על הכל מריבונות נתונים ועד הנדסה ברשת.

Bandwidth ו-Data Volumes

מחשוב פוג מעבד נתונים ליד המקור, כך שרק תובנות רלוונטיות מועברות.ענן מחשוב דורש העברת כל הנתונים הגולמיים (או סיכומים גבוהים) על WAN.עבור קו אחד עם 1,000 חיישנים המדגם ב-1KHz, שיכול לייצג 50 GB לשעה - רטרוקטטית עבור רוב הקישורים של WAN הם לעתים קרובות הנהג הכלכלי העיקרי.

סקלאה

מחשוב ענן מציע דרוגיות כמעט ללא תשלום: compute, אחסון ושירותים יכולים להתרחב באופן גמיש. ערפל מחשוב בקנה מידה אופקי על ידי הוספת יותר צמתים, אבל כל צומת מוגבל ביכולת.ניהול 10,000 ערפל הוא מורכב יותר מאשר קנה מידה של מקרה ענן, אבל זה הכרחי עבור שליטה בזמן אמת מבוזר.

אבטחה ופרטיות נתונים

מחשוב פוג יכול לשמור נתונים רגישים בתוך המערכת, להפחית את החשיפה.עם זאת, הטבע המופץ מגביר את פני השטח של ההתקפה: כל ערפל חייב להיות מוקשה ולנהל.ספקי ענן להשקיע בכבדות בביטחון פיזי ורשתי, אבל הנתונים מותירים את הצמח, העלאת סיכונים.א ארכיטקטורת אמון אפס עם נתונים מוצפנים במעבר, ובמנוחה חיונית בשני המקרים.

מבנה עלויות

מחשוב ענן הוא בדרך כלל הוצאות תפעוליות (OpEx) עם מודל לשימוש בתשלום.מחשוב פוג כרוך בהוצאות הון (CapEx) עבור חומרה (כבישים, שרתי קצה) בתוספת עלויות תפעול מתמשך (חשמליות, תחזוקה) עלות כוללת של בעלות (TCO) חייב לשקול עלויות שידור נתונים, אשר יכול להיות משמעותי בגישות ענן בלבד.

אדריכלות: The Industrial Best Practice

בפועל, רוב מערכות אוטומציה תעשייתיות לאמץ ארכיטקטורה מטושטשת, היברידית המשלבת ערפל ומחשוב ענן.מודל זה מכבד את העיקרון הליבה: FLT: 0time- קריטי עיבוד על קצה, ניתוח אסטרטגי ב- cloudigtureFLT:1 [השכבה מטפלת בשליטה בזמן אמת, בקרת בטיחות, וגילויי אנומליות מהירים.זה פועל גם כמסנן נתונים, רק נתונים בעלי ערך גבוה (של אטומים, שינויים בעננים), לשינויים במזגים, על פני היתוך) למזג אווירי-אווירה.

דוגמה: תחזוקה חיזוי עם ערפל וענן

מילימטר מתגלגל במפעל פלדה משתמש ערפל כדי לפקח על טמפרטורה ו רטט ב 10 kHz.הערפל פועל מודל קל אקראי יערות אקראי כי מסווג מצב "נורמלי", "הדהה", או "ביקורת" זה יכול לגרום פעולות מקומיות מיידיות (מהירות התגלות, מהירות ערפל דקת) כל שעה, הצומת שולח תכונה דחוסה (סטטי, ספקטרום ספקטרום ספקטרום) לענן עמוק יותר, 000 זמן, לא לדחוף את הדיוק העמוק, 000.

טכנולוגיות ל Deployments היברידיים

• (FLT:0) MQTT ו Sparkpello:FreaLT:1) פרוטוקולים של אור משקל נושא נושאים נתונים חיישן והודעות פיקוד עם רמות איכות של שירות.Tahu's Sparkpello מפרט מבטיח יכולת הדדית בין ערפל ופלטפורמות ענן.
• (בשיתוף פעולה:0)Containerization (Docker, Kubernetes): 1FLT:1 הפעלת ניתוח עומסים במכלים מפשטים פריסה ועדכונים על פני אלפי ערפלים. Light Weight Kubernetes (K3s, MicroK8s) הם צוברים מסילות על שערים תעשייתיים.
• (FLT:0Cloud-edge Orchestration:FLT:1 Tools like Azure IoT Edge ו-AWS Greengras מאפשרים למפתחים לפרוס וללנהל שירותים נורמטיביים על ערפל, תוך שילוב חווית הפיתוח.
• (FLT:0) UA מעל TSN:03FLT:1) ההתכנסות של OPC Unified Architecture (UA) עם רשת זמן-רגישות מספקת תקשורת ⁇ יסטית מחיישנים ועד ערפל, וממנו ערפל לענן באמצעות IP סטנדרטי.

כיצד לבחור: מסגרת החלטה לאוטומציה תעשייתית

בחירת ערפל, ענן או מודל היברידי תלוי במקרה השימוש הספציפי.הקריטריונים הבאים יכולים להנחות את ההחלטה:

דרישות לגרות

אם הלולאה הבקרה חייבת להיסגר בפחות מ-10 מ"מ (למשל, דחפים סרבו, רובוטיקה מונחת ראייה, פונקציות בטיחות), מחשוב ערפל הוא חובה.יישומים בזמן אמת רך (למשל, בקרה פיקוחית, איסוף נתונים) יכולים לסבול עיכובים בענן.

רגישות והערכה

גורמים העוסקים בעיצובים מסווגים (למשל, מרחב אוויר, הגנה) או מידע המאפשר זיהוי אישי (PII) עשויים להיות נדרשים לשמור על נתונים על יסודות.מחשוב פוג יכול לשמש כשכבת שמירה על נתונים, עם רק סיכומים אנונימיים מותרים לענן.

רשת Bandwidth and Reliability

אתרים עם חיבורים מקוונים יקרים או לא אמינים (למשל, מכרות מרוחקות, אוניות, מתקנים כפריים) צריכים לאשר מראש מחשוב ערפל כדי למזער את התנועה WAN ולשמור על אוטונומיה במהלך בחוץ.

מורכבות

מודלים מתקדמים של בינה מלאכותית (למידה עמוקה, סימולציה) דורשים משאבי ענן.התאמת משקל לפני עיבוד בערפל והפרעה כבדה / אימון בענן.הגישה ההיברידית מאפשרת שיפור מתמשך ללא מכשירים מבורכים יתר.

מחיר מוחלט של בעלות

חישוב עלויות חומרה עבור ערפל נוודים בתוספת השימוש בענן (חיוב, אחסון, העברת נתונים) לעתים קרובות אסטרטגיה ערפל ראשון מפחיתה את עלויות הענן ב 50-80%, כי רק נתונים משמעותיים מועברים. השתמש בענן לניתוח המספק ROI גבוה (למשל, צמצום זמני עד 30%).

מגמות עתידיות: Eכרוך Edge

[ה] הגבולות בין ערפל וענן ממשיכים לטשטש.FLT:05G רשתות פרטיות ⁇ 1:1 להציע תקשורת בעלת עוצמה נמוכה (URLLC) שיכולה לחבר ערפל עם AI מבוסס ענן, תוך שמירה על התנהגות ⁇ סטית.FLT:2 מספק שירותי למידה בלתי-מוגבלים 3, מאפשר מודלים של AI על פני ערפל רבים ללא העברת נתונים גולמיים לשימור ענן, בינתיים, מערכת מחשוב מינימלית של 5.

מסקנה: בניית אדריכלות שעובדת

מחשוב ערפל ומחשוב ענן הם משלימים, לא מתחרים, פרדיגמות לאוטומציה התעשייתית. Fog עולה לאן מהירות, אמינות וריבונות נתונים הן דבר חשוב; ענן מספק יכולת מדרגיות, ניתוח מתקדם וניהול מרכזי.היישומים המצליחים ביותר מתייחסים אליהם כשני קצוות של ספקטרום, עם אדריכלות היברידית המספקת את הטוב ביותר של שני העולמות.על ידי הבנת החידושים הטכניים והכלכליים המפורטים במאמר זה, מהנדסי אוטומציה ומערכות IT יכולים להיות יציבים כיום דרישות ייצור חזקות יותר ויותר.

(ב) עיין באדריכלות ההתייחסות של ה-Uberium Internet Consortium (בקיצור:2IEEE) ב- ערפל ב-FLT 3, ובמשאבים של FLT:4OPC ב-TSNNNNFLT:5IEEE נייר על מחשוב ערפל בייצור ייצוב FLT:3, ואת המשאבים של קרן ה-FLT:4OpLT:5.