Edge Computing para fabricantes

Introducción

Las nuevas tecnologías están revolucionando la forma en que los fabricantes conectan los procesos y recopilan datos en el taller.

Entre las más prometedoras se encuentra la computación de borde.

La computación de borde es un método para mejorar la agregación y el procesamiento de datos mediante la colocación de recursos informáticos cerca de donde se recogen los datos.

Esta guía le introducirá en la computación de borde y le explicará cómo los fabricantes de todos los tamaños pueden beneficiarse del uso de dispositivos de borde para impulsar sus iniciativas de IIoT y de supervisión de máquinas.

La computación de borde se refiere a la asignación de cargas de trabajo informáticas a los "bordes" de una red, adispositivos y recursos más cercanos a los puntos finales de la red que un centro de datos centralizado o una nube.

En la fabricación, los recursos informáticos de borde pueden incluir máquinas, pasarelas, convertidores de protocolo u otros tipos de controladores industriales. Con mayor frecuencia en la fabricación, la computación de borde se refiere al uso de un dispositivo de borde dedicado.

Al distribuir los recursos informáticos, los fabricantes pueden:

1. mejorar la velocidad de procesamiento de datos

2. filtrar pronto la señal del ruido

3. mejorar la accesibilidad de los datos

La filosofía que subyace a la computación de borde es que es más rápido y eficaz procesar la información en su origen.

Considere cómo viaja la información desde un activo industrial hasta un centro de datos. La máquina genera datos -temperatura, vibración, rpm, consumo de recursos, etc.- a medida que funciona. Es probable que esos datos deban someterse a algún tipo de conversión de formato o protocolo para que resulten útiles a los ingenieros. A continuación, los datos se envían a un servidor local o a una base de datos en la nube. Si se envían a la nube, es posible que tengan que recorrer una distancia considerable hasta uno o varios servidores físicos dispersos geográficamente.

Aunque la computación y el almacenamiento en la nube son esenciales para el Internet industrial de las cosas, este relevo entre la generación, el procesamiento y el retorno de los datos puede crear problemas de latencia, ancho de banda y gestión de datos.

Para los procesos de fabricación sensibles, incluso un pequeño grado de latencia puede tener efectos significativos en la eficacia y la calidad.

La computación de borde evita esto asegurando que el procesamiento de datos se produzca en estrecha proximidad geográfica y de red a la creación de datos.

Entender por qué la computación de borde es importante en la fabricación requiere comprender algunos retos que surgen con las arquitecturas en la nube.

La industria manufacturera ha utilizado durante mucho tiempo arquitecturas de información centralizadas. En un sistema centralizado, la información generada a lo largo de una operación se procesa y almacena en un servidor central. Esto ha sido importante para manejar grandes volúmenes de datos, así como para gestionar controles sensibles.

Con la llegada de la nube, esta "columna vertebral" se ha desplazado de los recursos in situ a ubicaciones geográficamente alejadas. Sin embargo, el trayecto que recorren los datos hasta la nube es esencialmente el mismo.

Los avances en edge computing significan que la fabricación está volviendo a un modelo descentralizado.

En lugar de concentrar el procesamiento de datos en un único lugar, los sistemas descentralizados como la computación de borde aprovechan la capacidad de cálculo y almacenamiento existente en los nodos de toda la red. Este tipo de estructura es "descentralizada" porque la computación se realiza allí donde hay recursos disponibles y suficientes. Con los sistemas descentralizados, la proximidad es un factor determinante de dónde se produce el procesamiento.

Aunque el crecimiento del edge signifique un crecimiento de la informática descentralizada, es importante señalar que esto no significa que el edge vaya a sustituir a la nube.

Más bien, el borde y la nube existen en una relación simbiótica.

Para muchos fabricantes, la infraestructura en la nube es necesaria para asegurarse de que los datos se almacenan en un lugar accesible y escalable. Es necesaria para respaldar las operaciones con suficiente potencia informática sin necesidad de realizar costosos desembolsos en equipos in situ.

Sin la nube, la logística de almacenamiento, extracción y análisis de datos sería significativamente más complicada. Sin embargo, las realidades de la supervisión moderna de las máquinas hacen que la computación de borde sea deseable.

De este modo, los fabricantes pueden obtener el máximo beneficio de sus iniciativas digitales combinando una infraestructura en la nube con la computación de borde, según lo requieran las operaciones.

Este tipo de arquitectura híbrida -en la que una infraestructura centralizada da soporte a una informática descentralizada- suele denominarse informática de niebla. Dicho de otro modo, la niebla es la forma de acercar la nube a la tierra.

De hecho, las mejores estimaciones sobre el futuro de cada tecnología sugieren que tanto el tamaño del mercado de la nube como el de los bordes crecerán significativamente durante la próxima década.

Los dispositivos Edge pueden ser sensores, máquinas habilitadas para IoT, pasarelas u ordenadores de placa única. Tanto para los pequeños como para los grandes fabricantes, ofrecen un método rápido y ligero para agilizar las iniciativas digitales. Estos dispositivos funcionan con una potencia mínima, consumen poca energía y pueden ser extremadamente rentables.

Los dispositivos de borde son un componente esencial de cualquier sistema de supervisión de máquinas. Son importantes por varias razones.

Traducción de protocolos - No todas las máquinas se comunican a través de los mismos protocolos. Mientras que las máquinas más nuevas pueden comunicarse utilizando protocolos como MTConnect y OPC UA, ya sea de forma nativa o con productos de traducción como Kepware, otras necesitan dispositivos que hagan que los datos de los sensores sean legibles para un usuario final. Las máquinas heredadas, en particular, necesitan un dispositivo intermediario para convertir los datos de los sensores en información útil. Los dispositivos Edge pueden captar la información de los sensores de IoT y traducirla a los protocolos que necesite para convertir los datos en información.

Datos de varios sensores - En muchos casos, para comprender el rendimiento y el estado de una máquina es necesario tomar datos de varios sensores simultáneamente. Por ejemplo, si desea comprender la causa raíz del fallo de una pieza en una fresadora CNC, es importante disponer de datos sobre todos los parámetros que podrían contribuir a la degradación de una pieza específica.

Los dispositivos Edge ayudan a recopilar datos de múltiples sensores para situar el estado de la máquina en una perspectiva más completa. Esto le permite ir más allá de la especulación para llegar a las causas raíz.

Datos de varias máquinas - Entender cada máquina como individualmente importante. Sin embargo, los conocimientos más impactantes se obtienen cuando los datos de una sola máquina se comparan con los datos de todo un departamento. Los dispositivos Edge ayudan a agregar y centralizar los datos de varias fuentes de máquinas diferentes, lo que facilita la comprensión del rendimiento en tiempo real.

Filtrar la señal del ruido - No toda la información generada por una máquina es útil. Los dispositivos de borde ayudan a separar la información importante -como cuando una máquina supera un parámetro establecido o cuando se detecta un evento específico- del diluvio de datos creados durante el tiempo de actividad programado. Cada vez más, los algoritmos de aprendizaje automático se ejecutan en los dispositivos de borde para facilitar este proceso de filtrado.

Perspectivas en tiempo real - Para muchos fabricantes, la supervisión de las máquinas es una forma de comprender la producción en tiempo real. Aunque los datos históricos son importantes para comprender el rendimiento y el estado de las máquinas a lo largo del tiempo, es igualmente útil tener visibilidad del estado de las máquinas durante las horas de funcionamiento. Los dispositivos de borde permiten encaminar los datos de las máquinas hacia cuadros de mando de análisis visual. Al pasar los datos de las máquinas a través de un dispositivo edge, los fabricantes pueden acceder a los análisis necesarios para obtener información en tiempo real.

Cada vez más, el éxito en la fabricación requiere reunir datos operativos para la mejora continua. En pocas palabras, requiere un programa de supervisión de máquinas.

Pero la supervisión de las máquinas no siempre es suficiente. Los sistemas de fabricación generan una enorme cantidad de datos. Y los datos no son útiles si no se pueden almacenar y acceder a ellos de forma procesable.

De los fabricantes que hacen un seguimiento del rendimiento de sus máquinas, pocos tienen una estrategia de gestión de datos. Aún menos (el 14%, según algunas estimaciones) afirman no tener problemas para gestionar la abundancia de datos generados en sus talleres.

Aquí es donde los dispositivos de borde pueden ayudar.

Los dispositivos Edge ayudan a garantizar que los datos de sus máquinas sean 1.) legibles, 2.) accesibles, 3.) seguros, 4.) relevantes para los KPI que desea controlar.

Para demostrar cómo pueden utilizarse los dispositivos de borde en contextos reales de fabricación, veamos cómo un cliente de Tulip utiliza nuestra pasarela IoT para recopilar datos de sus máquinas heredadas.

Este fabricante se enfrentaba a un problema común. Aunque sus máquinas heredadas no tenían ningún fallo operativo, no podían conectarse a Internet de forma nativa. Esto significaba que medir el rendimiento de las máquinas era una operación manual. En muchos sentidos, sus cálculos de OEE estaban sujetos a error, y sus análisis de los cuellos de botella luchaban por identificar las causas raíz.

Para conocer mejor su producción, este cliente utilizó los sensores de IoT y los dispositivos de borde de Tulip para poner en línea sus máquinas analógicas.

Utilizando dispositivos de borde y sensores, este fabricante pudo medir las RPM y otros parámetros clave de la máquina. Con una pequeña inversión inicial, pudieron mejorar su comprensión de los procesos de producción lo suficiente como para identificar los cuellos de botella y equilibrar mejor sus líneas. La pasarela IoT permite a este fabricante recopilar datos de varias máquinas simultáneamente. El fabricante agrega esta información en un cuadro de mando de producción visual a través de los análisis de Tulip . Ahora, todos en el taller comprenden la producción en tiempo real.

Al conectar estos datos de las máquinas con los datos de rendimiento humano, pudieron ver sus operaciones desde una perspectiva holística, identificando áreas de mejora y comprendiendo exactamente cómo fluía el WiP a través de sus líneas.

Al final, este fabricante aumentó el número de unidades producidas en un 15%. Cumplieron sus ambiciosos objetivos de ampliar la producción al tiempo que reducían el coste de los bienes vendidos. Al poner en línea una instalación abandonada, pudieron mejorar el tiempo de actividad y la visibilidad de una forma que tuvo un impacto real en el negocio.