Pět tipů, jak předejít hlavním příčinám selhání v oblasti průmyslového edge computingu

Konvergence informačních a provozních technologií nabízí nové možnosti v oblasti řízení procesů a výroby. Obrázek poskytla společnost Dell Konvergence informačních a provozních technologií nabízí nové možnosti v oblasti řízení procesů a výroby. Obrázek poskytla společnost Dell

Při zavádění průmyslového edge computingu existuje několik způsobů, jak podpořit konvergenci informačních a provozních technologií (IT/OT).

Velký chemický výrobní závod využívá různorodou směs rozdílných aktiv. Různorodost aktiv spočívá ve funkčních rozdílech – jsou používány například výměníky tepla, destilační kolony a odstředivky – a také ve stáří aktiv (rozmezí stáří od 5 do více než 25 let), stejně jako v různém stupni modernizace.

Představme si, že tento týden je poptávka zákazníků vysoká a chemický závod pracuje na plnou kapacitu, aby splnil objednávky a dodací závazky. V úterý však po třech hodinách výroby dojde k poruše vařáku na destilační koloně, čímž se celý výrobní proces zastaví.

Bude trvat osm hodin, než se z této neplánované odstávky podaří vzpamatovat a obnovit výrobu. Poté další dvě hodiny, než se výroba závodu rekalibruje na požadovanou úroveň kvality. Náklady závodu a celé společnosti rychle porostou: odhadují se na 260 tisíc amerických dolarů za hodinu. Jinými slovy, těchto 10 hodin ušlého výrobního času způsobí ztráty ve výši 2,6 milionu dolarů.

Edge computing je o zpracování a využití dat v místě zařízení; edge je zaměřen na zařízení, která jsou připojena k věcem v IoT. Obecnou myšlenkou je zpracování dat spolu s tvorbou výstupů lokálně na koncovém zařízení.

Důležitá otázka. Dalo se tomuto neplánovanému výpadku zabránit?

Ačkoli je tento scénář pouze hypotetický, vychází z reálných událostí. Ukazuje kritickou – a zranitelnou – povahu aktiv a výrobních procesů v chemické výrobě. Žádný výrobce – ať už v automobilovém, těžebním, celulózovém, papírenském či ropném a plynárenském průmyslu – není z této problematiky vynechán. Neplánované prostoje způsobují ročně výrobcům náklady odhadované na 50 miliard dolarů. Řešení, které by tyto průmyslové ztráty proaktivně zmírnilo, je naprosto zásadní.

Ve výrobě představuje edge computing a jeho využití velký příslib pro eliminaci řady zranitelných míst ve výrobě, včetně neplánovaných prostojů. Průmyslový edge computing nabízí větší flexibilitu, zvyšuje efektivitu nákladů a posiluje globální konkurenceschopnost. První dosavadní výsledky využití edge zařízení a průmyslového internetu věcí (IIoT) jako nástrojů Průmyslu 4.0 prokazatelně přinášejí působivé výsledky a skrývají potenciál do budoucna.

Výzva k dosažení efektivní schopnosti průmyslového edge computingu spočívá v úspěšné konvergenci informačních technologií (IT) a provozních technologií (OT), což představuje koncept, jenž se snadněji vyřkne, než udělá. Tyto dvě funkční oblasti se potýkají s heterogenním prostředím, které je ve výrobě realitou. Průmyslová prostředí často pracují s více technologiemi od různých dodavatelů a používají i původní technologie, jejichž stáří se může pohybovat v rozpětí od 5 až do 25 let. Je nezbytné efektivně modernizovat a transformovat úložiště a výpočty, aby bylo možné realizovat pozitivní výsledky edge computingu.

Vzhledem k tomu, že IT odborníci a datoví specialisté svým výzkumem prohlubují možnosti edge computingu, je nezbytné před implementací řešení založených na tomto principu dobře porozumět aspektům provozních technologií. Lidé totiž hrají stejně důležitou roli jako samotná technologie.

Pět klasifikátorů pro konvergenci IT/OT

Podívejme se na pět důležitých zásad pro využití síly průmyslového edge computingu pro překlenutí propasti mezi IT a OT a k urychlení konvergence IT/OT, konkrétně pro IT profesionály a datové vědce. Pochopení těchto klasifikačních zásad a prozkoumání různých perspektiv umožní vytyčit lepší spolupráci – a tím i lepší výsledky – na rozhraní. Tato spolupráce může zahrnovat strategii edge zařízení, datovou strukturu pro umělou inteligenci / strojové učení (AI/ML), modernizaci infrastruktury, transformaci lidí, procesů a technologií, správu, zabezpečení dat a správu nasazených hardwarových a softwarových řešení. V podstatě se jedná o všechny faktory potřebné k vytvoření úspěšné výpočetní platformy edge.

  1. Výpočetní platformy založené na edge zařízeních musejí být adaptabilní na nejistoty

IT perspektiva. Při zahájení modernizačního nebo transformačního projektu souvisejícího s Průmyslem 4.0 mají IT odborníci a datoví vědci tendenci využívat stávající data, infrastrukturu a dostupné informace jako empirické vstupy. Požadavky na technologie vycházejí z pevného a známého souboru pravidel a vztahů, jež umožňují předvídat výsledky s vysokou pravděpodobností (90 % a více).

Perspektiva OT. Naproti tomu průmyslové rozhraní je řízeno profesionály OT a jejich reálným výrobním prostředím. Různí profesionálové OT používají různá pravidla, vztahy a koeficienty na základě dat, která mohou zahrnovat konkrétní proces nebo aktivum. Vstupy OT tedy nemusejí sloužit k optimálnímu návrhu a nasazení edge computingu pro celou továrnu.

Řešení. Chcete-li tuto mezeru překlenout, použijte škálovatelný přístup založený na přizpůsobení nejistotám průmyslového rozhraní. Modely AI/ML by měly zahrnovat například situace, kdy může existovat méně dat, více dat, nová data, chybějící data, chráněná data, manipulovaná data, skrytá data a syntetická data. Tato data by se mohla lišit v míře kvality a kvantity na základě situace v reálném čase a mohla by, ale nemusela vyhovovat dané sadě optimálních pravidel, která byla předem definována na základě minulých klasifikací.

  1. Doporučení musejí být snadno srozumitelná různým osobám

IT perspektiva. IT odborníci a datoví vědci ze své podstaty nemluví jazykem odborníků na OT. Proto musí být vytvořen společný, jasný a spolupracující komunikační mechanismus, jenž zajistí, že jakýkoli návrh a nasazení řešení edge computingu budou založeny na konsenzu a provedeny srozumitelně.

Perspektiva OT. Data a informace poskytované platformou edge computingu musejí být „důvěryhodné“ a „včasné“, aby mohly být využity k přijetí opatření, která posunou výrobu kupředu. Akce se mohou týkat toku materiálu, správy majetku, řízení lidí, řízení procesů, kvality a produktivity výrobků. Dvěma hlavními způsoby využití dat OT jsou: 1) sledování aktuálních procesů a řešení incidentů a událostí, které nejsou v pořádku; 2) vyhodnocování výsledků, jež slouží jako vodítko pro investice do neustálého zlepšování.

Řešení. Pro neustálé zlepšování a průběžnou optimalizaci procesů a výroby je klíčové pochopit, jak lidé na průmyslovém rozhraní interagují se stávajícími OT a podnikovými IT systémy.

  1. Heuristické znalosti jsou nezbytné pro zajištění přesnosti, jednoduchosti a předvídatelnosti

IT perspektiva. Předvídat budoucí stav „věcí“ pomáhají tři zdroje informací: aktuální data, historická data v rámci provozního systému a heuristické neboli zkušenostní znalosti ztělesněné v myslích odborníků na OT. Jelikož IT profesionálové a datoví vědci jsou často obeznámeni se zákonitostmi kolem zdrojů založených na datech, je pravděpodobné, že nebudou blíže seznámeni s možnostmi OT.

Perspektiva OT. Profesionálové OT často disponují hlubokými znalostmi a odbornými vědomostmi založenými na bohatých zkušenostech z reálného světa. Jedná se o tzv. heuristické znalosti. Pokud jsou tyto vědomosti sdíleny s datovými vědci, pomáhají identifikovat jednodušší a vysoce efektivní algoritmy pro předpovídání budoucnosti dané věci. Podobně pokud jsou heuristické znalosti sdíleny s IT odborníky, mohou pomoci nasadit nákladově efektivní, odolnou a škálovatelnou infrastrukturu pro potřeby edge computingu.

Řešení. Při navrhování a nasazování řešení edge computingu musejí být znalosti odborníků na OT integrovány do hodnocení IT, aby bylo možné úspěšně implementovat edge zařízení.

  1. Normativní doporučení představují očekávaný výsledek na rozhraní

IT perspektiva. Platformy určené pro edge zařízení a jejich použití využívají umělou inteligenci a strojové učení (AI/ML), což je cesta k „normativnímu“ řešení. Tato řešení rozuzlí rizika nebo nejistotu v dané situaci. IT odborníci a datoví vědci mohou normativní doporučení považovat za „optimální“. Nicméně odborníci na OT je takto vnímat nemusejí.

Perspektiva OT. Odborníci OT zvažují provedení normativních doporučení po zahrnutí dalších kritérií, jako je dostupnost zdrojů, důvěryhodnost doporučení, čas na provedení, složitost situace, citlivost a specifičnost. Ačkoli tedy normativní doporučení představují okrajový výpočetní požadavek, budou zmírněna dalšími proměnnými na základě provozního prostředí.

Řešení. Při práci s datovou strukturou na průmyslovém rozhraní za účelem předepisování doporučení by IT odborníci i datoví vědci měli vzít v úvahu: 1) rozdíl mezi rizikem a nejistotou při použití modelů AI/ML; 2) tato normativní doporučení nebudou optimální, dokud v nich nebudou zohledněny další parametry.

  1. U průmyslového rozhraní je transparentnost hnací silou vyšší produktivity

IT perspektiva. Použití logiky datové a řídicí roviny v rámci výpočetní platformy na rozhraní vyžaduje určitou míru transparentnosti, aby jí odborníci na OT důvěřovali a akceptovali ji. Algoritmy AI/ML vyžadují matematickou sofistikovanost, čímž bude dosaženo přesnosti. V procesu dosahování této přesnosti nastane bod klesající návratnosti, kdy růst složitosti bude převažovat nad očekávanými přínosy. Aby bylo možné dosáhnout konsenzu, měla by být tato sofistikovanost vysvětlitelná tak, aby ji odborníci na OT snadno pochopili.

Perspektiva OT. Vzhledem k pokročilému a rušnému prostředí reálných průmyslových provozů jsou odborníci na OT vizuálně orientováni. Začleněním transparentnosti rozhraní se mohou odborníci na IT i datoví vědci rozhodnout, že se vyhnou složitým a neprůhledným stochastickým modelům s menší klesající návratností a místo toho přijmou jednodušší případy použití s lepšími hodnotovými propozicemi na rozhraní.

Řešení. IT odborníci by měli zvážit každý případ použití a posoudit „návratnost“ dosažené přesnosti jako zvýšenou matematickou složitost. Tímto způsobem se lze vyhnout přílišné komplikovanosti nebo ji minimalizovat. V důsledku toho lze realizovat transparentnost – klíčovou složku pro důvěryhodnost ze strany OT a pro zkušenosti uživatelů na rozhraní. Transparentnost navíc umožňuje odborníkům na IT a OT provádět vhodné a průběžné úpravy pravidel, kterými se řídí příjem dat, a odvozování, jimiž se řídí příkazy a řízení.

Další kroky

V chemickém výrobním závodě bylo možné neplánovanou odstávku zmírnit využitím prediktivní údržby v rámci průmyslového edge computingu, díky kterému by bylo možné předejít hrozící poruše s co nejnižšími náklady na opravu.

Výroba může využitím průmyslového edge computingu hodně získat. Příprava na efektivní nasazení technologie edge však vyžaduje strategický záměr, tj. sdílet perspektivy a spolupracovat napříč IT a OT. Použití pěti uvedených klasifikátorů by mělo pomoci usměrnit spolupráci mezi IT odborníky a datovými vědci a podpořit úspěšnou implementaci technologie edge zařízení.

Řízení a údržba průmyslového podniku

Časopis Řízení a údržba průmyslového podniku již přes 10 let patří mezi neodmyslitelný zdroj informací v oblasti průmyslové údržby a diagnostiky. Část obsahu je z pera licenčních autorů Plant Engineering z USA.

www.udrzbapodniku.cz