エッジコンピューティングがIIoTにとって非常に重要である理由

OptimalPlusのMichaelSchuldenfrei

1950年代のプリント回路基板（PCB）の発明は、自動化の世界を変えました。 PCBの前は、電子回路基板は手作業でのみ組み立てられていました。これは、世界的な生産を大幅に制限する骨の折れるプロセスでした。

今日、 OptimalPlus の企業テクノロジーフェローであるMichaelSchuldenfreiは言います 、 業界は、製造プロセスに計装を導入し、エッジコンピューティングを使用することで、さらに革命的な飛躍を遂げています。

製造プロセスの計装には、センサーによって検出された環境条件に応じて製造条件を微妙に変更できる多数のセンサーとマイクロコントローラーが含まれます。これらのセンサーは大量のデータを生成しますが、マイクロコントローラーは生成されたデータに直接応答できません。

計装の製造に使用されるセンサーとマイクロコントローラーはどちらも、基本的に小さなネットワークコンピューターです。センサーはデータを中央の場所に送信し、そこでデータが分析されます。これらの小型の自律型コンピューターは、人間がリアルタイムで監視することはなく、モノのインターネット（IoT）の一部です。より具体的には、製造業のコンテキストでは、それらは産業用IoT（IIoT）デバイスです。

計装を製造するためのIIoTユースケース

IIoTデバイスは、人間が毎回確実かつ/または正確に実行するのが困難（不可能ではないにしても）であるジョブを実行するために、さまざまなコンテキストで使用されます。たとえば、溶接検査について考えてみます。溶接は多くの電子機器生産ラインの不可欠な部分であり、最終製品の機能と耐久性にとって重要です。

残念ながら、メーカーはますます厳しくなる制約の下で、ますます小さなコンポーネントに溶接を実行するように求められています。コンポーネントを保護するために、溶接は可能な限り低い熱と可能な限り低い電荷で実行する必要があります。

このプロセスの改善に役立つ可能性のあるIIoTデバイスには、現在の環境条件で溶接を実行するために必要な最小アンペア数を決定するのに役立つ熱、電圧、および圧力センサーが含まれます。 IIoTカメラは、機械学習ベースの視覚的溶接検査システムにフィードして、人間の目で見るには小さすぎる場合でも、溶接が十分であることを確認することもできます。これは初心者向けです。

製造計装は、電子機器製造だけでなく、あらゆる製造をより正確にし、製造エラーを減らし、関係者を減らすことができます。残念ながら、特に最新の製造サプライチェーンの複雑さを考えると、この計測は簡単ではありません。

製造計装機能の作成

情報技術（IT）チームは、何十年にもわたって機器を利用してきました。センサーをソフトウェアに組み込むのにかかる費用は、センサーをハードウェアに組み込むのにかかる費用ほど高くありません。その結果、あらゆる種類のオペレーティングシステム、アプリケーション、およびIT機器には、センサーが完全に散らばっています。このため、ITチームは、最新のマイクロコンピューターが存在する前から、生成するデータの量に苦労してきました。

データが多すぎて、時間がほとんどない

現実の世界では、計測されたインフラストラクチャは、1人の人間が処理できるよりもはるかに多くの情報を生成します。人間の大規模なチームでさえ、適度なITインフラストラクチャでさえも放出されるすべてのデータをくまなく調べることは期待できません。 IT機器によって放出されるデータを理解できるようにすることに専念する、IT分野内にすべての分野が存在します。テクノロジーとテクニックは、単純なフィルターから高度な人工知能（AI）や機械学習（ML）テクニックまで多岐にわたります。

最近まで、これはほとんどのITチームにとって十分でした。情報が収集されて中央の場所に送信され、番号が処理され、重要なデータのみがシステム管理者に転送されます。これに数秒または数分かかった場合は、問題ありませんでした。短時間のIT停止は一般的に許容されました。

しかし、世界中の組織がITにますます依存するようになるにつれて、インストルメンテーションに対応するためにかかる許容可能な時間は大幅に減少しました。多くの組織にとって、許容可能な反応時間は、今日、人間が達成できる可能性のある時間よりはるかに短いです。したがって、最先端の組織の最新のITシステムは、強力なAIおよびMLスイートを使用して、人間の管理者が問題があることに気付く前に、センサーデータによって報告された変更にITインフラストラクチャを対応させます。

現代の製造業者は、想像できるように、人間よりも速く反応することもできる計装ソリューションを探しています。センサーを読み取り、問題が発生したことを人間に伝えることは役に立ちますが、センサーデータにリアルタイムで応答することほど役に立ちません。

IT計装と製造計装

2つの違いは、ITインストルメンテーションが比較的簡単であるということです。1つは、すでに完全にデジタル化されているデバイスからITインフラストラクチャとアプリケーションに関するデータを収集します。計装の製造はより困難です。計装の製造に使用されるIIoTデバイスは、物理的な世界に関するデータを収集します。これは、アナログデータを収集し、それをデジタルに変換することを意味します。これはまったく別の球技です。物理センサーはキャリブレーションする必要があり、時間の経過とともに摩耗します。クオラムセンシングが可能になるように、物理センサーも通常はクラスターに配置されます。

クオラムセンシングは、キャリブレーションのドリフトやセンサーの誤動作を補正するために、複数の独立したセンサーを使用します。クラスター内の1つのセンサーが、パートナーとは異なるデータを報告する場合、無視したり、再キャリブレーションのフラグを立てたりすることができます。これにより、故障したセンサーを再校正または交換できるようになるまで、既知の良好なセンサーを使用して製造を続けることができます。

アナログセンシングの複雑さは、センサーデータへのリアルタイムの応答性に対する差し迫った要件と相まって、製造機器の現実世界の課題を提示します。

クラウドコンピューティングですべてを修正することはできませんか？

ITチームは、多くの異なる困難な計算要件に対処する必要がありました。 ITベンダーによって開発されたソリューションの一例はクラウドコンピューティングです。

クラウドコンピューティングとBDCA

クラウドコンピューティングにより、組織はボタンを押すだけで、一見無制限のITインフラストラクチャにアクセスできます。クラウドコンピューティングの背後にある理由は多数あり、複雑ですが、おそらく最も重要な理由は、クラウドコンピューティングにより、ITチームが基盤となるITインフラストラクチャを管理または保守することなくITワークロードを運用できるようになることです。クラウドプロバイダーがその部分を処理します。

クラウドコンピューティングは、バルクデータ計算分析（BDCA）ワークロードに非常に役立つことが証明されています。 AI、ML、ビッグデータなど、さまざまな種類のBDCAワークロードがあります。大量のデータが収集され、後で分析する必要があるものはすべて、BDCAワークロードです。過去数年間、クラウドコンピューティングは、新しいBDCAプロジェクトの大部分の目的地でした。

クラウドコンピューティングがBDCAワークロードに使用される理由の1つは、クラウドバーストの概念です。大規模なデータセットの分析に使用される計算ワークロードなどのクラウドワークロードは、必要な場合にのみ、必要な規模にまでスピンアップできます。ほとんどのBDCAワークロードは、設定されたスケジュールで分析を生成するだけでよいため、これはBDCAワークロードに適しています。ここでは、月末のレポートが一般的な使用例です。

残念ながら、規模の経済は、従来のパブリッククラウドが中央に配置されていることを意味します。これにより、パブリッククラウドベンダーは、コストが最も低いデータセンターを配置し、実際に非常に大きなデータセンターを構築することができます。これは、スケジュールに従って実行されるバッチジョブスタイルのBDCAワークロードには役立ちますが、リアルタイムの応答性を必要とするワークロードにはあまり役立ちません。

これを解決するために、エッジコンピューティングが開発されました。

エッジコンピューティング

エッジコンピューティングはクラウドコンピューティングと考えることができますが、他の誰かのデータセンターにあります。エッジコンピューティングが進化したのは、ITチームが、従来のパブリッククラウドコンピューティングでは提供できなかった低遅延の応答性を必要とするワークロードを持っていたためです。 ITチームはそのようなインフラストラクチャを完全に作成することができましたが、それを自分で処理する負担と面倒を望んでいませんでした。

新しいデータ要求への対応

意見交換の結果、これらの顧客のニーズを満たすために、パブリッククラウドプロバイダーは関連組織のデータセンターにサーバーをインストールすることが決定されました。これにより、これらの組織のITチームは、パブリッククラウドプロバイダーによって作成されたリージョンと同じように見えたが、他のワークロードと同じローカルエリアネットワーク（LAN）上にあるリージョンでワークロードを実行できました。 。

これらの「エッジコンピューティング」サーバーを使用すると、IoTセンサーデータを処理して、そのデータがインターネットを経由してパブリッククラウドデータセンターに移動し、処理してから結果をインターネットに戻す必要がある場合よりもはるかに高速に処理できます。 。エッジコンピューティングは、自動運転車を含む多くの新しいテクノロジーを可能にしています。

ユースケース：自動運転車のリアルタイムデータ

自動運転車は、データを待つことができないテクノロジーの優れた例です。クラウドコンピューティングは、特定のエリア内のすべての車のセンサー情報を収集し、データを処理し、それらの車にすべての人とすべてが特定の半径内にある場所の地図を送信することで、無人の車を支援できます。これにより、これらの車は文字通り角を曲がったところを見ることができ、さらに安全になります。

ただし、光速であっても、車からパブリッククラウドに情報を送信したり、再度送信したりする場合は、最大で1/4秒かかることがあります。車が関与している場合、人々は1/4秒で死ぬ可能性があります。そのため、処理を車に近づけると（たとえば、車がトリッキーな都市環境をナビゲートしようとする場所から数ブロック以内に関連するサーバーを配置することで）、他の方法では不可能だったテクノロジーを実現できます。

同様に、製造業はエッジコンピューティングを利用して、必要な計測を可能にすることができます。ただし、通常の場合と同様に、製造には独自の紆余曲折があり、エッジコンピューティングがプロセスにとってより重要になるだけでなく、克服しなければならないさまざまな課題も提示されます。

製造業でエッジコンピューティングを使用する理由

エッジコンピューティングと製造会社の関連性に関する一般的な提案は、リアルタイムの応答性の必要性を中心に展開しています。動きの速い生産ラインで製造上の欠陥をゼロに近づけようとすると、センサークラスターを利用できるようになります。センサークラスターは、個々のセンサーに障害があるかどうかをクォーラムで検知し、再調整できます。ただし、生産ラインの中断を避けるために、再校正は非常に迅速に行う必要があります。

インターネットを介してセンサーデータを送信するのに100または250ミリ秒かかる場合、回線上の製品が失われたり、機器が損傷したりする可能性があります。ただし、データをローカルで処理でき、約5ミリ秒かかる場合、メーカーはセンサーをリアルタイムで再調整したり、環境条件に応じて製造装置の設定を変更したりできます。

センサーの過負荷

エッジコンピューティングの有用性についてあまり簡単に説明されていないもう1つの理由は、計装の製造に非常に多くのセンサーが関与している可能性があることです。これは、ネットワーク容量を圧倒するだけでなく、全体として必要とされない膨大なデータのコレクションを生成する可能性があります。したがって、送信する必要のあるデータのみを転送する前に、データをふるいにかけると便利です。

キャリブレーションや経年劣化の問題を克服するためにセンサーがクォーラムで使用される場合、データ量が圧倒的であるか、何らかの形式のフィルタリングが必要になるのが一般的です。ここで、クォーラムに参加している他の近くのセンサーが読み取り値に同意しない場合、個々のセンサーが拒否される可能性があります。完全に装備された工場には、最終的には数万のセンサークォーラムのみで構成される数百万の個別センサーが含まれる場合があります。これは、ローカルインターネット接続が合理的に処理できると予想されるよりもはるかに多い可能性があります。

製造用の他のエッジコンピューティング構成では、ローカルでのみ使用されるセンサーがいくつかあります。これは、リアルタイムの応答性で使用されているためか、セキュリティソリューションの一部としてローカルでのみ関連しているためである可能性があります。

コントラクトマニュファクチャリング

エッジコンピューティングは、コントラクトマニュファクチャラー（CM）のますます一般的なシナリオでも役立ちます。 CMには、作業を委託する相手先ブランド供給（OEM）から独立したITソリューションがあります。ただし、多くのOEMは、サプライチェーンの一部が契約されている場合でも、サプライチェーン全体をインストルメント化することにメリットがあると考えています。

この場合、OEMは、エッジコンピューティングを使用して、ネットワークの一部をCMのネットワークに押し出すことができます。 OEMのITチームは、OEMのプライベートクラウドに接続するCMのネットワークにサーバーを配置する場合があります。これらのエッジコンピューティングサーバーをIIoTセンサーと組み合わせると、CMは、CM自体のネットワークに影響を与えたり、CMのネットワーク設計を大幅に変更したりすることなく、OEMの計測とサプライチェーンの統合の目標を達成できます。

エッジコンピューティングにより、OEMは、個々のコンポーネントがOEMの施設で製造されているか、CMの施設で製造されているかに関係なく、一貫したインターフェイスと統合されたアプリケーションのセットを使用して、サプライチェーン全体と製造操作を表示できます。誰もが同じツールチェーンを使用しているため、この一貫性により、CMのトレーニングとサポートが容易になります。

概要

クラウドコンピューティングは、10年以上前から存在しており、すべてのIT障害の解決策として販売されることがよくあります。そうではありません。クラウドコンピューティングは非常に多くの問題を解決しますが、光の速さは、巨大な集中型サーバーファームがこれまでにないほど便利になることを意味します。

エッジコンピューティングには、主に2つの目的があります。インターネット経由で送信できない大量のデータをローカルで処理することでノイズから信号を抽出することと、レイテンシが懸念される場所と時間に特定のものをローカルで処理する機能を提供することです。これらは両方とも、計装にますます依存する製造会社にとって有用です。

製造業は、光がAからBに行き来するのを待つことはできません。回線が多すぎて、エラーが発生する時間がありません。エッジコンピューティングは、クラウドでは解決できない問題を解決するため、進化するか、取り残される時が来ました。

このブログの作成者は、OptimalPlusの企業テクノロジーフェローであるMichaelSchuldenfreiです。