工業製造
産業用モノのインターネット | 工業材料 | 機器のメンテナンスと修理 | 産業プログラミング |
home  MfgRobots >> 工業製造 >  >> Industrial Internet of Things >> モノのインターネットテクノロジー

産業用IoT(IIoT)システムのための実用的な分類学

産業用IoT(IIoT)システムのための実用的な分類学

「王様はチェスをガラスの椅子で遊ぶ」というフレーズを覚えていますか? 奇妙に聞こえるかもしれませんが、これは古典的な生物分類(界、門、綱、目、科、属、種)を思い出すための語呂合わせです。

地球上の生命の多様性は驚異的です。構造化された分類学は生物学者にとって不可欠であり、共通の特徴で生物をグループ化し、パターンを特定し、普遍的なルールを定式化することを可能にします。

Industrial Internet of Things(IIoT)システムも同様に多様です。比較可能な分類学がなければ、アーキテクトは適切なアーキテクチャ、プロトコル、技術を選択するのに苦労します。

トップレベルカテゴリの選択が最初の課題です。生物学では、生息地(陸、海、空)で動物をグループ化するかもしれませんが、それは構造への洞察をほとんど与えません。代わりに、生物は形態と機能によって分類され、それが直接設計に影響します。

同様に、「医療」や「エネルギー」といった業界ラベルは、基盤となるアーキテクチャを決定しません。真の駆動力は、システムが対処しなければならない課題であり、それが属するセクターではありません。

この洞察は急進的に見えるかもしれません:業界固有の標準とプロトコルは、次世代IIoTアーキテクチャの設計時にしばしば無関係です。エンタープライズインターネットは、汎用で再利用可能な技術が最終的に勝利することを教えてくれました。

では、IIoTカテゴリを定義する基準は何でしょうか? ランドスケープを実用的なグループに分割する、少数のキー特性が必要です。

数千の機能的および非機能的要件が存在しますが、アーキテクチャに直接影響するもの(明確、測定可能、帰結のあるもの)に焦点を当てる必要があります。

RTIのほぼ1,000件の実世界IIoT導入経験に基づき、以下の分類学は定量的指標を用いて明確な境界を作ります。数値は恣意的ではなく、多くのプロジェクトで観察された実用的閾値を反映しています。

IIoT分類学提案

信頼性 [指標:継続的可用性が「99.999%」以上]

「高信頼性」は曖昧な約束です。信頼性をアーキテクチャに変換するには、年間5分の停止の結果を問う必要があります。産業システムはしばしばミリ秒のダウンタイムさえ許容できません。

いかなる中断も避けなければならないシステムでは、冗長コンピューティング、センサー、ネットワークなどが必要。こうした場合、信頼性が主要なアーキテクチャ駆動要因になります。

リアルタイム [指標:応答 < 100 ms]

速度は重要ですが、設計を形作る閾値は通常数十ミリ秒です。100msの制限は、典型的なサーバーやブローカーが導入する最大ジッターと一致します。

これより速く応答する必要があるアーキテクチャは通常、ピアツーピアアプローチを採用し、これは大きな設計変更を意味します。

データセット規模 [指標:データセットサイズ > 10,000項目]

異なるデータ項目の数が約10,000を超えると、すべての更新をブロードキャストすることは非現実的になります。これらのシステムは、データをモデリングし、選択的フィルタリングを可能にするデータ中心設計を要求します。

チーム/アプリケーション規模 [指標:チーム数または相互作用するアプリケーション数 > 10]

複数の独立した開発チームやアプリケーションは、複雑な相互運用性課題をもたらします。インターフェースを明示的に管理するデータ中心アーキテクチャが不可欠です。

デバイスデータ検出の課題 [指標:多変量データセットを持つ > 20種類のデバイス]

デバイスが多数かつ異種混在の環境では、ランタイムイントロスペクションが重要。20種類以上のデバイスが存在する場合、手動設定は非現実的になり、自動検出メカニズムが必要になります。

分散フォーカス [指標:ファンアウト > 10]

ファンアウトは、単一のデータ変更を通知する必要がある受信者の数を測ります。10を超える場合、単純な1:1接続モデルは失敗し、アーキテクチャは効率的なマルチキャストまたはパブリッシュ・サブスクライブパターンをサポートしなければなりません。

収集フォーカス [指標:ファンイン > 100の一方向データフロー]

主にデータを収集してストレージや分析に送るシステム(多くの場合クラウドバックエンドへ)は、ハブアンドスポークやクラウド中心設計を活用でき、アーキテクチャを簡素化します。

分類学のメリット

明確に定義されたIIoT分類学は贅沢ではなく、情報に基づいた設計の前提条件です。核心課題を明確化することで、アーキテクトは適切なプロトコル、ネットワークトポロジー、コンピュートリソースを選択し、サーバーの誤配置や不適切なリアルタイム主張といったコストのかかるミスを回避できます。

Industrial Internet Consortiumがこの任務を引き受ける準備ができています。新しいワーキンググループが、これらの根本的なビジネスと技術的命題を蒸留することを目指しています。私は次回のIICメンバー会議(バルセロナ)でグループを共同発足させることに興奮しています。興味がある方は、stan@rti.com、Dirk Slama(Dirk.Slama@bosch-si.com)、Jacques Durand(JDurand@us.fujitsu.com)までご連絡ください。共に、集合的経験をIIoTの未来形成に役立てましょう。

モノのインターネットテクノロジー

  1. 心からの別れ:出版業界40年の歩みを終えて
  2. ロボットビジョンが自動化を高度化:主要メリットとアプリケーション
  3. 冬季休暇に向けたエアコンプレッサーシステム計画: 4つの必須ヒント
  4. 油圧システム:定期メンテナンスが不可欠な理由
  5. 5GがIoTとIIoTに革命をもたらす仕組み
  6. IIoTシステムの継続的健全性確保
  7. 産業IoTにおける一貫性の同期:適切なモデルの選択
  8. インダストリー4.0に向けた適応的製造システムの設計:IIoTとRTI Connextの活用
  9. 拡大する脅威ランドスケープにおける産業制御システムとIIoTのセキュリティ確保
  10. IIoTとデータ分析でEHSを変革:安全性・効率・コスト削減を実現
  11. 将来展望:生産卓越性に向けた産業用IoTの推進