什么是工业边缘计算以及它如何使制造业受益？

具有高速通信能力的廉价传感器——被称为物联网 (IoT) 设备——导致了数据采集的爆炸式增长。但是，除非进行分析以产生有用的操作，否则数据几乎没有价值。许多物联网传感器和设备将其数据发送到云端进行处理。边缘计算是基于云的处理的替代方案，可以通过多种方式使制造业受益。

什么是边缘计算？

想象一个传感器和计算机网络，所有这些都向中央服务器发送数据并从中央服务器接收指令。简单来说，这就是互联网的组织方式。在这个网络的“边缘”是与物理硬件交互的物联网设备。泵、电机、轧机、机器人和包装机只是可能在工业物联网 (IIoT) 中连接的机器的一些示例。

这些机器中的每一台都可以将数据流回中央服务器。这可能包括生产统计数据，例如周期时间或操作条件，例如温度和振动。检查系统可能正在传输图像以进行分析和存储。此类数据可以帮助运营商监控性能并确定改进机会，但存在两个限制：延迟和带宽。

延迟是发送和接收数据时发生的延迟。它可能会有很大差异，导致云系统无法执行实时控制。

带宽是从设备到服务器的“管道”的容量。随着越来越多的 IIoT 设备添加到系统中并且采样率上升，传输的数据量也在增长。在某些时候，“管道”已满，任何其他数据都会延迟。

在讨论工业物联网时，边缘计算是指在机器或设备上执行数据处理。在某些情况下，这可能需要机器上有一台计算机，但更现代的 IIoT 设备具有边缘计算功能。传输的数据量减少了，因为任何需要立即响应的事情都直接在机器上处理。

制造业边缘计算的用例包括：

在测量和检测应用中，边缘计算允许分析数据并立即响应观察到的任何问题。例如，厚度测量系统可能会检测到漂移并在轧机或涂层过程中实施纠正措施。

基于图像的缺陷检测系统越来越多地使用人工智能 (AI) 来发现错误或过度变化。这以前需要服务器的计算资源，但越来越多的边缘计算 IIoT 设备可以在机器上执行此操作。边缘计算使机器无需向服务器报告生产数据的各个方面。相反，IIoT 设备可能仅在超出限制时报告趋势。

一些制造过程具有大量变量，这使得保持产品一致性成为一项挑战。 IIoT 边缘设备可以监控粘度、流速和温度等参数，并使用 AI 优化输入以实现输出目标。

边缘计算最大和最成熟的用途可能是预测性维护。这解决了制造业面临的最大挑战之一：如何消除计划外停机。

许多制造商将反应性维护和预防性维护相结合，以最大限度地提高设备可用性，同时尝试将成本降至最低。在停机成本（产量损失、质量问题、延迟交货、加班）不会过多的情况下，被动维护——运行机器直到它出现故障然后进行维修——是一种有效的策略。然而，当停机严重影响业务绩效时，预防性维护是常态。

预防性维护包括按计划停止机器服务并更换组件并进行调整以使其在规格范围内运行。此策略的风险在于，维护次数超过了防止故障所需的次数，但却没有进行正确的维护。

预测性维护提供了另一种选择。通过使用具有边缘计算功能的 IIoT 传感器来监控制造设备上的生命体征（相当于检查心率和血压的机械等价物），可以在磨损或故障影响生产之前对其进行检测并做出反应。

可以监测的“生命体征”示例包括：

这种类型的监控可以应用于离散零件和过程制造。车铣中心、机器人以及集成装配和包装线都是预测性维护的理想选择，混合、反应、加工、固化和涂层工艺也是如此。

无论在何处应用预测性维护，都可以带来以下好处：

作为基于技术的工业维护的领先供应商，ATS 了解 IIoT 在有效预测性维护中的作用。结果是明显可衡量的，包括减少计划外停机时间和提高生产力。立即联系我们，了解我们如何帮助您提高维护操作的效率。

工业技术