Przedstawiamy ujednolicone ramy brzegowe IoT Intel®

Korzystanie z konsolidacji obciążeń w celu wydajnego skalowania rozwiązań przemysłowego IoT

Przedstawiamy ujednolicone ramy brzegowe dla IoT Intel® wykorzystujące konsolidację obciążeń w celu wydajnego skalowania rozwiązań przemysłowych IoT.

Streszczenie

Transformacja cyfrowa znana jako Industrial Internet of Things (IIoT) powoduje pojawianie się nowych i złożonych problemów, którym musi stawić czoła wiele branż. Do przeszkód można zaliczyć fragmentaryczne rozwiązania, ograniczone standardy, niedojrzałe modele zabezpieczeń i nieodpowiednie podejście do konserwacji zasobów cyfrowych. Mogą one uniemożliwić firmom skalowanie cennych rozwiązań IIoT. Ujednolicenie i/lub konwergencja organizacji korzystających z technologii informatycznej (IT) i technologii operacyjnej (OT) to również coraz istotniejszy czynnik decydujący o sukcesie.

Biorąc pod uwagę rosnącą liczbę urządzeń brzegowych, stale powiększające się ilości danych oraz istniejące ograniczenia infrastrukturalne, szczególnie istotne znaczenie ma zmniejszenie złożoności i uproszczenie wymagań dotyczących skalowania. Dwa kluczowe pojęcia umożliwiające realizację tych celów to konsolidacja obciążeń i orkiestracja. Dzięki połączeniu tych dwóch koncepcji i ujednoliceniu infrastruktury brzegowej organizacje umożliwiają wydajne skalowanie IoT i zmniejszenie kosztów kapitałowych, przy jednoczesnym zwiększeniu bezpieczeństwa. Firma Intel ułatwia ten proces, udostępniając ujednolicone ramy brzegowe IoT Intel®, które pomagają organizacjom konsolidować obciążenia na brzegu sieci oraz wydajnie skalować ich rozwiązania IIoT.

Ten artykuł zawiera więcej informacji na temat ujednoliconych ram brzegowych dla IoT Intel®. Przedstawiono w nim także studium przypadku, w którym wyjaśniono, w jaki sposób główne przedsiębiorstwo Georgia Pacific (GP) zastosowało tę innowacyjną metodę oraz jakie osiągnęło rezultaty.

Obszary możliwości

IIoT zmienia sposób działania technologii operacyjnej, zwiększając jej wydajność i niezawodność oraz ograniczając ilość odpadów. Chmura to wydajne narzędzie dla obciążeń OT, ale może nie być wystarczająca w przypadku zastosowań związanych z IIoT. Takie kwestie jak latencja płaszczyzny sterowania, ogromne ilości zdalnych danych oraz agregacja danych (przy zachowaniu kontekstu) wymagają zastosowania rozwiązania uzupełniającego. Uzupełnienie takie zapewnia ciągła ewolucja systemów przetwarzania brzegowego, umożliwiająca rozwiązanie tych problemów. Istnieją jednak inne kluczowe wyzwania związane z przetwarzaniem brzegowym, które wymagają naszego działania:

  • Stosy brzegowe stają się coraz bardziej złożone. Ze względu na brak określonych standardów zarządzanie tymi systemami często wymaga interwencji ręcznej. Często jest ona przeprowadzana wewnątrz organizacji lub przez podmioty zewnętrzne, co prowadzi do niestandardowych rozwiązań systemowych, które generują dodatkowe koszty i komplikacje, ograniczając niezawodność systemu.
  • Równie istotnym wyzwaniem jest konwergencja IT/OT. W przeszłości powszechną praktyką było utrzymywanie systemów OT jako układu zamkniętego bez konieczności integracji IT. Obecnie nie stosuje się tej opcji. W dzisiejszym konkurencyjnym świecie dublowanie infrastruktury nie jest idealnym rozwiązaniem.

Aby sprostać tym wyzwaniom, firma Intel we współpracy z kilkoma podmiotami z listy stu topowych przedsiębiorstw przemysłowych stworzyły ujednolicone ramy brzegowe IoT Intel®. Zawierają one listę dziedzin i wytycznych dla klientów wdrażających skalowalne, łatwe w obsłudze rozwiązania IoT zapewniające rzeczywistą wartość biznesową.

Ujednolicone ramy brzegowe Intel® IoT stanowią fundament dla tworzenia wszechstronnych rozwiązań IoT. Obejmują wytyczne dotyczące wyboru odpowiednich elementów składowych wspierających potrzeby biznesowe oraz zapewnienia spójności, skalowalności i kompletności architektur rozwiązań IoT w całym przedsiębiorstwie. Ramy zawierają także architekturę referencyjną, którą klienci mogą wdrożyć, stosując elementy składowe wybrane według własnego uznania.

Ostatecznie ramy firmy Intel pomagają klientom zrozumieć znaczenia standaryzacji w każdej z określonych w nich dziedzin. Objaśniają także dostępne opcje, umożliwiając klientom podjęcie świadomych decyzji najlepszych dla ich firmy.

Znaczenie konsolidacji obciążeń

Ważną dziedziną w kontekście modernizacji jest konsolidacja obciążeń. Konsolidacja nowych i starszych systemów w środowiskach przetwarzania brzegowego może służyć różnym celom i obniżać całkowity koszt eksploatacji na wiele sposobów. Oto kilka przykładów:

  • Wykorzystując platformę, która umożliwia orkiestrację obciążeń, organizacje mogą zmniejszyć koszty infrastruktury, zapewnić bezpieczeństwo i zabezpieczyć funkcjonalność systemu oraz uprościć zarządzanie systemem.
  • Ograniczenie liczby komponentów umożliwia organizacjom sprawniejsze działanie, poprawę produktywności oraz zmniejszenie kosztów i stopnia złożoności procesów.
  • Organizacje mogą obniżyć zarówno wydatki kapitałowe (CAPEX), jak i koszty operacyjne (OPEX), istotnie zmniejszając liczbę unikalnych urządzeń, które trzeba posiadać na potrzeby konserwacji, oraz ograniczając powiązane z nimi koszty szkolenia i personelu obsługi.
  • Kolejną zaletą konsolidacji obciążeń jest zmniejszenie kosztów związanych z dezaktualizacją systemu. Konsolidacja obciążeń umożliwiająca obsługę wielu przypadków użycia pozwoli organizacjom zmniejszyć liczbę aktualizowanych lub wymienianych urządzeń w przyszłości.

GP pracuje nad tą inicjatywą wspólnie z firmą Intel jako jeden z pionierów transformacji cyfrowej przeprowadzanej wewnątrz przedsiębiorstwa.

Istnieją dwa główne elementy ujednoliconych ram brzegowych IoT Intel®. Przedstawiono je jako wielopoziomową ontologię systemową na rys. 2 stanowiącą cześć infrastruktury przetwarzania brzegowego:

  • Urządzenia przetwarzania brzegowego: są to urządzenia powszechnie nazywane bramami IoT. Mają wystarczającą moc obliczeniową, aby obsługiwać kilka rozwiązań IoT (każdy z nich wykorzystuje system bazujący na procesorach Intel® Core™ i7). Urządzenia przetwarzania brzegowego wdrażane są blisko czujników, otrzymują dane bezpośrednio od nich, a także współpracują z aktuatorami w celu wykonywania konkretnych czynności. Urządzenia przetwarzania brzegowego są ujednolicane przez dział IT i obejmują zarówno sprzęt, jak i oprogramowanie. Zasadniczo dział IT wybiera urządzenie z określonymi elementami sprzętowymi, które posiada system operacyjny Ubuntu* (OS) oraz zestaw innych oprogramowań umożliwiających mu wykorzystywanie co najmniej jednego przypadku zastosowania.
  • Serwer brzegowy: Serwery o wysokiej wydajności działające lokalnie (z wykorzystaniem procesorów Intel® Xeon®) potrzebne są do konsolidacji danych pochodzących z wielu urządzeń przetwarzania brzegowego lub do przetwarzania dużych obciążeń, takich jak analiza wideo. Te lokalne serwery pozwalają uniezależnić się od dostawców chmury, a także umożliwiają lepszą dostępność, mniejszą liczbę opóźnień oraz ograniczenie transmisji danych.

Korzyści wynikające z konsolidacji obciążeń

Zgodnie z opisem w poprzedniej sekcji głównym celem konsolidacji obciążeń jest zmniejszenie całkowitego kosztu eksploatacji i osiągnięcie następujących korzyści:

  • Ograniczenie powierzchni zajmowanej przez sprzęt systemowy: bardziej wydajne urządzenie może obsługiwać kilka rozwiązań/komponentów IoT i nie wymaga posiadania specjalnego urządzenia do przetwarzania brzegowego dla każdego rozwiązania punktowego.
  • Łatwość wdrażania i zarządzania: redukując liczbę urządzeń wymaganych na potrzeby rozwiązań punktowych, organizacje mogą znaczącą ograniczyć liczbę urządzeń potrzebnych do zarządzania, co oznacza mniej pracy operacyjnej.
  • Zwiększenie bezpieczeństwa: organizacje mogą zminimalizować powierzchnię ataku w swojej sieci poprzez ograniczenie ilości sprzętu (HW), oprogramowania sprzętowego (FW) i oprogramowania (SW).
  • Ograniczenie stopnia złożoności integracji systemu i dostępu do danych: ramy muszą umożliwiać współistnienie różnych obciążeń na tym samym urządzeniu. Ułatwia to wdrażanie rozwiązań i integrację. Magistrala danych przedsiębiorstwa otrzymuje dane dostarczane przez różne rozwiązania.
  • Zwiększenie niezawodności podstawowych systemów sterowania procesem: ograniczenie powielania wniosków o przekazanie danych i zmniejszenie obciążeń w krytycznych (ale starzejących się) systemach sterowania.
  • Uniemożliwienie zablokowania przez dostawcę: klienci mogą pozyskać dane z każdego rozwiązania, a dostawcy muszą dostosować się do sprzętu określonego przez klienta.
  • Optymalne wykorzystanie połączonego przetwarzania brzegowego: wyeliminowanie nieefektywnego wykorzystania zasobów urządzeń brzegowych, na których działa tylko kilka usług.
  • Przyspieszenie wdrażania technologii IoT: pomaganie przedsiębiorstwom w transformacji cyfrowej.

Studium przypadku – Georgia-Pacific

Georgia-Pacific jest jednym z głównych światowych producentów bibuły, masy papierniczej, opakowań, materiałów budowlanych i pokrewnych substancji chemicznych. GP inwestuje olbrzymie kwoty w technologie cyfrowe, aby wspierać inicjatywy transformacyjne i przyczyniać się do poprawy wydajności produkcji, zrównoważonego rozwoju, bezpieczeństwa pracowników i jakości produktów w ponad 150 zakładach produkcyjnych firmy w Ameryce Północnej.

Postęp technologiczny umożliwił stosowanie szerokiego wachlarza rozwiązań IIoT, które po wdrożeniu we właściwych mogą ulepszyć działalność produkcyjną. Aby zachować konkurencyjność, organizacje muszą jednak skalować rozwiązania w szybki i ekonomiczny sposób. Jednak szybkie przyjęcie rozwiązań IIoT w różnych branżach doprowadziło do fragmentacji rynku i rozproszczenia poszczególnych opcji technologicznych. Wiele rozwiązań producenckich uwzględnia pełny wszechstronny stos, uzupełniony zastrzeżonymi urządzeniami przetwarzania brzegowego. W rezultacie instalacje obsługują wiele różnych, zamkniętych rozwiązań, wymagających konserwacji cyfrowej, integracji, zabezpieczeń i wsparcia.

Początkowo firma Georgia Pacific była zadowolona z rozwiązań IIoT, jednak szybko stwierdziła, że podejście „silosowe” utrudnia skalowanie rozwiązań podczas próby zwiększenia możliwości IIoT w firmie. GP zorientowała się, że obsługiwanie szeregu zróżnicowanych rozwiązań IIoT z czasem staje się coraz droższe i wymaga coraz większych nakładów pracy. Długoterminowe koszty wsparcia szybko narastają i osłabiają główne argumenty za wdrożeniem rozwiązania. Wysoki poziom złożoności takiego rozwiązania może również wpłynąć negatywnie na niezawodność i spowodować niestabilność systemów źródłowych, takich jak systemy sterowania produkcją.

Dzięki pomocy firmy Intel GP dowiedziała się, że konsolidacja obciążeń w bardziej wydajnych urządzeniach przetwarzania brzegowego oraz ograniczenie usług obliczeniowych do kontenerów i maszyn wirtualnych umożliwi firmie wdrażanie zestawów rozwiązań IIoT na dużą skalę i zarządzanie nimi.

Próby skalowania rozwiązań IIoT bez konsolidacji sprzętu i wykorzystania bardziej wydajnego podejścia do zarządzania obciążeniami mogą zniechęcać. Konserwacja i obsługa zasobów obliczeniowych dla dużego przedsiębiorstwa produkcyjnego same w sobie są ogromnym przedsięwzięciem. Dodanie większej liczby węzłów, które wymagają długiego czasu pracy bez wyłączania i wysokiej wydajności, jeszcze bardziej utrudnia zadanie.

Bazując na doświadczeniach z wdrażania ujednoliconych ram brzegowych dla IoT Intel® w zakładzie GP Muskogee, zespół złożony z przedstawicieli firm Intel i GP określił, w jaki sposób zastosowanie tych ram może radykalnie zmniejszyć liczbę zasobów (zarówno siły roboczej, jak i sprzętu) niezbędnych do wdrożenia i konserwacji systemów IIoT oraz do skalowania.

Lokalne zespoły zdołały skonsolidować obciążenia obliczeniowe dla trzech różnych rozwiązań IIoT pochodzących od trzech różnych dostawców w jeden ujednolicony stos obliczeniowy. Rozwiązania wymagały zróżnicowanych stopni operacji wejścia/wyjścia z bramy i przetwarzania z serwera brzegowego.

Przedstawione poniżej skonsolidowane obciążenia są typowym przykładem rozwiązań IIoT wdrażanych obecnie w całym przedsiębiorstwie.

  • Usługa wykrywania anomalii w oparciu o komputerowe systemy wizyjne: system ten wykorzystuje kamery zamontowane w celu identyfikacji zmian w środowisku operacyjnym. Przykładowe metody zastosowania tej funkcji obejmują śledzenie materiałów w celu zapewnienia, że nie są umieszczane w niedozwolonych miejscach. Mogłoby to spowodować zagrożenia bezpieczeństwa w postaci martwych pól lub zablokowania wyjścia. Inne przykłady to kontrolowanie, czy osłony maszyn nie zostały uszkodzone oraz sprawdzenie, czy maszyna działa w typowy, czy nietypowy sposób, aby aktywnie wykrywać zdarzenia, które mogą negatywnie wpłynąć na jakość i niezawodność.
  • System wykrywania obiektów oparty na AI: zmniejsza ryzyko wypadków na wiele sposobów — np. wykorzystuje AI do wykrywania pieszych w obszarach zwiększonego natężenia ruchu sprzętu mobilnego i zapewnia większą widoczność poprzez zastosowanie oświetlenia i/lub zautomatyzowanych bram.
  • System czujników środowiskowych dalekiego zasięgu: modernizacja czujników i podłączenie urządzeń zakładowych, których dodanie do sieci było wcześniej zbyt kosztowne. Ponieważ te zasoby są często poza głównymi obszarami produkcji, informacje pochodzące z czujników mogą zapewnić dodatkowy wgląd w parametry operacyjne. To z kolei może pomóc osiągnąć większą niezawodność i wydajność. Te trzy obciążenia to mała niewielki wycinek przykładów powiązanych możliwości, które po zastosowaniu łącznie mogą umożliwić transformację działalności produkcyjnej i doprowadzić do poprawy wydajności produkcji, zrównoważonego rozwoju, bezpieczeństwa pracowników i jakości produktów.

W oparciu o wiedzę zdobytą podczas pierwszego wdrożenia zespół oszacował następujące oszczędności w porównaniu z dotychczasowym podejściem:

Oczekiwane oszczędności Redukcja kosztów Przyczyny i uwagi
Konserwacja i wsparcie 30%+ Ograniczenie szkoleń i rozwiązywania problemów; uproszczona integracja, łaty, aktualizacje itp.
Sprzęt 30%+ Koszt początkowy przy 5-7-letniej wymianie
Wydajność i ciągłość pracy 10% Zmniejszony wskaźnik MTBF i MTTR (tylko siła robocza)
Wstępne wdrożenie (jednorazowe) 40%+ Wdrożenie obrazu i obciążeń, połączenie z siecią, montaż, aktywacja

Wszystkimi urządzeniami niezbędnymi do obsługi tych obciążeń zarządza dział IT jako urządzeniami standardowymi, przy użyciu standardowych narzędzi do zarządzania, posiadając bezpieczne standardowe obrazy systemu operacyjnego dla urządzeń przetwarzania brzegowego oraz środowisko wirtualne na serwerze brzegowym. Pomaga to przy konwergencji IT/OT.

Jeśli chodzi o zarządzanie danymi, każdy poziom wyposażony jest w oprogramowanie MQTT (Message Queuing Telemetry Transport), umożliwiające GP wychwytywanie informacji pochodzących z rozwiązań IoT, usuwając blokady dostawców. Pozwala to firmie na tworzenie zagregowanych / wzbogaconych danych niezbędnych do generowania wglądów.

Ponadto, mając platformę pomagającą w orkiestracji obciążeń, GP może skutecznie zarządzać zasobami infrastruktury poprzez wdrażanie obciążeń na najlepszych węzłach dostępnych w danym momencie.

Ujednolicone ramy brzegowe IoT Intel® wyraźnie pomagają Georgia-Pacific w przeprowadzeniu transformacji cyfrowej. Korzystając z ram firmy Intel, GP może w bardziej zrównoważony, szybszy sposób wdrażać nowe rozwiązania IIoT. Może również upraszczać proces skalowania tych rozwiązań w różnych zakładach operacyjnych, a jednocześnie minimalizować koszty prowadzenia i konserwacji tej nowej platformy.

Podsumowanie

Przykład Georgia-Pacific wyraźnie dowodzi, że ujednolicone ramy brzegowe IoT firmy Intel® zapewniają dziedziny i wytyczne potrzebne organizacjom do tworzenia i wydajnego skalowania kompleksowych rozwiązań IIoT. Organizacje wykorzystują ramy Intel do konsolidacji i orkiestracji obciążeń na brzegu, zamiast obsługiwać coraz bardziej skomplikowane i kosztowne rozproszone rozwiązania IIoT. W ten sposób mogą zwiększyć bezpieczeństwo, wydajność i niezawodność, a także obniżyć koszty kapitałowe i całkowity koszt eksploatacji.

Autorzy

Dave Nettuno
Georgia-Pacific
Architekt IoT firmy

Kit Fennell
Georgia-Pacific
Lider technologii

Dalibor Labudovic
Georgia-Pacific
Inżynier systemu

Marcos E. Carranza
Intel Corporation
Starszy architekt rozwiązań IoT

Cesar Martinez Spessot
Intel Corporation
Dyrektor ds. inżynierii
Starszy architekt rozwiązań IoT

Lakshmi Talluru
Intel Corporation
Starszy dyrektor ds. transformacji cyfrowej

Jennifer Frieda
Intel Corporation
Dyrektor ds. zarządzania klientami