Computación Perimetral (Edge Computing) en Fabricación: Guía Completa para Fabricantes

A continuación, lo que cubriremos en este artículo detallado sobre computación perimetral en fabricación. Seleccione un enlace si desea ir a una sección particular:

• Introducción a la Computación Perimetral en Fabricación
• ¿Qué es la Computación Perimetral?
• ¿Qué es una Plataforma de Computación Perimetral?
• ¿Qué es un Dispositivo Perimetral (Edge Device)?
• La Relación entre Edge y Nube (Cloud)
• Casos de Uso de Computación Perimetral en Fabricación
• Cómo está Cambiando el Panorama de Conectividad en Fabricación

Introducción a la Computación Perimetral en Fabricación

El marco de computación perimetral se está abriendo camino rápidamente en una variedad de industrias a medida que los dispositivos de Internet de las Cosas (IoT) se vuelven más comunes. Uno de los casos de uso más prometedores de la computación perimetral es en la fabricación, donde estas nuevas tecnologías pueden conducir potencialmente a ganancias masivas de productividad.

Si bien el IoT ya está demostrando ser un habilitador crítico en la planta de fábrica, las organizaciones ahora buscan mejorar aún más la capacidad de respuesta de sus sistemas de fabricación. Para lograr esto, estas organizaciones están adoptando la fabricación inteligente con la computación perimetral como su principal habilitador.

La fabricación inteligente visualiza un futuro donde los equipos de fábrica pueden tomar decisiones autónomas basadas en lo que sucede en la planta. Las empresas pueden integrar más fácilmente todos los pasos del proceso de fabricación, incluyendo diseño, fabricación, cadena de suministro y operaciones. Esto facilita una mayor flexibilidad y reactividad al participar en mercados competitivos. Habilitar esta visión requiere una combinación de tecnologías relacionadas como IoT, IA/aprendizaje automático y Computación Perimetral.

La ventaja clave de recopilar analíticas en el borde de la red es la capacidad de analizar y actuar sobre datos en tiempo real sin los costos de ancho de banda que conlleva enviar esos datos fuera de las instalaciones (a la nube o al centro de datos) para su análisis. La fabricación es sensible al tiempo en términos de evitar la producción de componentes fuera de especificación, tiempo de inactividad de equipos, lesiones o muerte de trabajadores. Para tareas más complejas y de largo plazo, los datos pueden enviarse a la nube y combinarse con otras formas de datos estructurados y no estructurados. Como resultado, el uso de estos dos marcos computacionales separados no es mutuamente excluyente, sino una relación simbiótica que aprovecha los beneficios que cada uno proporciona. A continuación, profundizamos en casos de uso y la relación entre nube y edge en fabricación.

Primero, definamos los componentes de un marco de computación perimetral.

¿Qué es la Computación Perimetral?

La computación perimetral es un marco de computación distribuida que acerca la computación y el almacenamiento de datos a la fuente de los datos, mejorando así el tiempo de respuesta y ahorrando ancho de banda.

En términos simples, la computación perimetral se trata de tomar código que se ejecuta en la nube y ejecutarlo cerca o en dispositivos locales. Ejemplos incluyen dispositivos de puerta de enlace (como MachineMetrics Edge) o incluso una PC junto a equipos habilitados para IIoT.

Con la computación perimetral, se necesitan transmitir menos datos a la nube. Esto es particularmente útil para recopilar datos de alta frecuencia que se usan para ejecutar algoritmos de aprendizaje automático. Dado que estos datos pueden procesarse en el borde, pueden actuar de inmediato. En contraste, si estos datos de alta frecuencia se transmitieran a la nube, se procesaran y luego se actuara, habría un efecto de latencia. La computación perimetral resuelve este problema.

Para entender la computación perimetral, ayuda pensar en una solución IoT como teniendo generalmente tres componentes:

• Cosas (Things) como dispositivos IoT, que generan datos de sensores.
• Conocimientos (Insights) que extrae de estos datos.
• Acciones (Actions) que realiza basándose en estos conocimientos para entregar algún tipo de valor.

Con la computación perimetral, mueve los componentes de conocimientos y acciones de la nube al dispositivo. En otras palabras, lleva parte del código directamente al dispositivo, que se usa para procesar y extraer conocimientos de los datos y realizar alguna acción en respuesta.

En fabricación, las cosas pueden ser máquinas o equipos en su planta. Los conocimientos podrían ser datos de máquinas en tiempo real. Y un ejemplo de una acción puede ser una máquina que pausa su operación debido a una rotura de herramienta anticipada.

¿Qué es una Plataforma de Computación Perimetral?

Una plataforma perimetral diseñada para fabricación le permite recopilar datos de sistemas industriales como PLCs, Sistemas de Control Digital, sensores o historiadores y ejecutar aplicaciones localmente sobre los datos, como procesamiento de eventos, analítica predictiva, modelos de aprendizaje automático y más, todo en una implementación "offline-first".

Las plataformas de computación perimetral gestionan las aplicaciones, dispositivos y conexiones que operan en el borde de una red. Aquí, los dispositivos perimetrales y equipos conectados ("cosas") pueden comunicarse y realizar tareas a una velocidad mayor que la lograda con computación en la nube pura.

Gestionar muchos dispositivos perimetrales puede ser una tarea desafiante. Una plataforma de gestión perimetral centralizada alivia este problema al conectar los muchos dispositivos perimetrales dispares para garantizar la gestión adecuada de toda la red. Por ejemplo, con una plataforma de computación perimetral, los fabricantes pueden enviar actualizaciones de seguridad a todos los dispositivos perimetrales y solucionar problemas si es necesario.

En un sentido, las plataformas de computación perimetral simplemente acercan los recursos computacionales de una nube a las fuentes de datos. Así, las plataformas perimetrales simplemente hacen el trabajo de una plataforma de computación en la nube, pero en el borde. Esto reduce la tensión en los recursos de computación en la nube y reduce la latencia de datos entre el dispositivo perimetral y el equipo. Si el aprendizaje automático e IA son el camino del futuro, la velocidad con la que los datos pueden almacenarse y analizarse es vital.

¿Qué es un Dispositivo Perimetral (Edge Device)?

Los dispositivos perimetrales son equipos que gestionan el flujo de datos entre una red local y la nube. Actúan como puerta de enlace entre equipos conectados en una red local y la plataforma de software usada para analizar los datos.

En el contexto de la fabricación inteligente, los dispositivos perimetrales proporcionan más que un enlace entre redes separadas. También incluyen funcionalidad para mejorar la seguridad IoT y la conversión de analíticas. Para ampliar esto, los dispositivos perimetrales traducen datos que de otro modo serían incompatibles (si tuviera diferentes protocolos, por ejemplo) para que los datos de diferentes fuentes puedan agregarse y entenderse en la nube.

La distancia física con una red tradicional significa tiempos de transmisión más largos para grandes paquetes de datos. Los dispositivos perimetrales permiten que las redes de datos provenientes de las máquinas estén mucho más cerca de donde se almacenan y analizan los datos. Esto permite un retorno de información mucho más rápido al usuario, esencial para casos de uso como analítica predictiva en tiempo real. Los dispositivos perimetrales y la computación perimetral están colocando más almacenamiento y potencia analítica para consumir y actuar sobre los datos, justo en la ubicación de la máquina.

A medida que las infraestructuras IoT crecen en complejidad (más ubicaciones de plantas, dispositivos y redes), la necesidad de agregación y procesamiento de datos sigue siendo importante. Sin embargo, el desafío es que los dispositivos en el borde sufrirán comunicación de alta latencia con la plataforma de computación en la nube.

Esto es lo que los dispositivos perimetrales y las plataformas de computación perimetral trabajan para resolver.

La Relación entre Edge y Cloud

Tenemos un artículo completo sobre la diferencia entre computación perimetral y computación en la nube en fabricación, así que lo mantendremos breve.

El edge y la nube son dos tecnologías distintas, pero a menudo se usan en tándem debido a sus fortalezas compensatorias. En el corazón de la relación, la computación perimetral procesa y actúa sobre datos que son sensibles al tiempo, mientras que la computación en la nube agrega datos en una ubicación centralizada que no necesitará ser actuada de manera oportuna.

En una infraestructura IIoT completa, los fabricantes pueden usar tanto el edge para recopilación de datos en tiempo real, analítica predictiva y toma de decisiones autónoma, como la nube para análisis agregado de datos, benchmarking y análisis de tendencias.

Estos beneficios y desventajas continúan:

Casos de Uso de Computación Perimetral en Fabricación

Analicemos ahora razones prácticas para el uso de computación perimetral en fabricación. Existen diversos beneficios empresariales para asegurar que todas las redes estén correctamente conectadas a la nube mientras también pueden ofrecer potentes recursos computacionales en el borde.

• Mejora del tiempo de actividad de equipos: Un fallo en un subsistema, componente o el impacto de ejecutar un componente en estado degradado puede predecirse en tiempo real, refinarse continuamente a medida que se analizan más datos, y usarse para mejorar el uso operativo y la programación de mantenimiento.
• Reducción de costos de mantenimiento: El análisis mejorado del mantenimiento necesario también significa que más reparaciones pueden completarse en primeras visitas al dar a los mecánicos instrucciones detalladas sobre las causas de un problema, qué acción se necesita y qué piezas se requieren, reduciendo el costo de reparación.
• Menor inventario de repuestos: Los modelos de analítica perimetral pueden adaptarse a los requisitos de un dispositivo o sistema individual. Esto podría significar leer sensores directamente asociados con ciertos componentes y/o subsistemas. Guiado por el valor empresarial deseado de una organización, el modelo perimetral puede definir cómo el dispositivo o sistema debe configurarse óptimamente para lograr un objetivo empresarial, haciendo que un inventario de repuestos sea mucho más eficiente a costo mínimo.
• Prevención de fallos críticos: Al adquirir, monitorear y analizar datos sobre componentes, la analítica perimetral puede identificar una causa antes de que su efecto se materialice, permitiendo detección y prevención temprana de problemas.
• Monitoreo basado en condición: Con la convergencia de TI y OT, los fabricantes pueden acceder a datos de máquinas, permitiéndoles monitorear la condición de sus equipos en la planta incluso si usan equipos heredados.
• Nuevos modelos de negocio: Quizás lo más importante, la analítica perimetral puede ayudar a dar forma a nuevos modelos de negocio para capturar nuevas oportunidades. Por ejemplo, puede mejorar sistemas de gestión de repuestos just-in-time usando auto-monitoreo y análisis que predice qué componentes fallarán y cuándo, activando notificaciones de reemplazo de piezas a lo largo de la cadena de valor. Esto permite la creación de un programa de mantenimiento "según necesidad", reduce tiempo de inactividad e inventario de piezas, y resulta en un modelo más eficiente.

Cómo está Cambiando el Panorama de Conectividad en Fabricación

Sabemos que el punto del IoT industrial es aplicar analítica avanzada a vastas cantidades de datos de máquinas, todo con el objetivo de reducir tiempo de inactividad no planificado, reducir el costo general de mantenimiento de máquinas y aprovechar capacidades de aprendizaje automático. La nube ha sido fundamental para hacer posible este tipo de adquisición, transferencia y análisis masivo de datos.

La computación perimetral y analítica simplemente lleva este concepto a un nuevo nivel al reducir la distancia física entre las máquinas y el procesamiento de datos mismo. Para empresas distribuidas geográficamente y adquiriendo datos de muchas fuentes, esta proximidad ayuda a lidiar con varias realidades:

• Problemas de conectividad relacionados con la distancia y el costo de transferencia masiva de datos continua a una ubicación centralizada.
• Disponibilidad de la analítica a nivel operacional, permitiendo a usuarios en múltiples niveles tomar decisiones rápidamente.
• Disponibilidad de los datos en tiempo real, para una toma de decisiones más rápida (e incluso autónoma).
• Garantizar la seguridad de los datos y la integridad de la red.

Todas estas realidades, al ser abordadas por la computación perimetral, permiten a los fabricantes reducir costos y aumentar la eficiencia. Además, los fabricantes ahora pueden tener una transferencia de datos confiable con pocos errores y riesgos de seguridad. Sin mencionar que esto también permite personalización y fabricación de pequeños lotes con el mismo valor que una producción a gran escala experimentaría. Con la computación perimetral, todo esto está disponible con mantenimiento flexible y simplificado de todos los dispositivos.

Cuando la velocidad de los datos es la orden del día y la conectividad necesita ser sólida, el edge será la solución que los fabricantes deben buscar. Aplicar algoritmos de IA y aprendizaje automático para visualizar, diagnosticar y predecir problemas en tiempo real es un objetivo que puede lograrse más fácilmente con proximidad, velocidad y una red sólida. Las visualizaciones en tiempo real y notificaciones predictivas permiten a su equipo tomar acciones correctivas inmediatas y mantener sus máquinas funcionando sin temor a perder datos cruciales.

La fabricación industrial está al borde de una revolución gracias al potencial de la computación perimetral. Combinada con una nueva generación de dispositivos perimetrales IoT inteligentes, las aplicaciones de computación perimetral transformarán completamente la fabricación en las próximas décadas para impulsar mejor eficiencia y productividad mientras también controlan costos.