Ứng dụng của Edge Computing trong lĩnh vực IIoT

Như đã biết Điện toán biên là một mô hình điện toán phân tán, mang tính toán và lưu trữ dữ liệu đến gần vị trí cần thiết hơn, để cải thiện thời gian phản hồi và tiết kiệm băng thông cho toàn hệ thống. Từ khi Edge Computing ra đời, các ứng dụng và kiến trúc Điện toán biên có thể cung cấp để giải quyết những người dùng internet công nghiệp, những thách thức khó khăn nhất.

Và theo Smart Industry Vietnam dự đoán cùng với sự phát triển mạnh mẽ của IIoT, Edge Computing sẽ là một xu hướng mới cho kỷ nguyên Internet of things. Vì thế bài viết này Smart Industry Vietnam mong muốn sẽ mang đến cho các bạn 1 kiến thức đầy đủ nhất trên hành trình tìm hiểu cách ứng dụng Edge Computing vào trong các dự án của doanh nghiệp bao gồm :

Khi nào cần sử dụng Edge Computing
Các đặc trưng của Edge Computing
Những yếu tố chính để thực hiện Edge Computing
Vì sao các ứng dụng tại biên của các dự án IIoT nên triển khai Edge Computing

Và thông qua bài viết bạn đọc sẽ có những Thông tin đầy đủ về:

Cách xác định và đánh giá các tiêu chuẩn, thực tiễn và đặc điểm phù hợp nhất để giải quyết vấn đề Điện toán biên một cách toàn diện.
Khám phá và xác định các phần mở rộng cho mô hình Điện toán biên hiện tại giúp mở rộng và tăng cường chức năng của các thiết bị Điện toán biên .
Một số case study chi tiết được nêu bật, Điện toán biên cho phân tích công nghiệp được khám phá và các thách thức bảo mật cho việc triển khai Điện toán biên .

Điện toán biên (Edge Computing) nằm ở đâu trong mô hình doanh nghiệp ?

Biên là một lớp logic chứ không phải là một lớp phân chia vật lý cụ thể, vì vậy nó mở ra cho ý kiến cá nhân và giải thích về điều mà ở đó điện toán biên sẽ giải quyết tuỳ thuộc vào ứng dụng cụ thể Trong Công nghiệp. Chúng ta hãy cùng xem xét vị trí của điện toán biên trong 1 ví dụ cụ thể ở nhà máy và doanh nghiệp như sau :

Vị trí của Edge Computing trong 1 ứng dụng công nghiệp (lớp màu xanh)

BẢO VỆ BƠM DO QUÁ NHIỆT Trong kịch bản này, một cặp nhiệt điện hư hỏng chết tiệt đo nhiệt độ trên một máy bơm. Một máy bơm có khả năng Điện toán biên có thể thực hiện các phân tích cơ bản để xác định xem có vượt quá ngưỡng xác định hay không và tắt máy bơm trong một phần nghìn giây. Không có độ trễ quyết định và không cần kết nối để thực hiện chức năng này. Kết nối là không cần thiết, nhưng nó có thể được sử dụng để thông báo. Giá trị thời gian của thông tin nhiệt độ phân rã nhanh chóng vì phản ứng chậm trễ có thể dẫn đến hư hỏng thiết bị. Trong trường hợp này, cạnh nằm ở cấp thiết bị vì nó có thể đạt được mục tiêu chính, ngay cả khi kết nối với các hệ thống và mạng cấp cao hơn bị gián đoạn.

GIÁM SÁT HIỆU SUẤT TỔNG THỂ PHÂN XƯỞNG HOẶC DÒNG SẢN XUẤT Hiệu suất của thiết bị và dây chuyền sản xuất thường được thể hiện thông qua các chỉ số hiệu suất như Hiệu quả Thiết bị Tổng thể (OEE). Các phân tích gần thời gian thực trên nhiều điểm dữ liệu từ các cảm biến trong phân xưởng có thể được xử lý trên một cổng cục bộ và cung cấp các xu hướng và cảnh báo OEE cho các hệ thống hoặc nhân viên vận hành. Trong trường hợp này, khả năng cơ bản yêu cầu thông tin từ nhiều nguồn thiết bị để thực hiện phân tích đơn giản. Giá trị thời gian của thông tin cao vì sự chậm trễ phản hồi chờ đợi các quyết định từ đám mây có thể gây ra tổn thất đáng kể. Vấn đề kinh doanh này cho thấy rằng các cạnh là ở cấp độ phân xưởng.

Bạn có thể thích

TỐI ƯU HÓA CHUỖI CUNG ỨNG CHO NHÀ MÁY Tối ưu hóa các quy trình chuỗi cung ứng cho một cơ sở tại địa phương , nhà máy hoặc mỏ dầu đòi hỏi dữ liệu từ nhiều nguồn trong khoảng thời gian ngắn để áp dụng các thuật toán và phân tích tối ưu hóa sẽ điều chỉnh các kế hoạch chuỗi cung ứng trong các hệ thống kinh doanh như SCM hoặc ERP. Khả năng cơ bản đòi hỏi kết nối cấp tại địa phương hoặc cấp nhà máy với các quyết định được đưa ra trong vài giờ. Thông tin bổ sung bên ngoài chu vi của nhà máy có thể hữu ích, nhưng không bắt buộc để tối ưu hóa hiệu quả. Trong trường hợp này, điện toán biên nằm ở tổng thể của nhà máy, hoặc cấp điều hành sản xuất.

TIÊN ĐOÁN HƯ HỎNG VÀ BẢO TRÌ CHỦ ĐỘNG Các mô hình machine learning để dự đoán sự cố Máy bơm chìm điện – Electric Submersible Pump (ESP) yêu cầu dữ liệu từ nhiều nền tảng. Các mô hình phân tích rất phức tạp và cần một lượng lớn dữ liệu để đào tạo và huấn luyện lại các mô hình. Nó cũng yêu cầu nguồn cấp dữ liệu thường xuyên từ các ESP hoạt động để xác định mỗi đơn vị còn lại thời gian sử dụng hữu ích. Dữ liệu từ các ESP riêng lẻ cần được phân tích thường xuyên nhưng phân rã thông tin chậm hơn nhiều so với các kịch bản và quyết định khác có thể được đưa ra hàng ngày hoặc hàng tuần. Tính toán thường được thực hiện ở cấp doanh nghiệp bằng cách sử dụng public cloud hoặc private cloud và ở đầu cuối của tính liên tục của edge computing.

Như vậy chúng ta có thể thấy Edge Computing có thể nằm bất cứ nơi nào dọc theo biểu đồ giá trị thời gian như các ví dụ này minh họa. Đó là nơi xử lý dữ liệu từ cảm biến hoặc các thông tin khác được sử dụng để đạt được mục tiêu chính cụ thể hoặc giải quyết một vấn đề kinh doanh cụ thể.

Giá trị của dữ liệu tại biên theo dòng thời gian

Vì sao lại cần tính toán tại biên ?

Điện toán biên là một cơ sở hạ tầng điện toán phi tập trung, trong đó tài nguyên điện toán và dịch vụ ứng dụng có thể được phân phối dọc theo đường truyền thông từ nguồn dữ liệu đến đám mây. Nghĩa là, các nhu cầu tính toán có thể được thỏa mãn tại biên mạng, nơi mà dữ liệu được thu thập hoặc nơi người dùng thực hiện một số hành động nhất định.

Điện toán biên có những lợi ích là:

Cải thiện hiệu suất.
Tăng cường tính tuân thủ, quyền riêng tư dữ liệu và mối quan tâm bảo mật dữ liệu.
Giảm chi phí vận hành hệ thống cho toàn bộ Data center tập trung.

Cải thiện hiệu suất công việc xử lý dữ liệu

Edge không chỉ đơn thuần là một cách để thu thập dữ liệu để truyền lên đám mây, nó còn xử lý, phân tích và hành động trên dữ liệu được thu thập tại biên trong một phần nghìn giây và do đó rất cần thiết để tối ưu hóa dữ liệu công nghiệp ở mọi khía cạnh của hoạt động.

Ví dụ, trong một cánh gió, nếu tốc độ gió hoặc hướng thay đổi, phần mềm cạnh có thể phân tích dữ liệu này theo thời gian thực và điều chỉnh các tuabin riêng lẻ để tối ưu hóa tổng thể sản xuất trang trại gió. Chỉ dữ liệu tổng hợp được gửi lên đám mây, giảm yêu cầu băng thông truyền thông và cải thiện thời gian truyền dữ liệu.

Ngoài ra, các tuabin tạo ra nhiều terabyte dữ liệu. Gửi dữ liệu này đến nền tảng đám mây để chạy các phân tích nâng cao có thể đạt được về mặt công nghệ, nhưng chi phí và băng thông không cho phép phải làm hàng ngày.

Thông qua Điện toán biên , người dùng cuối có thể thu thập dữ liệu truyền phát từ tuabin và sử dụng nó trong thời gian thực để ngăn chặn thời gian ngừng hoạt động ngoài dự kiến và kéo dài tuổi thọ của thiết bị trong khi giảm dữ liệu xuống kích thước dễ quản lý hơn để truyền lên đám mây.

Thách thức của việc truyền một lượng lớn dữ liệu trong thời gian thực có hiệu quả về chi phí từ các site công nghiệp từ xa có thể được giảm thiểu bằng cách thêm trí thông minh vào các thiết bị tại biên mạng, trong nhà máy hoặc tại hiện trường. Điện toán biên trên thiết bị mang các khả năng phân tích đến gần máy hơn và cung cấp tùy chọn ít tốn kém hơn để tối ưu hóa hiệu suất tài sản.

Tuân thủ sự riêng tư của dữ liệu và bảo mật dữ liệu

Public Cloud tạo ra một danh sách dài các vấn đề riêng tư, quy định và tuân thủ liên quan đến dữ liệu được phân loại hoặc nhạy cảm. Ngày nay, các nhà cung cấp dịch vụ có thể đảm bảo quyền truy cập và kiểm soát riêng tư nhưng với mức giá cồng kềnh, tốn kém, không co giãn và khó quản lý.

Điện toán biên cho phép doanh nghiệp hoạt động độc lập bằng cách sử dụng Public Cloud / private cloud bằng cách sử dụng điện toán cục bộ dựa tại khu vực , khu vực, miền hoặc ranh giới bảo mật cục bộ cần thiết.

Giảm chi phí vận hành hệ thống

Kết nối, di chuyển dữ liệu, băng thông và các tính năng độ trễ của điện toán đám mây rất tốn kém.Điện toán biên giải quyết những điều này bằng cách giảm yêu cầu băng thông và độ trễ.

Ví dụ, nếu một công ty dầu khí khoan ở Nigeria yêu cầu tính toán để dự đoán tỷ lệ suy giảm sản xuất giếng dầu, thì các phương án là xây dựng trung tâm dữ liệu của riêng họ (với các giới hạn về chi phí và quy mô liên quan) hoặc sử dụng nhà cung cấp đám mây ( nơi trung tâm dữ liệu gần có thể đi 5.000 dặm) với chi phí đáng kể và dịch vụ đáng tin cậy.

Với Điện toán biên , người dùng cuối có thể xử lý dữ liệu theo thời gian thực cục bộ với chi phí chỉ bằng một phần của Public Cloud, trong khi vẫn duy trì tính linh hoạt mà cơ sở hạ tầng đám mây cung cấp.

Điện toán biên tạo ra một sự liên tục có giá trị từ thiết bị đến đám mây để xử lý lượng dữ liệu khổng lồ được tạo ra từ IIoT. Xử lý dữ liệu gần hơn với nơi nó được sản xuất và tại thời điểm đáp ứng được yêu cầu bởi các ứng dụng cục bộ giải quyết các thách thức về việc tăng nhanh khối lượng dữ liệu.

Điện toán biên giảm thời gian phản hồi cho các sự kiện bằng cách loại bỏ một lượng dữ liệu vô nghĩa lên đám mây để phân tích. Nó tránh được việc bổ sung băng thông tốn kém bằng cách loại bỏ nhu cầu truyền hàng gigabyte dữ liệu lên đám mây. Nó cũng bảo vệ dữ liệu IIoT nhạy cảm bằng cách phân tích cục bộ trong mạng riêng.

Do đó, các doanh nghiệp sử dụng Điện toán biên có thể cải thiện và tối ưu hóa hiệu suất hoạt động và giải quyết các mối lo ngại về tuân thủ và bảo mật trong khi quản lý hiệu quả chi phí.

Hình dưới minh họa nhiều ví dụ về triển khai Điện toán biên dựa trên sự khác biệt ở các lớp quản trị trong doanh nghiệp và quan điểm kinh doanh. Các ví dụ phát triển từ trái sang phải khi lớp cạnh trở nên phức tạp hơn và tổng hợp nhiều chức năng hệ thống bên dưới.

Lớp máy tính di chuyển lên ngăn xếp kiến trúc, tổng hợp khả năng xử lý, thông tin và dữ liệu từ bên dưới. Vô số lựa chọn có nghĩa là có một sức mạnh tổng hợp cạnh đám mây thay vì cạnh so với đám mây. Nếu có thể, số hóa sẽ luôn sử dụng tính năng cạnh và đám mây trong đó tính toán nhanh và cục bộ diễn ra tại biên trong khi tính toán toàn cầu, phát triển mô hình, quản lý và bảo mật có thể được hưởng lợi từ sự khôn ngoan của đám mây.

Bắt đầu với một ví dụ về bộ điều khiển nhiệt độ đơn giản (xem Nhà máy A bên trái trong Hình), vấn đề cần giải quyết là theo dõi và kiểm soát nhiệt độ của một thiết bị hoặc vùng cụ thể. Trong trường hợp này, các thiết bị cạnh sẽ là cặp nhiệt độ gửi dữ liệu nhiệt độ và phần tử cung cấp nhiệt hoặc làm mát, và thiết bị Điện toán biên sẽ là bộ điều khiển nhiệt độ chạy thuật toán điều khiển và điều chỉnh.

Nếu mục tiêu là điều chỉnh nhiệt độ trên một số thiết bị hoặc khu vực, thì cạnh đó sẽ trở thành bộ điều khiển nhiệt độ (cho dù là các thành phần riêng lẻ hoặc hệ thống độc lập) và lớp Điện toán biên trở thành hệ thống điều phối điều khiển, điển hình là hệ thống PLC hoặc SCADA.

Xét tại rìa, các ứng dụng quản lý và điều khiển, thu thập dữ liệu thì Edge Computing có vai trò như một hệ thống SCADA. Trước đây cũng có một số tranh cãi về SCADA và Edge, theo quan điểm của Smart Industry Vietnam thì chúng ta đừng nên quan trọng hoá những thuật ngữ này lắm mà hãy tập trung vào chức năng của hệ thống bởi vì về lâu dài chúng ta cần những lợi ích do hệ thống mang lại hơn là từ ngữ.

Nếu mục tiêu kinh doanh là giám sát và quản lý nhiều cơ sở phân tán theo địa lý, thì cạnh là mỗi cơ sở riêng lẻ báo cáo trạng thái của nó với một lớp tính toán trên đám mây (vị trí C trong hình).

Đặc điểm của mô hình Điện toán biên IIoT

Điện toán biên tồn tại theo ngành dọc trong toàn bộ ngăn xếp từ thiết bị đến đám mây và theo chiều ngang trên các hệ thống con IIoT. Mô hình điện toán mới được phân phối đầy đủ và có thể hỗ trợ một loạt các tương tác và mô hình giao tiếp bao gồm:

Mạng ngang hàng p2p, ví dụ như camera an ninh giao tiếp về các đối tượng trong phạm vi của chúng,
Cộng tác qua lại trên thiết bị cạnh như các phương tiện tự tổ chức đi cùng nhau hoặc cộng đồng tua-bin gió ở các địa điểm xa, truy vấn phân tán trên dữ liệu được lưu trữ trong thiết bị, trên đám mây và bất kỳ nơi nào ở giữa,
Quản lý dữ liệu phân tán, xác định vị trí và dữ liệu nào sẽ được lưu trữ và làm thế nào
Quản trị dữ liệu bao gồm các khía cạnh chất lượng, khám phá, khả năng sử dụng, quyền riêng tư và bảo mật của dữ liệu.

Từ Cloud Computing đến Edge Computing

IIoT đã phá vỡ mô hình điện toán đám mây với các kịch bản sử dụng mới dẫn đến các yêu cầu sau:

Tương tác nhanh nhạy với thời gian: Thường các quyết định cần được đưa ra trong vòng một phần nghìn giây trong khi một lượng dữ liệu khứ hồi lên đám mây lại đưa ra độ trễ không mong muốn. Độ tin cậy và quản lý kiểm soát đường dẫn quan trọng làm cho nó quá rủi ro khi chỉ dựa vào logic từ xa. Một ví dụ điển hình là xe tự hành AGV trong nhà máy; mặc dù thuật toán chống va chạm có thể thực thi trong đám mây, tốt nhất là chạy các thuật toán tại biên .
Truyền thông: Cơ sở hạ tầng mạng di động có xu hướng theo mô hình triển khai đến các khu vực đô thị đông dân cư, trước khi đi xuống các vùng nông thôn hoặc vùng xa. Đối với các tài sản thực sự ở xa, kết nối vệ tinh có thể là lựa chọn duy nhất. Điều này tạo ra một mô hình trong đó các case study IIoT cho các ngành công nghiệp như khai thác, dầu khí, hóa chất và vận chuyển không được phục vụ tốt bởi truyền thông giá cả phải chăng mạnh mẽ.
Ranh giới dữ liệu: Trong một số ứng dụng, dữ liệu được sản xuất và tiêu thụ bởi các thiết bị chỉ được yêu cầu bởi các thiết bị khác trong khu vực tại địa phương . Dữ liệu cục bộ này có thể được thu thập và phục vụ với độ trễ thấp cạnh cho người dùng trong khu vực tại địa phương . Tùy thuộc vào trường hợp sử dụng, bán kính của khu vực tại địa phương có thể thay đổi từ vài cm từ thiết bị đến toàn bộ khu phố hoặc thành phố. Trong các kịch bản thực tế mở rộng, ví dụ như ở các thành phố thông minh, cơ sở hạ tầng biên tại địa phương có thể lưu trữ thông tin về các điểm quan tâm của một khu phố. Vì hầu hết quyền truy cập vào dữ liệu (hoặc mức tiêu thụ dữ liệu) sẽ được thực hiện trong cùng một khu vực tại địa phương , nên không cần lưu trữ tất cả thông tin trên cloud. Khi một chiếc xe tải chuyển từ mạng riêng sang mạng công cộng và qua các ranh giới có chủ quyền cả chính sách doanh nghiệp và quy định dữ liệu tại địa phương sẽ xác định những gì có thể được lưu trữ cục bộ và những gì có thể được gửi lên cloud.
Khối lượng dữ liệu: Lượng dữ liệu được tạo ra bởi các cảm biến có thể rất lớn. Ví dụ, hàng trăm camera độ phân giải cao tạo luồng video ở 30 khung hình mỗi giây có thể làm tắc nghẽn các kênh liên lạc. Điện toán cạnh cho phép dữ liệu được xử lý và lưu trữ cục bộ chỉ với dữ liệu được xử lý trước được chuyển lên đám mây.
Khả năng Hội tụ IT / OT: Trong lịch sử các công nghệ vận hành (OT – Operation Technology) được sử dụng để quản lý và tự động hóa các thiết bị công nghiệp tồn tại tại biên mạng trong khi công nghệ thông tin (IT) thì tập trung hơn. Mặc dù các hệ thống này đã được xử lý riêng, nhưng có một giá trị trong việc có một chiến lược IT / OT tích hợp cung cấp:

Dữ liệu kinh doanh cần thiết để diễn giải hoặc bối cảnh hóa dữ liệu IoT để ra quyết định,
Sự sẵn có của cả kết quả kinh doanh hiện tại và mới, mô hình kinh doanh tận dụng dữ liệu tích hợp,
Các quy trình chuẩn để dẫn đến kết quả.
Quản trị dữ liệu liên quan đến các khía cạnh chất lượng, khám phá, khả năng sử dụng, quyền riêng tư và bảo mật của dữ liệu. Quản trị dữ liệu không đầy đủ có thể khiến một công ty dễ bị ảnh hưởng trước những gián đoạn kinh doanh lớn. Mặt khác, quản trị dữ liệu cực đoan có thể kìm hãm sự đổi mới.
Điện toán biên giúp đơn giản hóa việc quản trị dữ liệu bằng cách: giảm sự lộn xộn dữ liệu: dữ liệu chuỗi thời gian khối lượng lớn có thể được phân tích ở cạnh, tinh chỉnh khả năng sử dụng dữ liệu: edge computing cho phép dữ liệu được ngữ cảnh hóa dẫn đến khả năng sử dụng tốt hơn, cải thiện quyền riêng tư dữ liệu: chính sách bảo mật ở cạnh chỉ cho phép chia sẻ dữ liệu liên quan đến các hệ thống trong hệ thống phân cấp và giảm tác động của vi phạm bảo mật: vì edge computing cho phép dữ liệu lưu trữ và phân tích được liên kết, tác động của vi phạm an ninh có thể được chứa.

Lợi ích của Điện toán biên

Không cần phải bàn cãi về tính lợi ích của điện toán biên, chúng ta thấy rõ ràng kiến trúc edge computing đã phân bổ tài nguyên tính toán để tối ưu hoá xử lý:

Dữ liệu nhạy cảm với thời gian (độ trễ thấp) có thể được xử lý ngay tại điểm gốc bởi bộ xử lý cục bộ (một thiết bị sở hữu khả năng tính toán riêng).
Các máy chủ trung gian có thể được xử dụng để xử lý dữ liệu gần với vị trí địa ly gần với nguồn (điều này được giả định là độ trễ trung gian chấp nhận được, mặc dù các quyết định thời gian thực nên được thực hiện càng gần nguồn gốc càng tốt)
Các máy chủ cloud có thể được sử dụng để xử lý ít dữ liệu thời gian nhanh hơn hoặc để lưu trữ dữ liệu dài hạn. Với IoT, bạn có thể thấy bản kê khai này trong Dashboardphân tích (dashboard).
Các dịch vụ ứng dụng biên giảm đáng kể lượng dữ liệu phải được di chuyển, lưu lượng truy cập, và khoảng cách dữ liệu được di chuyển. Điều này sẽ làm giảm chi phí truyền tải, giảm thời gian trễ, và nâng cao được chất lượng dịch vụ.
Điện toán biên loại bỏ lượng lớn hiện tượng “nút thắt cổ chai” và tiềm năng lớn các lỗi bằng cách nhấn mạnh vào sự phụ thuộc vào môi trường tính toán lõi. Đồng thời an toàn dữ liệu được cải thiện khi dữ liệu mã hoá được kiểm tra khi nó vượt qua các bức tường lửa và điểm bảo vệ khác, nơi mà các loại virut, dữ liệu bị xâm nhập và hacker có thể bị đánh lừa sớm.
Khả năng mở rộng của biên tăng lên nhờ hợp lý hoá của các nhóm xử lý CPU khi cần thiết, tiết kiệm chi phí khi truyền dữ liệu thời gian thực.

Một số trường hợp ứng dụng Edge Computing trong thực tế

Khi các điện toán đám mây được giới thiệu lần đầu tiên, xu hướng chuyển sang mọi thứ vào đám mây, nhưng do độ trễ của mạng và chi phí để truyền một lượng lớn dữ liệu, các nhiệm vụ hợp lý hơn vẫn được đặt tại biên. Với sự cải thiện về sức mạnh và khả năng xử lý, số lượng tác vụ được thực hiện trên các điện toán biên – Edge Computing sẽ tiếp tục tăng trưởng mạnh mẽ trong tương lai.

Thông qua việc kiểm tra tất cả các case study được mô tả ở đây, chúng ta sẽ đưa ra các yêu cầu chung cho edge computing có thể phổ biến cho tất cả các case study Edge computing cụ thể :

Truyền thông: Các thiết bị Edge phải tiếp tục hoạt động ngay cả khi truyền dữ liệu có thể bị gián đoạn tạm thời.
Khả năng của thiết bị biên – Edge Device: Các thiết bị biên – Edge Device cần hỗ trợ khả năng edge computing: giao tiếp, tính toán cục bộ và lưu trữ cục bộ.
Chức năng thiết bị biên – Edge Device: Các thiết bị biên – Edge Device có thể được tùy chỉnh với các tính năng để phù hợp với các ngành dọc khác nhau, chẳng hạn như kích thước nhỏ gọn, tiêu thụ điện năng thấp, chống rung, che chắn điện từ, chống thấm nước và chống bụi.

Ứng dụng Edge Computing để nhận dạng xử lý ảnh vào camera giám sát, smart city

Quản lý an toàn

Mục tiêu: Sử dụng các thiết bị đeo dò khí để theo dõi nhân viên tiếp xúc với khí độc hại trong ca làm việc. Tạo dashboard hiển thị theo thời gian thực bằng cách sử dụng dữ liệu từ các cảm biến và điều chỉnh lịch làm việc hoặc quy trình làm việc để ngăn ngừa các vấn đề về sức khỏe.
Mô tả: An toàn trong môi trường hoạt động nguy hiểm hoặc đe dọa đến tính mạng, như dầu mỏ, nhà máy hoá chất, là vấn đề hàng đầu. Các vấn đề khác liên quan đến sản xuất, chẳng hạn như tình trạng của các công cụ được sử dụng, tình trạng của băng tải hoặc phương tiện được sử dụng để thực hiện quặng và lượng quặng sản xuất trong một khoảng thời gian đo.
Yêu cầu chính:

(Giám sát môi trường) phát hiện khí độc, phát hiện nhiệt độ môi trường và kiểm soát và kiểm soát ánh sáng cần phải được thực hiện.
(Giám sát cá nhân) hệ thống giám sát dấu hiệu quan trọng cá nhân phải được cài đặt cục bộ và dữ liệu được gửi đến một trạm giám sát trung tâm trong trung tâm điều hành.

Edge Boundary: Trang web hoạt động (ví dụ: tại văn phòng điều hành mỏ hoặc trung tâm điều hành).
Edge device: Máy theo dõi dấu hiệu quan trọng cá nhân (nhiệt độ cơ thể, nhịp tim và huyết áp, mức CO2), máy theo dõi cá nhân, máy theo dõi môi trường (nhiệt độ môi trường, mức CO, phát hiện khí độc, ánh sáng), dụng cụ, xe tải và xe không người lái, băng chuyền và thiết bị trọng lượng.

Theo dõi vận tải và chuỗi cung ứng

Mục tiêu: Kết hợp dữ liệu GPS thời gian thực với dữ liệu sử dụng xe từ các cảm biến để giám sát và tối ưu hóa vị trí và trạng thái của đội xe.

Mô tả: Một công ty vận tải phải vận hành phương tiện của mình một cách an toàn và hiệu quả. Ngoài việc định tuyến tối ưu trong các tuyến giao hàng, tình trạng cơ học của mỗi chiếc xe có thể góp phần bảo trì kịp thời để cải thiện hiệu quả vận hành và an toàn. Hoạt động ban đầu được thiết kế cho các xe tải riêng lẻ, nhưng nó có thể được mở rộng thành nhiều xe tải để tạo thành một trung đội xe tải không người lái để tăng hiệu quả hoạt động.

Chiếc xe dẫn đầu phát hiện làn đường và điều kiện giao thông để quyết định tốc độ tối ưu để cơ động. Thông tin này sau đó được truyền đạt thông qua các phương tiện sau trong trung đội. Mỗi chiếc xe đều có khả năng giao tiếp và điều khiển từ xe đến xe (V2V) để đảm bảo an toàn khi lái xe. Chiếc xe dẫn đầu thu thập thông tin, chẳng hạn như vị trí của đội xe và tình trạng hoạt động của từng chiếc xe và báo cáo cho văn phòng.

Yêu cầu chính:
1. Theo dõi xe dựa trên GPS được hỗ trợ bởi bản đồ tại địa phương .
2. Hệ thống giám sát tình trạng xe được lắp đặt cục bộ và dữ liệu sẽ được gửi đến một trạm giám sát trung tâm trong trung tâm điều hành.
3. Kết nối đến một vị trí trung tâm cung cấp cập nhật giao thông

Edge Boundary: Xe dẫn đầu của trung đội.
Edge device: Giám sát trạng thái xe (tốc độ động cơ, nhiệt độ, độ dày đệm và hệ thống phụ thủy lực, hệ thống phụ truyền, trạng thái trọng lượng và sốc, áp suất lốp, mức nhiên liệu, v.v.), theo dõi GPS, giám sát môi trường (nhiệt độ môi trường, phát hiện làn đường, vùng lân cận phát hiện xe), giám sát trạng thái container (để làm lạnh) và các thiết bị an toàn lái xe.

Bảo trì tiên đoán cho thang máy

Mục tiêu: Với các ứng dụng biên được cài đặt trên thang máy được kết nối, người vận hành và kỹ thuật viên có thể thực hiện bảo trì dự đoán thang máy dựa trên dữ liệu họ cung cấp ở cạnh.

Mô tả: Người vận hành thang máy được kết nối dựa vào các chức năng cạnh để đạt được bảo trì dự đoán hệ thống của họ để hệ thống trở nên đáng tin cậy hơn và giảm thời gian ngừng hoạt động của hệ thống. Chi phí vận hành của các hệ thống này được giảm đáng kể vì hiệu quả của hệ thống có thể được cải thiện đáng kể.

Một thang máy được kết nối sử dụng nhiều cảm biến để thu thập dữ liệu về tiếng ồn, độ rung, nhiệt độ, v.v … Trạng thái hoạt động của thang máy sau đó có thể được lấy từ việc phân tích dữ liệu được cảm nhận. Với thang máy được kết nối với các thiết bị điện toán biên và dữ liệu được cảm nhận được tải lên đám mây, người vận hành thang máy có thể có được trạng thái chạy của tất cả các thang máy của họ.

Sau đó, các kỹ thuật viên thang máy có thể thực hiện bảo trì dự đoán bằng cách sử dụng dữ liệu điện toán biên và dữ liệu trên đám mây, để kiểm tra và bảo trì các thang máy đó một cách có chọn lọc có nhiều khả năng thất bại dựa trên các phân tích. Bảo trì dự đoán làm tăng hiệu quả hoạt động của thiết bị đồng thời giảm chi phí bảo trì thông qua phòng ngừa sự cố có mục tiêu và tránh thời gian ngừng hoạt động ngoài dự kiến.

Yêu cầu chính:
1. Các Edge device cung cấp các thùng chứa, API mở cho phép các bên thứ ba phát triển các ứng dụng được cài đặt trên các Edge device.
2. Để hỗ trợ giám sát 7 x 24, các Edge device hỗ trợ cập nhật thời gian chạy phần mềm và chương trình cơ sở.

Edge Boundary: Trung tâm vận hành thang máy hoặc chính thang máy.

Edge device: Cảm biến hồng ngoại, cảm biến trọng lượng, đầu báo khói, cuộn cảm rung, tiếng ồn, cảm biến, camera và giao diện vận hành.

Truy xuất nguồn gốc

Mục tiêu: Các quy định trong ngành công nghiệp thực phẩm (ví dụ, EC 128/2002) yêu cầu các nhà sản xuất thiết lập các hệ thống cho phép truy xuất nguồn gốc của các sản phẩm thực phẩm trong tất cả các giai đoạn sản xuất, chế biến và phân phối. Trong khi case study này tập trung vào ngành công nghiệp thực phẩm, việc truy xuất nguồn gốc sản phẩm rất quan trọng đối với nhiều ngành công nghiệp.

Mô tả: Các miếng nhựa trong thanh sô cô la, ô nhiễm vi khuẩn của phô mai kem, thành phần khai báo sai trong các bữa ăn sẵn có từ mì ống Một sản phẩm thực phẩm có thể bị thu hồi vì bất kỳ lý do nào. Thời gian là điều cốt yếu khi nói đến việc thu hồi sản phẩm. Cùng với việc làm tổn hại đến danh tiếng của nhà sản xuất, những tình huống này có thể tốn kém, với chi phí tăng lên khi nơi ở của các sản phẩm cuối cùng trở nên ít rõ ràng hơn.
Mã vạch, QR CODE, RFID hoặc bộ tiếp sóng điện tử được sử dụng để xác định các đối tượng tùy thuộc vào việc chúng là các mặt hàng riêng lẻ, bao bì chính và phụ, pallet, xe tải hoặc container. Khi quyết định sử dụng công nghệ nào, các yếu tố tài chính và các đối tượng và quy trình liên quan phải được tính đến. Ví dụ, mã vạch có thể được in lên một quả trứng, trong khi các hộp chứa sáu hoặc mười hai quả trứng có thể được dán nhãn bằng mã 2D và văn bản đơn giản bổ sung như ngày tốt nhất trước ngày.

Mặt khác, một transponder có thể được thêm vào thùng hàng vận chuyển, pallet và các container tổng hợp khác. Các phương pháp nhận dạng sản phẩm khác nhau được mô tả ở trên đảm bảo rằng dòng nguyên liệu trong chuỗi cung ứng được dán nhãn, xác định và theo dõi.
Máy móc công nghiệp, xe được điều khiển tự động (AGV) và robot hợp tác hoặc các cobots đang ngày càng phổ biến trong khu vực sản xuất.

Các ứng dụng được nhắm mục tiêu nhiều nhất là đóng gói và xếp chồng, chọn và đặt, chăm sóc máy và lắp ráp và kiểm tra chất lượng. Vì các vấn đề có thể xảy ra ở bất kỳ bước nào trong chuỗi cung ứng bao gồm chất lượng hoặc xử lý nguyên liệu, ô nhiễm do người hoặc máy móc đưa ra hoặc quy trình bị lỗi, chất lượng sản phẩm và truy xuất nguồn gốc sản phẩm đòi hỏi phải phối hợp, ghi lại và xác minh con người, quy trình và máy móc liên quan.

Các cảm biến có khả năng Điện toán biên edge computing cho phép các phương pháp nhận dạng sản phẩm này được kiểm tra đối với dữ liệu được lưu trữ để xác minh nhằm đảm bảo lưu lượng hàng hóa, con người, quy trình và máy móc. Sản phẩm phù hợp đi vào đúng gói và lên kệ với thông tin quan trọng xuất hiện chính xác trên bao bì và gia phả đầy đủ có sẵn trong đám mây.

Yêu cầu chính:
1. Xem xét các điều kiện môi trường xung quanh khi lựa chọn các thiết bị cạnh trong ngành công nghiệp thực phẩm, chẳng hạn như độ ẩm, kho lạnh và ngoài trời.
2. Vị trí và theo dõi các mặt hàng trong tất cả các giai đoạn sản xuất, chế biến và phân phối là rất quan trọng.
3. Các cảm biến và hệ thống thị giác máy tính xác định các hạt hoặc chất gây ô nhiễm trong thực phẩm.
4. Các cảm biến và edge computing để phối hợp, ghi lại và xác minh con người, quy trình và máy móc liên quan.

Edge Boundary: máy đặt cảm biến.

Edge Device: đầu đọc mã vạch cho mã 1D hoặc 2D, cảm biến tầm nhìn để ghi hình ảnh, thẻ RFID và đầu đọc RFID.

Phân tích tại biên (Edge Analytics) và máy tính công nghiệp

Analytics được định nghĩa rộng rãi là một môn học chuyển đổi dữ liệu thành thông tin và giá trị doanh nghiệp thông qua phân tích có hệ thống. Phân tích công nghiệp là việc sử dụng phân tích trong các hệ thống IIoT.

Phân tích nâng cao là cốt lõi của cấp độ chuyển đổi thế hệ tiếp theo này và, khi được áp dụng cho dữ liệu máy, xử lý và lưới dữ liệu, cung cấp những hiểu biết và trí thông minh mới để tối ưu hóa việc ra quyết định và cho phép các hoạt động thông minh dẫn đến kết quả kinh doanh chuyển đổi và giá trị cho xã hội.

Những hiểu biết và trí thông minh mới này có thể được áp dụng trên mọi cấp độ của bất kỳ ngành nào nếu dữ liệu phù hợp có thể được thu thập và phân tích được áp dụng chính xác. Một số người nói dữ liệu là nguồn dầu mới. Nếu đó là trường hợp khác, thì phân tích dữ liệu là công cụ mới thúc đẩy chuyển đổi IIoT.

Công nghệ phân tích công nghiệp

Những tiến bộ trong các hệ thống IT và OT như khả năng tính toán, băng thông truyền thông, độ trễ thấp, khả năng phần mềm và công nghệ cảm biến đã loại bỏ các hạn chế về công nghệ và cho phép các phân tích được triển khai thông qua toàn bộ hệ thống IoT.

Ví dụ, nhìn vào lớp biên của hệ thống, khả năng xử lý có sẵn ở cạnh kết hợp với giao tiếp có độ trễ thấp đã cho phép các thuật toán được chạy trong các mô hình hỗ trợ thời gian thực tạo ra hiểu biết sâu sắc và kiểm soát thời gian thực cho hệ thống. Tương tự, nhìn vào lớp dữ liệu cloud, thứ từng không thực tế, thực hiện phân tích phát trực tuyến trên các tập dữ liệu khổng lồ, giờ đây có thể nhờ vào khả năng tính toán dữ liệu lớn và truyền thông băng thông cao. Những tiến bộ tương tự này cũng đã cho phép phân phối phân tích sao cho chúng không cần phải tập trung và có thể được thực hiện trên hệ sinh thái IIoT.

Nên ứng dụng phân tích nào ?

Hầu hết các triển khai phân tích công nghiệp sử dụng một cách tiếp cận hỗn hợp trong đó các phân tích chạy ở tất cả các tầng từ cạnh đến đám mây, với các phân tích ở một cấp cụ thể giải quyết một mục tiêu kinh doanh cụ thể.

Lợi ích chi phí bắt nguồn từ việc giảm lượng dữ liệu được gửi và lưu trữ trên đám mây. Phân tích biên giảm thiểu chi phí lưu trữ và xử lý dữ liệu có giá trị thấp và lặp lại. Phân tích mô hình không được giúp đỡ bởi nhiễu dữ liệu. Thay vì tạo ra một vấn đề dữ liệu lớn ồn ào không cần thiết, Phân tích biên có thể chắt lọc dữ liệu trước khi gửi nó lên đám mây.

Những cân nhắc về bảo mật cho Điện toán biên

Tại Hội nghị thượng đỉnh OpenStack ở Vancouver vào ngày 23 tháng 5, một nhóm chuyên gia đã tranh luận về những cân nhắc và thách thức về bảo mật đối với điện toán biên. OpenStack là một dự án công nghệ nền tảng đám mây nguồn mở được triển khai rộng rãi bởi các nhà mạng và doanh nghiệp lớn. Một case study mới nổi cho OpenStack nằm tại biên của mạng, thay vì chỉ trong một trung tâm dữ liệu.

Rob Hirschfeld, người sáng lập và CEO của RackN, nói rằng với edge computing, tầm quan trọng của mã hóa dữ liệu được phóng đại lên. Do thực tế là các triển khai điện toán biên có thể không có bảo mật vật lý như triển khai đám mây truyền thống, kẻ tấn công có thể đánh cắp ổ cứng hoặc có khả năng cắm vào khóa USB. Hirschfeld cũng đề xuất rằng tất cả các yếu tố điện toán nền tảng đáng tin cậy cần phải được bật cho edge computing.

Với điện toán đám mây truyền thống, hầu hết các tài sản đều nằm trong cùng một trung tâm dữ liệu hoặc ít nhất là cùng một nhà cung cấp dịch vụ. Với edge computing, Glen McGowan, kiến trúc sư chính của Dell EMC cho các giải pháp của nhà cung cấp đám mây và NFV, cho biết lưu lượng truy cập đang chảy qua các phân đoạn mạng công cộng không tin cậy. McGowan đề xuất rằng tất cả lưu lượng điện toán biên đều nên đi qua VPN Tunel an toàn được bảo vệ cao nhất có thể.

Trong triển khai Điện toán biên :

Bảo mật phải được tích hợp cho từng thiết bị và ở mọi cấp độ của kiến trúc,
Điểm cuối của máy tính và mạng phải được theo dõi và quản lý,
Các bản vá mới nhất phải được áp dụng,
Các cuộc tấn công phải được cách ly và cách ly
Các thành phần bị ảnh hưởng phải có khả năng được phục hồi và sửa chữa

Đối với McGowan, một trong những thách thức hàng đầu đối với điện toán biên là thiếu khung bảo mật chung. Theo quan điểm của ông, cần có sự đồng thuận về các thực tiễn tốt nhất cho điện toán biên. Theo quan điểm của Hirschfeld, thách thức hàng đầu đối với điện toán biên là tự động hóa khả năng triển khai edge computing được cập nhật và vá đầy đủ .

Vì vậy, các bước để bảo mật máy tính cạnh là gì?

Mã hóa mọi thứ: Bằng cách mã hóa tất cả dữ liệu, ngay cả khi dữ liệu bị đánh cắp, kẻ tấn công sẽ có tiện ích hạn chế.
Sử dụng các đường hầm an toàn: Vì edge computing không phải tất cả nằm trong một trung tâm dữ liệu được bảo mật, nên kết nối phải được tăng cường khi sử dụng VPN và các đường hầm an toàn.
Lặp lại liên tục ngoài thiết lập ban đầu: Các tổ chức đang triển khai edge computing cần phải có các quy trình để cho phép lặp lại liên tục ngoài thiết lập ban đầu để xử lý các vấn đề bảo mật vá lỗi và mới nổi.
Sử dụng Phát hiện mối đe dọa Chủ động : Do edge computing theo định nghĩa không tập trung, nên việc các nhà cung cấp sử dụng các công nghệ phát hiện mối đe dọa chủ động để xác định sớm các vấn đề tiềm ẩn là rất quan trọng .
Tự động vá và xác nhận lỗi : Do edge computing có khả năng liên quan đến số lượng lớn thiết bị phân tán, cần phải đảm bảo rằng việc vá được tự động hóa mà một bản vá đã cho đã được xác thực và thực hiện đúng.

Kết luận

Điện toán biên đã được triển khai trong nhiều dự án triển khai IIoT; tuy nhiên, nhu cầu hiện đại hóa các kiến trúc biên đã trở nên rõ ràng với sự xuất hiện của điện toán đám mây. Sự giảm giá nhanh chóng về chi phí bộ xử lý và bộ nhớ cho phép logic quyết định nâng cao hơn gần với nơi dữ liệu được tạo ra, tại biên .

Các Ngành công nghiệp đã biết được rằng cách tiếp cận một giải pháp phù hợp với tất cả các nhóm yêu cầu chưa bao giờ là đủ đối với IIoT. Cũng đúng là các nhà thiết kế hệ thống IIoT luôn biết ranh giới biên ở đâu và thiết bị nào trong hệ thống có thể được phân loại là thiết bị biên.

Các nhà thiết kế hệ thống được thử thách thực hiện một kiến trúc được quản lý, bố trí, đáng tin cậy và an toàn. Giai đoạn tiếp theo của công việc sẽ là giải quyết những lo ngại chuyên sâu hơn về những vấn đề khác biệt về các loại chuẩn giao tiếp, kết nối và bảo mật thông tin.

Xem thêm : Edge AI là gì và vì sao phải cần quan tâm đến Edge AI ?