Implementación de soluciones periféricas profundas

En el informe "Computación periférica en el entorno industrial" hemos cubierto las generalidades de la tecnología de computación periférica. En este blog exploraremos los diferentes tipos de computación periférica y la implementación de soluciones periféricas inteligentes en el entorno industrial.

La implementación de soluciones eficaces de computación periférica industrial requiere la integración de varios componentes. Las aplicaciones principales de hardware y software, la seguridad física y cibernética, la monitorización remota y las soluciones de mantenimiento se unen para garantizar el funcionamiento continuo de todos los elementos. La sección previamente mencionada del informe "Las formas de la tecnología la computación periférica" nos dice que los dispositivos periféricos se formarán en subcapas específicas (aunque los sistemas individuales no las utilizarán todas).

Figura 1: Diagrama de bloques de la tecnología de computación de borde grueso, fino y microborde

Como muestra la figura anterior, la computación periférica se puede clasificar según si se distribuye o centraliza en un despliegue de borde comúnmente conocido como grueso, fino o microborde (y denominado colectivamente como borde profundo).

En la computación de borde grueso, hay un giro hacia un paradigma computacional más distribuido y descentralizado Los sensores suelen estar vinculados a nodos informáticos que ejecutan aplicaciones periféricas cerca de donde los datos se recogen, filtran, agregan, agrupan, etc. La información se transfiere posteriormente a la nube o a los centros de datos empresariales. El borde grueso también puede abarcar sistemas de ordenadores que se han usado típicamente para ejecutar aplicaciones SCADA y similares. Estos nodos de computación local (también conocidos como dispositivos, pasarelas u ordenadores de borde o periféricos) se utilizan en la computación de borde grueso para ofrecer inteligencia localizada a fin de actuar rápidamente (con baja latencia) en relación con los datos que fluyen desde los dispositivos de detección física. Realizan tareas/cargas de trabajo de cálculo intensivo mediante la adaptación de CPU, GPU, FGPA de gama alta y otros dispositivos de procesamiento. Los nodos de computación de borde grueso pueden funcionar frecuentemente de forma independiente durante largos periodos gracias a sus capacidades de procesamiento y almacenamiento.

La computación de borde fino implica un menor procesamiento en el lugar de la recogida de datos del sensor. Los datos detectados se reúnen y se envían a un sistema de procesamiento más centralizado, donde se analizan y se toman las medidas pertinentes. El procesamiento centralizado puede tener lugar en la nube o en centros de datos/procesamiento privados (también conocido como "on-prem"). Describe los controladores inteligentes, equipos de redes y PLC y ordenadores embebidos especializados integrados en herramientas para maquinaria y otros equipos de producción. Es posible que ni siquiera se necesiten plataformas informáticas adicionales (por ejemplo, pasarelas) en las instalaciones de computación de borde fino, según la complejidad y la capacidad de conexión de los equipos físicos de detección. A veces también incluye componentes de inteligencia artificial, como GPU o ASIC.

El microborde representa los sensores que recogen datos de procesos y equipos industriales que normalmente se han conectado directamente a PLC o procesadores de gama baja debido a restricciones de coste y consumo energético. También representa la capa más cercana a la maquinaria de la planta y la parte del ecosistema informático industrial. Los recursos informáticos situados en el microborde son los propios dispositivos que generan los datos.

De hecho, no hay distinción entre bordes finos y gruesos. En el extremo más remoto del borde, existe más bien un "espectro" de soluciones que tienden a ser borde fino o grueso según la disponibilidad de recursos, la demanda de casos de uso y los problemas de despliegue y gestión del software.

Análisis periférico en el entorno industrial

El siguiente diagrama muestra el concepto de tener la inteligencia en el borde de la máquina y difundir la información adquirida de una a muchas máquinas. El aprendizaje colaborativo es la información sobre la flota de equipos de un fabricante. Las redes permiten a los usuarios finales desarrollar soluciones de mantenimiento predictivo basadas en potentes algoritmos de detección de anomalías, al facilitar el intercambio de información entre los sensores periféricos inteligentes. Los modelos predictivos se entrenan y ponen a prueba utilizando los datos históricos etiquetados con información sobre fallos anteriores en el equipo. La cantidad de datos históricos puede ser enorme, por lo que el almacenamiento en tiempo real en la nube es una solución efectiva, lo que da lugar al mantenimiento predictivo basado en la nube. Los motores eléctricos de inducción son los principales actuadores en la mayoría de las fábricas industriales, por lo que el mantenimiento predictivo de los motores eléctricos basado en la nube es de especial importancia. Los fallos mecánicos producen vibraciones en los motores eléctricos con diferente amplitud y frecuencia. Por ello, las soluciones de control de estado de los motores se centran principalmente en medir las vibraciones y la temperatura. Los recursos de computación periférica desacoplan el programa de hardware subyacente, lo que hace posible arquitecturas flexibles en las que las aplicaciones pueden migrar de un equipo de computación inteligente a otro.

Figura 2: Nodo periférico industrial para la detección de anomalías

Plataforma periférica industrial

La periferia industrial está compuesta por un segundo plano, dispositivos y aplicaciones periféricas que se utilizan para el análisis inteligente de datos y mejoras en la productividad. Como muestra la siguiente figura, todos los componentes forman parte de un ecosistema integrado de hardware y software para la automatización. El sistema de gestión periférica industrial se puede usar para controlar y monitorizar de forma centralizada todos los dispositivos periféricos vinculados. Al llevar de forma segura al nivel de la producción la potencia de la computación periférica y el análisis avanzado, los dispositivos periféricos industriales ofrecen a los sistemas de automatización procesamiento de datos a nivel de máquina.

Figura 3: Plataforma periférica industrial

La gestión de aplicaciones se encarga de desplegar, configurar, eliminar, iniciar, detener y restablecer las aplicaciones. Los usuarios y constructores de máquinas pueden instalar "apps" en los dispositivos periféricos e incluso pueden diseñar sus propias aplicaciones. Los protocolos de transmisión en la nube, los sistemas operativos basados en la nube y el Message Queuing Telemetry Transport (MQTT) son compatibles con la periferia industrial, lo que hace que la transferencia de datos sea segura y eficiente.

Manténgase conectado con nuestros otros blogs en los que hemos explorado las estrategias de despliegue y los estándares de la computación periférica, la integración de la computación periférica en PAC y PLC, y los riesgos de seguridad de la computación periférica y sus soluciones.