産業用 IoT (IIoT) におけるエッジ コンピューティング

IIC では、「IIC による IIoT におけるエッジ コンピューティング入門」と題したホワイト ペーパーが発表され、産業用 IoT (IIoT) における継続的なエッジ コンピューティングが紹介されました。エッジは特定の物理パーティションではなく論理レイヤーであるため、その場所を解釈して説明するのはユーザーの責任となります。実際のケースに応じて、エッジの定義はケースの問題または解決する「主要な目標」によって異なります。以下では、エッジ コンピューティングの 4 つのアプリケーション事例と利点について説明します。

[[272345]]

ケース1: 機器の過熱防止

「ダム」と呼ばれる熱電対がポンプの温度を測定し、エッジ コンピューティング機能を備えたポンプは、定義されたしきい値を超えたかどうかを決定するための基本的な分析を実行し、数ミリ秒以内にポンプを停止することができます。この機能を実行するには、プロセス中に決定の遅延はなく、インターネット接続も必要ありません。インターネット接続は必要ありませんが、通知の目的で使用できます。温度情報の時間価値は急速に低下し、遅延により機器が損傷する可能性があります。この場合、エッジはデバイス レベルにあります。これは、上位レベルのシステムまたはインターネット リンクが中断された場合でも重要な目的を達成できるためです。

ケース2: 工場や生産ラインのパフォーマンスの監視

設備や生産ラインのパフォーマンスは、総合設備効率 (OEE) などのパフォーマンス指標を通じて示されることが多いです。ローカル ゲートウェイ上の工場内のセンサーからの複数のデータ ポイントに対してほぼリアルタイムの分析を実行でき、OEE の傾向と警告アラートをオペレーティング システムまたは担当者に提供できます。

この場合、基本機能では、簡単な分析を実行するために複数のデバイスから情報を取得する必要があります。クラウド決定からの応答を待つと、情報の時間的価値が高くなり、遅延により重大な損失が発生する可能性があります。このようなビジネス上の課題は、エッジ コンピューティングが工場レベルに適していることを意味します。

ケース3: 2日ごとにローカルまたは工場のサプライチェーンを最適化する

現地の施設、工場、油田でのサプライ チェーン プロセスを最適化するには、複数のデータ ソースにアクセスし、短期間で最適化アルゴリズムと分析を適用して、サプライ チェーン管理 (SCM) やエンタープライズ リソース プランニング (ERP) などのビジネス システムが分析モデルを適用できるようにする必要があります。

基本的な機能には、ローカルまたは工場レベルのネットワーキングと数時間以内の意思決定が必要です。工場の境界外にあるその他の情報も役立つ場合がありますが、効果的な最適化には必須ではありません。この場合、エッジ コンピューティングは工場、現場、またはローカル施設の外部に配置されます。

事例4: 機器の故障を予測し、旅程を事前に報告する

機械学習モデルは水中ポンプの故障を予測し、複数の沖合プラットフォームからデータを取得する必要があります。分析モデルは非常に複雑で、モデルのトレーニングと再トレーニングに大量のデータが必要になるほか、水中ポンプの稼働から各ユニットの残存耐用年数を判断するために定期的なデータフィードも必要になります。さらに、個々の水中ポンプからのデータは定期的に分析する必要がありますが、情報は他のシナリオよりもずっとゆっくりと劣化するため、毎日または毎週の単位で意思決定を行うことができます。コンピューティングは通常、エンタープライズ クラスのパブリック クラウドまたはプライベート クラウドで実行され、エッジ コンティニュアムの最上位に位置します。

なぜエッジで計算するのでしょうか?

エッジ コンピューティングは分散コンピューティング アーキテクチャです。その中で、コンピューティング リソースとアプリケーション サービスは、データ ソースからクラウドまでの通信パスに沿って分散できます。エッジは、どこかでデータを収集したり、ユーザーが特定のアクションを実行したりするなどのコンピューティングのニーズを満たすことができ、パフォーマンスの向上などのメリットをもたらします。規制遵守、データプライバシー、データセキュリティの問題への対応;運用コストを削減します。