预测维护探索边缘计算
Grant Gerke |2018年7月27日
改变资产管理流程和技术的技术似乎就像参加了两场马拉松比赛。最近的数字解决方案的好处是能够增加现有的旧设备,而无需盗窃。
而且,许多最终用户正在采用敏捷项目方法来推出新的数字结果。
然后是云或边缘计算。边缘计算的感知可能会触发攀登派克的峰值的图像没有齿轮,但是许多供应商,例如巴黎,法国,位于法国施耐德电气正在提供紧凑的解决方案以启用边缘或云处理。
边缘计算的定义很简单。
根据质量基础的Needham的说法工业互联网财团,“边缘计算是一个分散的计算基础架构,其中可以沿着从数据源到云的通信路径分布计算资源和应用程序服务。也就是说,可以在“边缘”,收集数据或用户执行某些操作的地方满足计算需求。”
边缘和云计算之间的最大差异是进行机器建模或处理的地方。边缘处理应用程序允许所有机器或设备数据保留在现场或“边缘”中,而不是将大量数据流推向云以进行分析。
就施耐德电气的油气解决方案而言,更新后的Realift Rod泵控制器使开发人员可以在云或边缘运行预测分析。
Schneider Electric Analytics Application Architects Matt Boujonnier说:“ IoT Edge提供了一种简单的包装和部署我们的机器学习应用程序的方法。”传统上,机器学习只是仅在云中运行的东西,但是对于许多物联网方案而言,这还不够好,因为您希望将应用程序尽可能接近任何事件运行。现在,我们可以灵活地在云中或边缘或需要的任何地方运行它。”
对于机器学习组件,施耐德电气依赖于总部位于华盛顿的Microsoft的Azure机器学习和Azure IoT边缘。基本上,这些平台允许您在设备上运行自定义逻辑 -例如Deschutes Brewery应用程序。对于施耐德电气的石油和天然气解决方案,控制器正在促进预测分析,以减少向页岩和传统油田的旅行。
上面的白皮书工业互联网财团有许多案例研究,这将供该部分。
“当首次引入云时,趋势是'将所有内容转移到云中',但是由于网络延迟和传输大量数据的成本,更合乎逻辑的任务仍然存在。随着处理能力和能力的提高,边缘执行的任务数量将继续增长。
以下是预测维护应用程序的示例:
连接的电梯使用许多传感器来收集有关噪声,振动,温度等的数据。然后可以通过分析感应的数据来得出电梯的操作状态。由于电梯连接到边缘计算设备,并上传到云的传感数据,电梯操作员可以获得其所有电梯的运行状态。然后,电梯技术人员能够使用边缘计算数据和云中的数据执行预测性维护
查看评论