Skip to main content

營運效率

高效能運算 + Azure IoT 邊緣促進 IIOT 發展

邊緣計算

好事太多,會不會樂極生悲?對於使用 AI 從營運技術(OT)資料中獲取見解的製造商來說,答案愈來愈肯定。OT 素材現在產生太多資訊,無法透過雲端型 AI 有效分析。

「工業 IoT(IIoT) 的成長表示製造商正在從工廠收集大量原始資料。但您不能直接將這些資料全部倒至雲端處理,」邊緣運算解決方案製造商 Advantech 產品經理 Penny Chen 表示。「基於資料傳輸和儲存成本,將一切都傳送至雲端所費不貲。它也是資源密集型,會引起網路效能和延遲問題。」

這是問題所在,但有一個明確的解決方案:在邊緣執行部分 AI 處理工作負載,預處理和篩選 OT 資料,然後傳送至雲端以進一步獲取業務見解。

對製造商和 OT 系統整合商(SI)來說,好消息是現已提供專為此任務建構的邊緣 AI 設備。這些靈活、可隨時部署的解決方案將核心 AI 功能從雲端直接帶到邊緣,在多種製造情境中實現效率、節約成本及便於執行的益處。

模組化邊緣 AI 結合 Azure IoT

將 AI 分析帶到邊緣是昭然若揭的答案,但這並非沒有挑戰。克服這些挑戰的關鍵是在成熟的硬體上運作的模組化架構。

例如,憑藉採用 Azure IoT Edge 解決方案的 Advantech Intelligent Platform,終端使用者決定哪個 Azure IoT 模組最適合其使用案例,然後從雲端部署到邊緣 AI 設備。Advantech 的閘道器軟體 EdgeLink 處理從工業設備使用的各種專屬通訊協定收集及標準化資料串流的重要工作,這是在產業環境中執行資料處理任務的一大挑戰。

然後,本機 Azure IoT 執行階段會執行邊緣所需的任何 AI 推斷,接著將預處理的資訊傳送至雲端以供額外處理。

這種方法有若干好處:

  • 在邊緣執行 AI 處理,減少需要傳送至雲端的資料總量、降低成本、減少延遲,並且節省網路頻寬。
  • 在邊緣進行資料預處理,表示製造商可以將 OT 資料轉換為有意義的資訊,篩除不重要的內容,只選取最相關的資料以供額外分析。
  • 邊緣運算針對工廠發生的情況提供近乎即時的見解,帶來安全性和營運效率的助益。

Chen 強調模組化在工業邊緣 AI 的重要性,並指出選擇 Azure 作為 IoT 平台正是出於這項考量:「憑藉 Azure IoT Edge,您可以選擇將許多不同的雲端智慧模組部署到邊緣。這麼一來,終端使用者只需將心力集中在所需的企業見解,如此而已。」

Chen 表示,選擇 Intel 硬體也是出於靈活性的考量:「我們主要關注的是最佳化邊緣 AI 的效能和功能,而Intel 處理器對此非常在行。Intel 包羅萬象的處理器選項也表示無論任何使用案例或產業,我們都能滿足客戶在規格方面的需求。」

多個情境的邊緣 AI

靈活的模組設計表示邊緣 AI 平台可用於多種工業設定。

Advantech 已在一家全球輪胎製造企業以及為歐洲運輸業服務的 OT SI 部署其解決方案。不過,AI 當然在任何涉及設備監測、處理最佳化及資源管理的情境中都很有用,這包括工廠環境和城市建築,乃至於能源生產與物流的一切(影片 1)。

影片 1。展示如何使用邊緣 AI 最佳化飲料製造流程的示範。 (資料來源:Advantech

對於服務於這些產業的 SI,AI 平台建構於經過驗證、有據可查的技術,提供了向客戶銷售支援創新邊緣 AI 解決方案的機會,而不會受到技術屏障的阻礙。

解決揮之不去的 IIoT 痛點

能夠將雲端 AI 處理邏輯部署至邊緣,是產業數位轉型的一大步。但有些問題仍在:在使用 OT 資產時,資料整合極為複雜;處理相關程式任務需要大量的時間和心力;在人員稀少或偏遠地區難以確保運作時間。

支援邊緣 AI 的解決方案供應商的因應之道是,試著為其 SI 和終端使用者簡化 IIoT 部署和管理。

例如,Advantech 正在開發一款無程式碼的 SaaS 平台 WISE-Edge365,可允許終端使用者即時佈建裝置及監控資料 — 這些全都是來自一個預先設定、產業特定的儀表板,以便實現資料視覺化。

「目標是提供一個使用便利的整合式平台,為使用者提供對邊緣和雲端等一切事物的完整連線能力和裝置管理,」Chen 表示。

結果是,隨著愈來愈多的製造公司繼續在數位轉型的道路上前進,他們會發現自己處在一個日益成熟、支援邊緣 AI 產品的市場,邊緣 AI 的優勢可以像現今的 IT 服務一樣順暢實現。

 

insight.tech 編輯副總監 Georganne Benesch 編輯。