La computación periférica para fabricantes

Introducción

Las nuevas tecnologías están revolucionando la forma en que los fabricantes conectan los procesos y recopilan datos en la planta de producción.

Una de las tecnologías más prometedoras es el «edge computing».

El «edge computing» es un método para mejorar la recopilación y el procesamiento de datos mediante la ubicación de recursos informáticos cerca del lugar donde se recogen los datos.

Esta guía le presentará el «edge computing» y le explicará cómo las empresas manufactureras de todos los tamaños pueden beneficiarse del uso de dispositivos periféricos para impulsar sus iniciativas IIoT monitorización de máquinas.

El término «computación en el borde» se refiere a la asignación de cargas de trabajo informáticas a los «bordes» de una red, es decir, adispositivos y recursos más cercanos a los extremos de la red que un centro de datos centralizado o la nube.

En el sector manufacturero, los recursos de computación periférica pueden incluir máquinas, pasarelas, convertidores de protocolo u otros tipos de controladores industriales. En la mayoría de los casos, en el sector manufacturero, la computación periférica se refiere al uso de un dispositivo periférico específico.

Mediante la distribución de los recursos informáticos, los fabricantes pueden:

1. mejorar la velocidad de procesamiento de datos

2. filtrar la señal del ruido en una fase temprana

3. mejorar el acceso a los datos

La filosofía en la que se basa la computación periférica es que resulta más rápido y eficiente procesar la información en su origen.

Considere cómo se transmite la información desde un activo industrial hasta un centro de datos. La máquina genera datos—temperatura, vibración, revoluciones por minuto, consumo de recursos, etc.— mientras está en funcionamiento. Es probable que esos datos deban someterse a algún tipo de conversión de formato o protocolo para que resulten útiles a los ingenieros. A continuación, los datos se transfieren a un servidor local o a una base de datos en la nube. Si se envían a la nube, es posible que tengan que recorrer una distancia considerable hasta uno o varios servidores físicos dispersos geográficamente.

Si bien la computación y el almacenamiento en la nube son esenciales para el Internet industrial de las cosas, este proceso de generación, procesamiento y devolución de datos puede generar problemas relacionados con la latencia, el ancho de banda y la gestión de datos.

En los procesos de fabricación delicados, incluso un pequeño retraso puede tener consecuencias importantes en la eficiencia y la calidad.

La computación periférica evita esto al garantizar que el procesamiento de datos se realice en estrecha proximidad geográfica y de red con respecto al lugar donde se generan los datos.

Para comprender por qué la computación en el borde es importante en el sector manufacturero, es necesario conocer algunos de los retos que plantean las arquitecturas en la nube.

El sector manufacturero lleva mucho tiempo utilizando arquitecturas de información centralizadas. En un sistema centralizado, la información generada a lo largo de toda la operación se procesa y almacena en un servidor central. Esto ha resultado fundamental para gestionar grandes volúmenes de datos, así como para controlar los aspectos más sensibles.

Con la llegada de la nube, esta «columna vertebral» ha pasado de los recursos locales a ubicaciones geográficamente distantes. Sin embargo, el recorrido que siguen los datos hasta llegar a la nube es, en esencia, el mismo.

Los avances en la computación periférica implican que la industria manufacturera está volviendo a un modelo descentralizado.

En lugar de concentrar el procesamiento de datos en una única ubicación, los sistemas descentralizados, como la computación periférica, aprovechan la capacidad de cálculo y almacenamiento existente en los nodos repartidos por toda la red. Este tipo de estructura se denomina «descentralizada» porque el procesamiento se lleva a cabo allí donde hay recursos disponibles y suficientes. En los sistemas descentralizados, la proximidad es un factor determinante a la hora de decidir dónde se realiza el procesamiento.

Aunque el crecimiento del «edge» implique un aumento de la computación descentralizada, es importante señalar que esto no significa que el «edge» vaya a sustituir a la nube.

Más bien, el «edge» y la nube mantienen una relación simbiótica.

Para muchos fabricantes, la infraestructura en la nube es imprescindible para garantizar que los datos se almacenen en un lugar accesible y escalable. Es imprescindible para respaldar las operaciones con la potencia informática necesaria sin tener que realizar costosas inversiones en equipos locales.

Sin la nube, la gestión logística del almacenamiento, la recuperación y el análisis de datos sería considerablemente más complicada. Sin embargo, las realidades de la supervisión moderna de máquinas hacen que la computación en el borde resulte deseable.

De este modo, los fabricantes pueden sacar el máximo partido a sus iniciativas digitales combinando una infraestructura en la nube con la computación periférica, según lo requieran sus operaciones.

Este tipo de arquitectura híbrida —en la que una infraestructura centralizada da soporte a la computación descentralizada— se conoce a menudo como «fog computing». Dicho de otro modo, el «fog» es la forma de acercar la nube al terreno.

De hecho, las mejores previsiones sobre el futuro de cada tecnología indican que el volumen de mercado tanto de la nube como del «edge» crecerá de forma significativa durante la próxima década.

Los dispositivos periféricos pueden ser sensores, máquinas IoT, pasarelas o ordenadores de placa única. Tanto para los pequeños como para los grandes fabricantes, estos dispositivos ofrecen un método rápido y sencillo para optimizar las iniciativas digitales. Funcionan con una potencia mínima, consumen poca energía y pueden resultar muy rentables.

Los dispositivos periféricos son un componente esencial de cualquier sistema de monitorización de máquinas. Son importantes por varias razones.

Conversión de protocolos: no todas las máquinas se comunican mediante los mismos protocolos. Mientras que las máquinas más modernas pueden comunicarse utilizando protocolos como MTConnect y OPC UA, ya sea de forma nativa o mediante productos de conversión como Kepware, otras requieren dispositivos que hagan que los datos de los sensores sean legibles para el usuario final. Las máquinas más antiguas, en particular, necesitan un dispositivo intermediario que convierta los datos de los sensores en información útil. Los dispositivos periféricos pueden capturar información de IoT y convertirla a los protocolos que usted necesite para transformar los datos en conocimientos.

Datos de múltiples sensores - En muchos casos, para comprender el rendimiento y el estado de una máquina es necesario recopilar datos de varios sensores simultáneamente. Por ejemplo, si desea determinar la causa principal del fallo de una pieza en una fresadora CNC, es importante disponer de datos sobre todos los parámetros que podrían contribuir al deterioro de esa pieza concreta.

Los dispositivos periféricos ayudan a recopilar datos de múltiples sensores para ofrecer una visión más completa del estado de las máquinas. Esto le permite ir más allá de las conjeturas y llegar a las causas fundamentales.

Datos de múltiples máquinas - : Entendemos que cada máquina tiene su propia importancia. Sin embargo, la información más relevante se obtiene cuando se comparan los datos de una sola máquina con los datos recopilados de todo un departamento. Los dispositivos periféricos ayudan a agregar y centralizar los datos procedentes de diversas fuentes de máquinas, lo que facilita la comprensión del rendimiento en tiempo real.

Filtrar la señal del ruido - No toda la información generada por una máquina resulta útil. Los dispositivos periféricos ayudan a separar la información importante —como cuando una máquina supera un parámetro establecido o cuando se detecta un evento específico— del aluvión de datos que se genera durante el tiempo de funcionamiento programado. Cada vez es más frecuente que los algoritmos de aprendizaje automático se ejecuten en dispositivos periféricos para facilitar este proceso de filtrado.

Información en tiempo real - Para muchos fabricantes, la monitorización de las máquinas es una forma de comprender la producción en tiempo real . Si bien los datos históricos son importantes para comprender el rendimiento y el estado de las máquinas a lo largo del tiempo, resulta igualmente útil disponer de visibilidad sobre el estado de las máquinas durante las horas de funcionamiento. Los dispositivos periféricos permiten canalizar los datos de las máquinas hacia paneles de análisis visual. Al hacer pasar los datos de las máquinas a través de un dispositivo periférico, los fabricantes pueden acceder a los análisis necesarios para obtener información en tiempo real.

Cada vez más, el éxito en el sector manufacturero exige el análisis de los datos operativos para lograr una mejora continua. En resumen, se requiere un programa de supervisión de máquinas.

Sin embargo, la supervisión de las máquinas no siempre es suficiente. Los sistemas de fabricación generan una enorme cantidad de datos. Y los datos no resultan útiles si no se pueden almacenar y consultar de forma que permitan actuar en consecuencia.

De los fabricantes que realizan un seguimiento del rendimiento de sus máquinas, pocos cuentan con una estrategia de gestión de datos. Y son aún menos (el 14 %, según algunas estimaciones) los que afirman no tener problemas para gestionar la gran cantidad de datos que se generan en sus plantas de producción.

Aquí es donde los dispositivos periféricos pueden resultar de ayuda.

Los dispositivos periféricos ayudan a garantizar que los datos de sus máquinas sean: 1.) legibles, 2.) accesibles, 3.) seguros y 4.) relevantes para los indicadores clave de rendimiento (KPI) que desea supervisar.

Para mostrar cómo se pueden utilizar los dispositivos periféricos en entornos de fabricación reales, veamos cómo un Tulip utiliza nuestra IoT para recopilar datos de sus máquinas antiguas.

Este fabricante se enfrentaba a un problema habitual. Aunque sus máquinas antiguas no presentaban fallos de funcionamiento, no podían conectarse a Internet de forma nativa. Esto significaba que la medición del rendimiento de las máquinas era una tarea manual. En muchos aspectos, sus cálculos del OEE estaban sujetos a errores, y sus análisis de los cuellos de botella tenían dificultades para identificar las causas fundamentales.

Con el fin de comprender mejor su proceso de producción, este cliente utilizó IoT y dispositivos Tulip para conectar sus máquinas analógicas a la red.

Mediante el uso de dispositivos periféricos y sensores, este fabricante logró medir las revoluciones por minuto (RPM) y otros parámetros clave de las máquinas. Con una inversión inicial mínima, consiguieron mejorar su comprensión de los procesos de producción lo suficiente como para identificar los cuellos de botella y equilibrar mejor sus líneas de producción. La IoT permite a este fabricante recopilar datos de varias máquinas simultáneamente. El fabricante agrupa esta información en un panel de control visual de la producción a través de Tulip . Ahora, todo el personal de la planta comprende el estado de la producción en tiempo real.

Al combinar los datos de las máquinas con los datos sobre el rendimiento del personal, pudieron analizar sus operaciones desde una perspectiva global, identificar áreas de mejora y comprender exactamente cómo circulaba el trabajo en curso por sus líneas de producción.

Al final, este fabricante aumentó el número de unidades producidas en un 15 %. Ha logrado sus ambiciosos objetivos de ampliar la producción al tiempo que ha reducido el coste de los productos vendidos. Al poner en marcha una planta ya existente, ha conseguido mejorar el tiempo de actividad y la visibilidad de tal manera que ha tenido un impacto real en el negocio.