Բազմաառանցքային CNC ֆրեզերային մեքենաների կանխատեսողական սպասարկման համար եզրային հաշվարկներով հագեցած IoT շրջանակներ

Բովանդակության ցանկ

●Ներածություն

●CNC ֆրեզավորման մեջ Edge Computing-ի և IoT-ի ըմբռնումը

●Edge-Enabled IoT Framework-ների հիմնական բաղադրիչները

●Կանխատեսողական սպասարկման ներդրում. Քայլեր և ծախսեր

●Իրական աշխարհի օրինակներ և հաղթանակներ

●Մարտահրավերներ, որոնց պետք է ուշադրություն դարձնել

●Ի՞նչ է հաջորդը։

●Եզրակացություն

●Հարց ու պատասխան

●Հղումներ

 

Ներածություն

Պատկերացրեք ձեզ գործարանի հատակին՝ շրջապատված բազմաառանցքային մեխանիզմի բզզոցովCNC ֆրեզերայինԱվիատիեզերական տուրբինների թևերը, ավտոմոբիլային բաշխիչ լիսեռները կամ բժշկական իմպլանտները անհավանական ճշգրտությամբ ձևավորող մեքենաներ: Այս մեքենաները ժամանակակից արտադրության սիրտն են, բայց երբ դրանք խափանվում են, օրինակ՝ գործիքը մաշվում է կամ իլիկը սկսում է թրթռալ, ամեն ինչ արագ թանկանում է: Անգործունեության ժամանակը կարող է ժամում հազարավոր դոլարներ արժենալ, չհաշված ջարդոնված մասերը կամ բաց թողնված վերջնաժամկետները: Ահա թե որտեղ է միջամտում կանխատեսողական սպասարկումը՝ օգտագործելով IoT սենսորներ և եզրային հաշվարկներ՝ խնդիրները հայտնաբերելու համար, նախքան դրանք վերահսկողությունից դուրս կգան: Խափանումից հետո իրերը շտկելու կամ մասերը կոշտ ժամանակացույցով փոխարինելու փոխարեն, դուք մեկ քայլ առաջ եք մնում՝ պահպանելով մեքենաների աշխատանքը և բյուջեն անփոփոխ:

Եզրային հաշվարկը նշանակում է տվյալների մշակում անմիջապես մեքենայի վրա, այլ ոչ թե դրանք ուղարկել որևէ հեռավոր սերվերի: Այն արագ է, անվտանգ և չի խցանում ձեր ցանցը: Մյուս կողմից, IoT-ը նման է ձեր մեքենաներին նյարդային համակարգ տալուն՝ սենսորներ, որոնք հետևում են յուրաքանչյուր տատանմանը, ջերմաստիճանին կամ ուժին, տեղեկատվություն տրամադրելով խելացի ալգորիթմներին: Միասին դրանք խաղի կանոնները փոխող են CNC ֆրեզերային մշակման համար՝ հայտնաբերելով այնպիսի խնդիրներ, ինչպիսիք են բթացած գործիքը կամ տատանվող կրողը, նախքան 10,000 դոլար արժողությամբ աշխատանքային մասը փչացնելը:

Այս հոդվածում ես ձեզ կբացատրեմ, թե ինչպես են այս տեխնոլոգիաները համակցվում՝ բազմաառանցքային CNC ֆրեզերային մեքենաների աշխատանքը պահպանելու համար: Մենք կանդրադառնանք տեխնոլոգիային՝ սենսորներին, եզրային սարքերին, տվյալների հոսքերին, և կխորանանք իրական օրինակների մեջ, ինչպիսիք են ավիատիեզերական գործարանները կամ բժշկական սարքավորումների արհեստանոցները՝ ծախսերի և խնայողությունների վերաբերյալ ճշգրիտ թվերով: Ես հենվել եմ որոշ հիմնավոր հետազոտությունների վրա՝ սա հիմնավորելու համար, բայց ես այն կպահեմ գործնականում. ինչ է ձեզ անհրաժեշտ սկսելու համար, որքան է արժենում, և խորհուրդներ՝ գլխացավերից խուսափելու համար: Անկախ նրանից, թե դուք արտադրամասի ինժեներ եք, թե մենեջեր, որը հետևում է արդյունքին, սա ձեր մեքենաներն ավելի խելացի դարձնելու մասին է:

CNC ֆրեզավորման մեջ Edge Computing-ի և IoT-ի ըմբռնումը

Ի՞նչի մասին է Edge Computing-ը։

Եզրային հաշվարկները նման են ձեր CNC մեքենայի կողքին մինի-ուղեղ դնելուն: Փոխանակ յուրաքանչյուր տվյալ՝ տատանումների կտրուկ տատանումներ, իլիկի ջերմաստիճաններ և այլն, աշխարհի կեսը գտնվող ամպային սերվեր ուղարկելու, դուք դրանք կառավարում եք այնտեղ: Պատկերացրեք մի ամուր փոքրիկ համակարգիչ, որը միացված է գործարանին և թվեր է մշակում այնքան արագ, որքան մեքենան կտրում է մետաղը: Այն ավելի արագ է, ավելի էժան է թողունակության առումով և ձեր տվյալները պահում է ամուր փակ, ինչը կարևոր է, երբ դուք մշակում եք զգայուն նյութեր, ինչպիսիք են ավիատիեզերական մասերը:

Վերցրեք տուրբինի թևեր պատրաստող աէրոտիեզերական արհեստանոց: Մեկ վատ կտրվածքը կարող է փչացնել 15,000 դոլար արժողությամբ մասը: Եզրային հաշվարկների միջոցով սենսորները որսում են տարօրինակ թրթռումներ, և համակարգը վայրկյանների ընթացքում հայտնաբերում է մաշված գործիքը՝ կանգնեցնելով մեքենան նախքան աղետի վրա ազդելը: Եթե դուք հույսը դնում եք ամպային տեխնոլոգիաների վրա, այդ տվյալները շրջանցիկ ճանապարհ են անցնում՝ գուցե մեկ կամ երկու վայրկյան, ինչը կարճ է հնչում, բայց ոչ այնպես, երբ թևը վտանգված է: Բացի այդ, տեղական մշակումը նշանակում է, որ ինտերնետային խափանումները չեն կարող ձեզ խանգարել:

Ինտերնետային իրերի ցանց. մեքենաները խոսելու հնարավորություն

Ինտերնետային իրերի ցանցն է կապում կետերը։ Ձեր աղացին ունի սենսորներ, որոնք հետևում են այնպիսի բաների, ինչպիսիք են առանցքի արագությունը, կտրող ուժը կամ սառեցնող հեղուկի ջերմաստիճանը։ Դրանք սնուցվում են եզրային սարքի, որը հետևում է խնդիրներին, օրինակ՝ կրողի, որը սկսում է խափանվել կամ գործիքի, որը պատրաստվում է կոտրվել։ Սրանք միայն հում տվյալներ չեն. խելացի ալգորիթմները փնտրում են օրինաչափություններ, որոնք գոռում են՝ «շտկեք ինձ հիմա»։

Պատկերացրեք ավտոմոբիլային գործարան, որը լիսեռները պտտեցնում է։ Սենսորները որսում են առանցքի թրթռումները, և եզրային համակարգը կանխատեսում է կրողների անսարքությունը, նախքան արտադրությունը խափանելը։ Մի գործարան, որի մասին կարդացել եմ, այս կերպ կրճատել է պարապուրդի ժամանակը 20%-ով՝ տարեկան խնայելով 50,000 դոլար մեկ մեքենայի համար։ Բայց ամեն ինչ հարթ չէ։ Դուք պետք է ընտրեք ճիշտ սենսորները՝ օրինակ՝ աքսելերոմետրեր՝ թրթռումների համար կամ ջերմազույգեր՝ ջերմության համար, միացրեք դրանք և համոզվեք, որ դրանք չեն խեղդվում սառեցնող հեղուկով կամ մետաղական փոշով։ Դա պլանավորում է պահանջում։

Ինչու է կանխատեսողական սպասարկումը մեծ նշանակություն ունենում

Հին դպրոցի սպասարկումը նման է կռահելուն, թե երբ է ձեր մեքենան յուղի փոխարինման կարիք ունենում: Պլանավորված ստուգումները՝ գործիքների փոխարինումը յուրաքանչյուր 100 ժամը մեկ, գումարի վատնում են, եթե գործիքը լավ վիճակում է: Խափանում սպասելն ավելի վատ է. դուք փակուղու մեջ եք, մասերը փչացած են, և բոլորը սթրեսի մեջ են: Կանխատեսող սպասարկումը տվյալներ է օգտագործում՝ ասելու համար. «Փոխարինեք սա հիմա», հենց այն ժամանակ, երբ դրա կարիքը կա:

Բժշկական իմպլանտներ, ինչպիսիք են տիտանե ծնկի հոդերը, մշակող արհեստանոցում վատ գործիքը կարող է նշանակել 20,000 դոլարի սխալ: Մի տեղ գործիքների աղմուկը վաղ հայտնաբերելու համար օգտագործվել է Ինտերնետային իրերի տեխնոլոգիա՝ չպլանավորված կանգառները 15%-ով կրճատելով և տարեկան 100,000 դոլար խնայելով: Արագ գործելու համար նրանք օգտագործել են ակուստիկ սենսորներ և եզրերի վերլուծություն: Սա կախարդանք չէ. խոսքը ձեր մեքենաներին լսելու և գործելու մասին է, նախքան դրանք գոռան:

Հուշում. մի՛ խորացեք կուրորեն։ Սկզբում փորձեք սենսորները մեկ սարքի վրա, գուցե 1000 դոլար արժողությամբ սարքավորում՝ թրթռման մոնիտորներով և էժան եզրային տուփով, ինչպիսին է Raspberry Pi-ն։ Փորձարկեք այն մեկ ամիս։ Եթե դա խնայի մեկ խափանում, ապա արդեն առաջ եք։

Edge-Enabled IoT Framework-ների հիմնական բաղադրիչները

Սենսորներ՝ աչքեր և ականջներ

Ամեն ինչ սկսվում է սենսորներից։ CNC ֆրեզերային մեքենաների դեպքում դուք նկատի ունեք՝

- Թրթռման սենսորներ (աքսելերոմետրեր). հայտնաբերում են գործիքի մաշվածությունը կամ կրող նյութերի հետ կապված խնդիրները: Մոտ 100–500 դոլար մեկ սենսորի համար: - Ջերմաստիճանի սենսորներ (ջերմազույգեր). հսկում են առանցքի կամ սառեցնող հեղուկի ջերմությունը: - 50–200 դոլար: - Ուժի սենսորներ. հայտնաբերում են գործիքի աշխատանքի դժվարությունները: - 500–1000 դոլար: - Ակուստիկ սենսորներ. լսում են ճռռոց կամ ճռռոց, որոնք մյուսները չեն նկատում: - 200–800 դոլար:

Ավիատիեզերքում տուրբինային շեղբերով աղացը կարող է չորս աքսելերոմետր ամրացնել առանցքի վրա՝ վայրկյանում 1000 տվյալներ գրանցելով: Լուոյի և նրա թիմի հետազոտությունը ցույց է տվել, որ սա վաղ փուլում հայտնաբերել է գործիքների մաշվածության հետ կապված խնդիրների 95%-ը՝ տարեկան խնայելով 200,000 դոլար պարապուրդի ժամանակ: Խնդիրն այն է, որ սենսորները անխորտակելի չեն. սառեցնող հեղուկը և չիպերը կարող են փչացնել դրանք, եթե զգույշ չլինեք:

Ավտոմեքենաների բաշխիչ լիսեռների արհեստանոցը յուրաքանչյուր մեքենայի սենսորների վրա ծախսել է 5000 դոլար և վեց ամսվա ընթացքում հավասարվել է ծախսերին՝ խուսափելով երկու խոշոր խափանումներից: Խորհուրդ. ձեռք բերեք IP68 վարկանիշ ունեցող սենսորներ. դրանք կլանում են ջուրն ու փոշին: Ստուգեք դրանք ամեն ամիս՝ համոզվելու համար, որ դրանք չեն շեղվում կարգաբերումից:

Edge Devices: The Brains

Edge սարքերը ծանր աշխատանք կատարող մկաններն են, օրինակ՝ արդյունաբերական համակարգիչները կամ կոմպակտ սարքերը, ինչպիսին է NVIDIA Jetson-ը, որոնց արժեքը 500-5000 դոլար է։ Դրանք տեղում վերլուծում են սենսորների տվյալները՝ օգտագործելով ալգորիթմներ՝ խնդիրը նշելու համար։ Մեքենայական ուսուցման մոդելը կարող է համեմատել տատանումները «առողջ» բազային գծի հետ և գոռալ, երբ ինչ-որ բան տարօրինակ է թվում։

Բժշկական իմպլանտների արհեստանոցում ակուստիկ ազդանշանները վերլուծելու համար օգտագործվել է նեյրոնային ցանցով եզրային սարք, որը կանխատեսել է գործիքի անսարքությունը 90% ճշգրտությամբ, ըստ Վերմայի ուսումնասիրության: Յուրաքանչյուր սարքի տեղադրումը նրանց արժեցել է 10,000 դոլար, բայց նրանք կրճատել են ջարդոնի քանակը 30%-ով՝ տարեկան խնայելով 150,000 դոլար: Խնդի՞րը: Եզրային սարքերը գերհամակարգիչներ չեն: Դուք պետք է փոքրացնեք ձեր մոդելները, որպեսզի դրանք չխեղդվեն:

Հուշում. ժամանակ խնայելու համար ձեռք բերեք նախապես պատրաստված մոդելներ TensorFlow Lite-ի նման կայքերից: Յուրաքանչյուր մեքենայի համար նախատեսեք 2,000-10,000 դոլար սարքավորումների համար, կախված նրանից, թե որքան նորաձև եք թվում:

Կապակցվածություն. ամեն ինչ միասին պահելը

Ինտերնետային իրերի (IoT) համար անհրաժեշտ է ամուր խողովակաշար՝ Ethernet, Wi-Fi, գուցե 5G՝ տվյալները սենսորներից եզրային սարքեր տեղափոխելու համար, իսկ երբեմն՝ նաև ամպային կապ՝ երկարաժամկետ պահպանման համար: Եզրային հաշվարկները աշխատանքի մեծ մասը պահում են տեղում, բայց դուք կարող եք ուղղորդել միտումները դեպի վերև՝ վերլուծության համար: Անվտանգությունը հսկայական խնդիր է. կոտրված գործարանը կարող է հայտնաբերել վնասված մասեր կամ ընդհանրապես անջատվել:

Ավիատիեզերական գործարանում շեղբերի մշակման համար օգտագործվում էին եզրային սարքեր՝ ակնթարթային ահազանգերի համար, և ամպային համակարգ՝ պատմական տվյալների համար: Յուրաքանչյուր մեքենայի տեղադրման համար անհրաժեշտ էր 15,000 դոլար, բայց դա կրճատեց սպասարկման ծախսերը 25%-ով: Պատելի հետազոտությունը ցույց տվեց, որ նման եզրային համակարգերի տեղադրումը 40%-ով ավելի արագ էր, քան միայն ամպային համակարգերը: Խնդիրն այն է, որ թույլ ցանցերը կամ վատ կարգավորումները կարող են դանդաղեցնել ձեր աշխատանքը:

Հուշում. Անվտանգ տվյալների փոխանցման համար օգտագործեք MQTT կամ OPC UA. դրանք թեթև են և դիմացկուն: Յուրաքանչյուր մեքենայի համար ծախսեք 1000 դոլար firewall-ի վրա՝ հաքերներին դուրս պահելու համար:

Կանխատեսողական սպասարկման ներդրում. Քայլեր և ծախսեր

Քայլ 1. Պարզեք, թե ինչն է խանգարում

Նախ, ուշադիր նայեք ձեր աղացներին։ Ի՞նչն է ամենաշատը թերի։ Ավիատիեզերական արհեստանոցները գործիքների մաշվածության պատճառով 5000 դոլար են ծախսում յուրաքանչյուրի վրա։ Ավտոմոբիլային գործարանները պնդում են, որ իրենց գլխացավերի 60%-ի պատճառը իլիկի թրթռումներն են։ Խորացեք ձեր գրանցամատյաններում, որպեսզի իմանաք, թե ինչն ինչ է։

Արժեքը՝ 1000–5000 դոլար մասնագետի համար՝ վերլուծելու կամ այն տեղում կատարելու համար: Խորհուրդ՝ նախ կենտրոնացեք ձեր ամենաթանկ մեքենաների վրա՝ ամենամեծ շահույթը ձեր գումարի դիմաց:

Քայլ 2. Ընտրեք և տեղադրեք սենսորները

Համապատասխանեցրեք սենսորները ձեր խնդիրներին: Բժշկական իմպլանտների գործարանին կարող են անհրաժեշտ լինել ակուստիկ և ուժային սենսորներ գործիքների ճռռոցի համար, ընդհանուր առմամբ մոտ 2000 դոլար: Դրանց տեղադրումը տևում է մեկ կամ երկու օր՝ 500-1000 դոլար աշխատանքի դիմաց:

Լուոյի աշխատանքը ցույց տվեց, որ թրթռման սենսորները 20%-ով կրճատել են գործիքների խափանումները, ինչը յուրաքանչյուր մեքենայի համար արժենում է 3000 դոլար: Խորհուրդ. մարզեք ձեր անձնակազմին սենսորների տեղադրման հարցում. անփույթ տեղադրումը նշանակում է վատ տվյալներ:

Քայլ 3. Կարգավորեք Edge սարքերը

Գնեք ձեր կարիքներին համապատասխանող եզրային սարք: 1000 դոլար արժողությամբ Jetson Nano-ն նախատեսված է բաշխիչ լիսեռի պարզ մոնիթորինգի համար, իսկ ավիատիեզերական ոլորտին կարող է անհրաժեշտ լինել 5000 դոլար արժողությամբ համակարգիչ: Ծրագրային ապահովման տեղադրումը՝ մոդելների կոդավորումը և ուսուցումը, արժեն 5000-20000 դոլար:

Վերմայի ուսումնասիրությունը ցույց տվեց եզրային սարքերի անխափան աշխատանքի ժամանակի 15% աճ, որի մեկ սարքի համար գինը կազմում էր 10,000 դոլար: Խորհուրդ. Օգտագործեք բաց կոդով հարթակներ, ինչպիսին է EdgeX Foundry-ն, կոդավորման վրա խնայելու համար:

Քայլ 4. Միացրեք այն և փորձարկեք

Միացրեք սենսորները եզրային սարքերին և փորձեք։ Պլանավորեք մեկ կամ երկու շաբաթ՝ թերությունները, ինչպիսիք են կեղծ տագնապները, շտկելու համար։ Տուրբինի շեղբերի արհեստանոցը ծախսել է 3000 դոլար՝ փորձարկելով, բայց խնայել է 50,000 դոլար՝ իլիկի խնդիրը վաղ հայտնաբերելու համար։

Հուշում. փորձարկումների ժամանակ աշխատեցրեք ձեր հին սպասարկման պլանը, որպեսզի ինչ-որ բանի ձախողման դեպքում անգործության չմատնվեք։

Քայլ 5. Գործարկեք այն

Երբ մեկ մեքենան կայուն է, անցեք ավելի մեծի։ Ավտոմեքենաների արհեստանոցը 100,000 դոլար է ծախսել 10 մեքենայի վրա և 18 ամսվա ընթացքում վերադարձրել է իր արժեքը՝ 30%-ով պակաս ժամանակով։ Պատելի հետազոտությունը ցույց է տալիս, որ ստանդարտացման արձանագրությունները կրճատում են մասշտաբավորման ծախսերը 10%-ով։

Հուշում. գրի առեք յուրաքանչյուր քայլը։ Դա կհեշտացնի մեքենաների ավելացումը։ Ամբողջական առաջարկի համար յուրաքանչյուր մեքենայի համար բյուջեն կազմում է 10,000–20,000 դոլար։

Իրական աշխարհի օրինակներ և հաղթանակներ

Ավիատիեզերք. Տուրբինային շեղբեր

Տուրբինի շեղբերի ֆրեզավորումը մեծ ռիսկ է. մեկ վատ մասի՝ վերջերս եկածի պես, արժեքը 10,000-50,000 դոլար է: Մի արհեստանոց օգտագործում էր IoT սենսորներ և եզրերի վերլուծություն՝ գործիքների մաշվածությունը հայտնաբերելու համար, վաղ փուլում լուծելով խնդիրների 90%-ը: Տեղադրումը մեկ մեքենայի համար արժեր 20,000 դոլար, բայց նրանք տարեկան խնայեցին 300,000 դոլար: Լուոյի հիբրիդային մոտեցումը՝ եզրը արագության համար, ամպը՝ միտումների համար, աշխատեցրեց այն:

Շահույթ՝ 25%-ով պակաս ջարդոն։ Խոչընդոտ՝ նախնական ծախսեր և բարդ կազմակերպում։

Ավտոմոբիլային։ Բաշխիչ լիսեռներ

Բաշխիչ լիսեռի գործարանները աշխատում են տաք և ծանրաբեռնված, ժամում 5000 դոլար պարապուրդի ժամանակով: Դետրոյթի գործարանում օգտագործվել են տատանման սենսորներ և եզրային սարքեր, որոնք 20%-ով կրճատել են խափանումները: Մեկ մեքենայի արժեքը կազմում է 15000 դոլար, մարվում է մեկ տարվա ընթացքում: Վերմայի ուսումնասիրությունը ցույց է տվել, որ եզրային ազդանշանները 50%-ով ավելի արագ են:

Հաղթանակ՝ 15%-ով ավելի շատ արտադրողականություն։ Խոչընդոտ՝ սենսորները արագ մաշվում են։

Բժշկական։ Իմպլանտներ

Տիտանե ազդրի իմպլանտները չեն կարող թերություններ ունենալ: Մի արհեստանոցում օգտագործվել են ակուստիկ սենսորներ և եզրային արհեստական բանականություն՝ թափելով ջարդոնը 30%-ով: Յուրաքանչյուր մեքենայի արժեքը կազմել է 12,000 դոլար, տարեկան խնայվել է 200,000 դոլար: Պատելի իրերի ինտերնետի համակարգը պահպանել է իր կայունությունը:

Հաղթանակ՝ ավելի լավ որակ։ Խոչընդոտ՝ մարդկանց նոր տեխնոլոգիաների վերաբերյալ վերապատրաստում։

Մարտահրավերներ, որոնց պետք է ուշադրություն դարձնել

Չափազանց շատ տվյալներ, չափազանց շատ ահազանգեր

Edge սարքերը չեն կարող կլանել անվերջ տվյալներ, իսկ վատ մոդելները չափազանց հաճախ են գոռում գայլի պես։ Աէրոտիեզերական արհեստանոցը 10,000 դոլար է այրել կեղծ տագնապների վրա՝ նախքան իրենց համակարգը նորոգելը։ Լուոյի թիմը առաջ է մղել ավելի պարզ ալգորիթմներ՝ ամեն ինչ կարգին պահելու համար։

Հուշում. կենտրոնացեք հիմնական ազդանշանների վրա, ինչպիսիք են տատանումների կտրուկ աճը, այլ ոչ թե յուրաքանչյուր թեթևակի տատանման վրա։

Դա էժան չէ

Յուրաքանչյուր մեքենայի համար 10,000-20,000 դոլար ծախսելը վախեցնում է փոքր արհեստանոցներին: Սենսորների և եզրային հանգույցների համաժամեցումը մեկ շաբաթով անջատեց բաշխիչ լիսեռի գործարանը: Վերման առաջարկեց մոդուլային համակարգեր՝ խնդիրը մեղմելու համար:

Խորհուրդ. վարձակալեք սարքավորումներ՝ ծախսերը բաշխելու համար և առաջին փորձի համար ձեռք բերեք IoT մասնագետ։

Հաքերները սիրում են միացված մեքենաները

Ինտերնետային իրերի (IoT) տեխնոլոգիաները բացում են խնդիրների դռներ։ Բժշկական խանութում գրանցվել է փրկագին պահանջող ծրագրի սպառնալիք, որի շտկման համար պահանջվել է 5000 դոլար։ Պատելի խորհուրդը՝ կարևոր տվյալները հեռու պահեք ամպից։

Հուշում. Ամեն ինչ կոդավորեք և օգտագործեք 1000 դոլար արժողությամբ firewall յուրաքանչյուր մեքենայի համար։

Ի՞նչ է հաջորդը։

Այս տեխնոլոգիան նոր է մեկնարկում: Ավելի արագ 5G-ն կարող է եզրային համակարգերն ավելի արագ դարձնել՝ կառավարելով ավելի մեծ մոդելներ: Ֆեդերալ ուսուցումը՝ խելացի տեխնոլոգիաների փոխանակումը գործարանների միջև՝ առանց տվյալների բացահայտման, խոստումնալից է: Ապագայում պատկերացրեք CNC ֆրեզերային մեքենաներ՝ լրացված իրականությամբ, որոնք կուղղորդեն վերանորոգումները կամ կապահովեն բլոկչեյնով գրանցամատյանները:

Պատկերացրեք մի աէրոտիեզերական արհեստական ինտելեկտ, որտեղ եզրային արհեստական ինտելեկտը ոչ միայն հայտնաբերում է գործիքների մաշվածությունը, այլև կարգավորում է իլիկի արագությունը՝ 10% արդյունավետություն բարձրացնելու համար: Կամ մի բաշխիչ լիսեռի գործարան, որն օգտագործում է թվային երկվորյակներ՝ վիրտուալ մեքենաների կլոններ՝ առանց պտուտակին դիպչելու շտկումները ստուգելու համար: Դա շատ հեռու չէ՝ պատկերացրեք հինգից տասը տարի:

Եզրակացություն

Եզրային հաշվարկները և Ինտերնետային իրերի ինտերնետը փոխում են խաղի կանոններըCNC ֆրեզերային, որը թույլ է տալիս վաղ հայտնաբերել խնդիրները և պահպանել գիծը շարժման մեջ։ Տուրբինի թևերի վրա 300,000 դոլար խնայելուց մինչև իմպլանտների վրա 150,000 դոլար խնայելը, թվերը չեն ստում՝ ավելի քիչ պարապուրդի ժամանակ, ավելի քիչ սխալներ, ավելի երջանիկ ղեկավարներ։ Ամեն ինչ կատարյալ չէ. ծախսերը կծանր լինեն, կարգավորումները բարդ են, և դուք պետք է խստացնեք անվտանգությունը։ Բայց սկսեք փոքրից, ուշադիր փորձարկեք և խելացիորեն մասշտաբավորվեք, և կտեսնեք արդյունքը։

Ավիատիեզերական, ավտոմոբիլային և բժշկական արհեստանոցներից պատմությունները ցույց են տալիս, թե ինչ է հնարավոր՝ իրական խնայողություններ, իրական արդյունքներ: Լուոյի, Վերմայի և Պատելի նման մարդկանց հետազոտությունները հաստատում են դա՝ նշելով, թե ինչն է աշխատում և ինչից խուսափել: Առաջ նայելով՝ ավելի արագ ցանցերը և թվային երկվորյակների նման ավելի հմուտ տեխնոլոգիաները գործարանները կդարձնեն ոչ միայն հուսալի, այլև հանճարեղ: Ինժեներների համար որոշումը հստակ է՝ միացեք Edge-ին և IoT-ին, հակառակ դեպքում դուք կհավաքեք չիպեր, մինչ մյուսները մրցում են առաջ:

Հարց ու պատասխան

Հարց. Ինչպե՞ս համոզեմ իմ ղեկավարին մեծ գումարներ ծախսել իրերի ինտերնետի և եզրային տեխնոլոգիաների վրա:

Ցույց տվեք նրանց գումարը։ 15,000 դոլար արժողությամբ տեղադրումը կարող է տարեկան խնայել 50,000-200,000 դոլար՝ խուսափելով անսարքություններից և փչացած մասերից, ինչպես դա արեցին ավտոմոբիլային արհեստանոցները։ Սկզբում փորձեք այն մեկ մեքենայի վրա. իրական տվյալները միշտ գերազանցում են վաճառքի առաջարկին։

Հարց. Ո՞րն է սա փչացնելու ամենահեշտ ձևը։

Սենսորների տեղադրում առանց դրանք կարգավորելու։ Վատ կարգաբերումը նշանակում է անպետք տվյալներ՝ կեղծ ահազանգեր կամ բաց թողնված խնդիրներ։ Մի արհեստանոց 5000 դոլար է վատնել՝ հետապնդելով ուրվականներին։ Մեկ օր հատկացրեք մաշված գործիքով փորձարկմանը՝ ձեր բազային արժեքը ճիշտ ստանալու համար։

Հարց. Կարո՞ղ է փոքր խանութը սա առաջարկել։

Ամբողջովին։ Սկսեք 2000 դոլար արժողությամբ հավաքածուից՝ տատանման սենսորներից և էժան եզրային տուփից։ Փոքր բժշկական խանութները տարեկան խնայում էին 20,000 դոլար մեկ սարքի համար։ Սարքավորումների վարձակալությունը օգնում է ձեր դրամապանակը գոհ պահել։

Հարց. Ինչպե՞ս կանխեմ հաքերների կողմից իմ գործարանների հետ խառնվելը։

Գաղտնագրեք տվյալները և օգտագործեք MQTT կամ OPC UA արձանագրությունները: Բժշկական խանութը խուսափեց խնդիրներից՝ օգտագործելով 1000 դոլար արժողությամբ firewall և պահպանեց վերլուծությունները տեղական մակարդակում: Հաճախակի թարմացրեք ծրագիրը և ամպ ուղարկեք միայն ձանձրալի միտումների տվյալները:

Հարց. Ի՞նչ պետք է սովորեն իմ տեխնիկները դրա համար։