Het hoe en waarom van edge computing

Data capteren in de machine en in de productie. Het is de essentie van Industrie 4.0 om machines feilloos met elkaar te laten communiceren en meer inzicht te genereren waaruit optimalisaties gedestilleerd worden. Veel van die data verdwijnt naar de cloud waar voldoende rekenkracht beschikbaar is. Maar wat met gegevens die eigenlijk net zo goed of zelfs beter lokaal verwerkt kunnen worden, bijvoorbeeld omwille van hun tijdkritische karakter. Zij worden naar de rand van het netwerkgestuurd waar een slimme controller of PLC er zijn ding mee kan doen. Edge computing dus.

Door de grotere nood aan flexibiliteit in een productieproces, worden vandaag machines ontworpen die rekening kunnen houden met variaties in het proces en in de productieomgeving. Zij moeten dan in een fractie van een seconde de impact van alle gecapteerde gegevens afwegen om de juiste beslissing te maken. Hoewel de cloud over voldoende rekenkracht beschikt om deze afwegingen te maken, kost de weg heen en terug tijd. Geen minuten, maar bepaalde processen vereisen nu eenmaal een ultrakorte responstijd. Het bekendste voorbeeld daarvan is misschien wel de zelfrijdende wagen. Hoe sneller hij kan reageren op zijn omgeving, hoe veiliger zijn rijgedrag zal zijn. Maar ook in een industriële omgeving liggen er toepassingen, zeker wanneer artificiële intelligentie het speelveld betreedt.

Voor ultrakorte responstijden

Het alternatief is dan om te zorgen voor voldoende rekenkracht ter plaatse. De sturing van de machine en productielijn heeft het meestal al druk genoeg met zijn taken om alles naadloos draaiende te houden. Daarom zoekt men een plaatje in de periferie, aan de rand van het netwerk: edge computing. Het gaat dan vaak over IoT-apparaten die ingezet worden om bepaalde data te verwerken. Edge computing is van nut voor alle toepassingen waar het interessant kan zijn om de afstand tussen de locatie waar de data ontstaan en waar de informatie die eruit gedestilleerd kan worden weer ingezet moet worden, zo klein mogelijk te houden. Bijvoorbeeld om robots in een fabriek perfect synchroon op elkaar af te stemmen zodat er nooit wachttijden ontstaan. Het belangrijkste voordeel van het installeren van een aparte controller of PLC aan de rand van het netwerk om bepaalde processen te sturen is in de eerste plaats de tijdswinst. Hoe korter de weg is, hoe sneller er kan gereageerd worden. Daarnaast blijft ook de (dure) bandbreedte binnen de rest van het bedrijf dan buiten schot.

Edge en cloud: perfect complementair

Alles uit de cloud en naar de edge dan? Helemaal niet. Beide technologieën zijn net bijzonder complementair. De resultaten die uit de berekeningen van edge apparaten volgen kunnen op hun beurt weer naar de cloud om daar bijvoorbeeld analyses of trendings te maken of opgeslagen te worden. Op een voorwaarde: de edge IoT-apparaten moeten dan wel compatibel zijn met clouddiensten en besturingssystemen. De meeste industriële toepassingen die er vandaag al zijn bewijzen echter dat de cloud en edge perfect op elkaar aansluiten. Dat er op industriële banken ook bijzonder veel hoera geroep is voor de komst van 5G heeft hier alles mee te maken. Met een dergelijk netwerk kan men immers op 1 m² 1 miljoen apparaten gaan verbinden. Ook de snelheid waarmee data, zelfs grote hoeveelheden, uitgewisseld kunnen worden zal een flinke duw in de rug krijgen door de lage responstijd (latency). Realtime zal dan echt realtime worden. En dat alles voor maar een fractie energie.

En wat is fog computing dan?

Een andere term die vaak in dezelfde adem met edge computing vermeld wordt, is fog computing. Het verschil zit hem louter in de locatie waar de gegevens verwerkt worden. Edge computing zoekt een plaatsje aan de rand van het netwerk, terwijl bij fog computing de berekeningen gebeuren in het lokale netwerk en de data dan via een gateway verzonden worden. Het gaat dan om een gedecentraliseerde computerinfrastructuur, waarbij er een dedicated apparaat tussen edge devices en de cloud komt. Data, rekenwerk, opslag en toepassingen worden in het netwerk gedistribueerd op de meest logische en efficiënte plaats tussen de databron en de cloud.