HPESetiap detik, bangunan, robot, jaringan energi, dan kendaraan yang sudah terhubung di Industrial Internet of Things (IIoT) – yaitu Internet of Things untuk manufaktur dan industri lainnya – menghasilkan data dalam jumlah yang sangat besar. Namun sebagian besar data ini terbuang sia-sia. Laut McKinsey & Co. Misalnya, sebuah anjungan minyak dengan 30.000 sensor hanya memeriksa 1% dari data yang dihasilkan.
Masalahnya adalah sebagian besar data ini tidak terlalu berguna dalam kehidupan sehari-hari. “Jika sensor memberi tahu Anda beberapa kali dalam satu detik, “Semuanya baik-baik saja, semuanya baik-baik saja”, apa gunanya informasi ini, kata Thorsten Milsmann, Direktur IoT di Hewlett Packard Enterprise?
Akan lebih eksplosif jika terjadi kesalahan – maka perusahaan harus segera bereaksi terhadap data. Jika pada sistem yang digunakan, mis. kerusakan turbin angin, kata mr. Milsmann, “maka Anda benar-benar ingin segera mengetahuinya. Hal ini membuat komputasi edge menjadi sangat relevan.”
Paling muda Konferensi Penemuan HPE di Madrid Tema utamanya adalah bagaimana organisasi mulai menggunakan teknologi IIoT seperti edge computing dan digital twins untuk mendapatkan wawasan lebih dalam dari data dengan lebih cepat. Kami bertemu dengan Pak. Milsmann berbicara tentang kedua teknologi ini dan bagaimana keduanya memungkinkan perusahaan bereaksi terhadap masalah secara real time sehingga memungkinkan mereka mendesain ulang proses produksi secara mendasar.
Beginilah cara kerja teknologi ini:
Pemrosesan data di tepi jaringan
Sebagian besar sensor dan perangkat pengukuran IIoT dapat menghasilkan data mentah, namun tidak dapat memprosesnya. Data yang dihasilkan di tepi jaringan, yaitu di lokasi operasi – mis. B. pabrik, rumah sakit, kampus, ladang minyak – biasanya ditransfer ke cloud atau ke pusat data jarak jauh untuk dianalisis.
Dengan komputasi tepi, data diproses secara langsung pada sumber pembuatan data, bukan mengirimkannya ke cloud. “Misalnya, seorang pengebor minyak perlu memproses data di dekat sumur untuk mengetahui apakah pengeboran tersebut berfungsi dengan baik,” kata Milsmann. Anda tidak dapat mengirim data tersebut ke cloud karena memerlukan waktu terlalu lama hingga informasinya kembali.”
Dengan komputasi tepi, perangkat gateway jaringan dapat mengumpulkan informasi dari perangkat terdekat yang terhubung (misalnya, semua robot di pabrik) dan memproses serta menganalisisnya, sehingga memberikan kecepatan dan efisiensi yang lebih tinggi. Inovasi ini memungkinkan perusahaan dari segala ukuran mengumpulkan, menganalisis, dan bertindak berdasarkan data secara real time.
Oleh karena itu, pemrosesan dapat dilakukan dengan cara yang terdesentralisasi, yang juga menghasilkan biaya yang lebih rendah untuk mengelola data di cloud dan mengurangi risiko kegagalan sistem secara keseluruhan.
Semakin banyak perusahaan yang mengadopsi model edge computing, terutama di sektor-sektor seperti industri, energi, dan transportasi. Menurut perkiraan NOC Pada tahun 2019, 45% data IoT akan disimpan dan diproses di edge jaringan.
Simulasi realitas dengan digital twin
Kembaran digital – salinan digital sumber daya fisik – adalah teknologi IIoT lainnya yang secara signifikan membantu perusahaan memprediksi kinerja.
Ini adalah salah satu tren IIoT terbesar dan paling inovatif dalam beberapa tahun terakhir, meskipun konsepnya sendiri bukanlah hal baru: Michael Grieves memperkenalkan istilah tersebut di Universitas Michigan pada tahun 2003, dan selama beberapa dekade NASA telah menciptakan model virtual untuk memantau misi luar angkasanya.
Namun saat ini, digital twins yang sangat kompleks digunakan untuk membuat prediksi tentang perilaku di dunia nyata. Kembaran digital bekerja dengan cara yang sama seperti objek fisik, dan terus-menerus belajar dari data yang dihasilkan objek tersebut. Jadi, dengan memeriksa kembaran digital, seseorang dapat mengidentifikasi kerentanan, mensimulasikan skenario dunia nyata, dan menganalisis kinerja dalam lingkungan yang terkendali.
Misalnya, tim pemeliharaan kota mungkin menggunakan digital twins untuk memeriksa sistem kereta bawah tanah atau pipa. Pabrikan dapat menguji penyesuaian dalam pengoperasian tanpa menghentikan produksi. Data dari digital twins juga dapat membantu para insinyur mengidentifikasi cacat dan melakukan perbaikan pada desain mesin, mobil balap, atau armada truk.
Awal era industri digital baru
Saat ini, sektor manufaktur khususnya sedang berinvestasi pada IIoT dan industri Diharapkan untuk menginvestasikan $189 miliar dalam solusi IoT pada tahun 2018 Jumlah kasus penggunaan IIoT – mulai dari analisis prediktif hingga inovasi produk – akan terus tumbuh di berbagai sektor, dengan potensi penerapan yang luas di bidang energi, transportasi, pertanian, layanan kesehatan, dan ritel.
Namun bahkan perusahaan yang sudah memiliki sistem IIoT tidak selalu memahami apa yang harus dilakukan dengan volume data mereka dan bagaimana mengubah data menjadi tindakan otomatis.
Hal ini akan berubah dalam beberapa tahun ke depan karena para pemimpin bisnis terus melihat manfaat analisis real-time dan mengadopsi model yang mendasarinya. Diperkirakan pada tahun 2020 5,6 miliar perangkat dimiliki oleh perusahaan dan pemerintah Komputasi tepi akan digunakan untuk mengumpulkan data – dibandingkan dengan 570 juta perangkat pada tahun 2015. Dan Gartner memperkirakanbahwa setengah dari seluruh perusahaan industri besar akan menggunakan digital twins pada tahun 2021, yang berarti peningkatan efisiensi sebesar 10%.
IIoT membuka kemungkinan besar bagi perusahaan dengan memproses data secara langsung di tempat pengumpulannya dan menciptakan model komunikasi antara dunia fisik dan virtual. Dapat diasumsikan bahwa lebih banyak industri dan organisasi akan memilih model ini di tahun-tahun mendatang sebagai bagian dari transisi ke era industri digital baru.
“Ini adalah revolusi industri berikutnya yang sesungguhnya,” kata Mr. Nona. “Ini adalah jalan yang membawa kita menuju produksi industri digital. Sekarang secara teknis hal itu layak dilakukan.”
Pelajari lebih lanjut tentang Internet of Things Industri.
Artikel ini disponsori oleh HPE.
Pelajari lebih lanjut tentang konten bersponsor.