Dari AI World:Mengapa Memanfaatkan Data Edge Membutuhkan Banyak Energi
Obrolan api unggun di AI World membahas masalah yang dihadapi dalam mengekstrak data dari edge.
Seseorang dapat dimaafkan jika menganggap produsen siap untuk membuka berbagai sistem produksi mereka dan mulai memanfaatkan data yang telah terperangkap di dalamnya. Kenyataannya bisa jauh lebih rumit.
Masalah yang dihadapi dalam mengekstraksi data dari edge dieksplorasi dalam obrolan api unggun dengan Joseph Etris, manajer proyek teknik di Continental Automotive Systems, bergabung dengan John Auld, direktur penjualan regional di Zededa, Inc. Saya memiliki kesempatan untuk memoderasi sesi, sebagian dari konferensi AI World baru-baru ini di Boston.
Lihat juga: Manufaktur Memimpin Paket IoT
Unit Etris di Continental memproduksi catalytic converter untuk sektor otomotif — tugas yang intensif energi. Pada tahun 2018, Etris dan timnya mulai merekam, menganalisis, dan mengurangi penggunaan listrik dan emisi terkait di seluruh jajaran pengontrol logika terprogram (PLC) Siemens, yang pertama kali dipasang pada 1990-an. Tantangannya, Etris menjelaskan, adalah mengekstrak data SCADA dari PLC untuk diintegrasikan dengan data yang berasal dari sensor listrik yang lebih baru.
Sementara banyak vendor mengklaim bahwa sistem industri yang lebih tua dapat dengan mudah menyerahkan data mereka di dunia IoT yang sempurna, ini jauh dari kasus, kata Etris. Sistem produksi lawas sering kali tidak dirancang untuk terbuka, dan sering kali tidak mendukung jaringan.
Auld, yang mewakili Siemens pada saat itu, bekerja dengan tim Continental untuk mengekstrak data PLC dan menyediakan kalibrasi waktu nyata. Selain itu, data diunggah setiap 10 menit ke repositori cloud di Amazon Web Services.
Tantangan yang dihadapi Continental merupakan gejala dari masalah yang dihadapi di seluruh lanskap manufaktur, Auld menjelaskan. “Ada banyak data gelap yang ada di silo di banyak perusahaan.” Ini tidak hanya menghadirkan tantangan teknis, tetapi juga tantangan organisasi, karena banyak tim harus bergabung dengan AI daripada upaya IoT.
Mengelola penyimpanan data di era AI dan IoT adalah area lain yang dibahas oleh panelis. Banyak organisasi akan berjuang dengan meningkatnya volume aliran data ke dalam sistem mereka dari berbagai susunan pengontrol dan sensor, dan sering kali berakhir dengan menyimpannya ke dalam data lake.
Produsen perlu membangun lapisan antarmuka umum yang dapat mengekstrak dan membaca data dari semua generasi sistem produksi, kata Auld. Selain itu, konsistensi perlu dipastikan, karena data dari berbagai sistem mungkin memiliki arti dan ambang batas yang berbeda. Tantangan bagi banyak produsen adalah mereka mungkin memiliki banyak pabrik terpisah, masing-masing dengan inisiatif dan standarnya sendiri.
