Fabrikanten kunnen Rapidminer-modellen centraal bouwen en valideren en ze vervolgens implementeren in edge-omgevingen, waaronder infrastructuur op locatie en Siemens Industrial Edge, zodat de conclusies in de buurt komen van machines waar de latentie laag is, en operationele beslissingen in realtime worden genomen. Deze aanpak is vooral waardevol voor toepassingen zoals voorspellend onderhoud, detectie van afwijkingen, kwaliteitsvoorspelling en procescontrole, waarbij seconden belangrijk zijn en netwerkonderbrekingen kunnen optreden. Door modellen aan de rand uit te voeren, kunnen fabrieken blijven werken, zelfs als er een intermitterende cloudverbinding is, de bandbreedtevereisten verminderen door lokaal te scoren en gevoelige productiegegevens binnen de OT-/IT-grenzen houden.
Tegelijkertijd kunnen Rapidminer AI Hub en Rapidminer Graph Studio op locatie of in een private cloud worden geïmplementeerd om de vereisten op het gebied van bedrijfsbeheer, beveiliging en schaalbaarheid te ondersteunen. In deze implementatiemodellen kunnen organisaties het beleid inzake gegevensbewaring handhaven, integreren met interne identiteits- en toegangscontroles en de industriële en regionale regelgeving strenger naleven. Rapidminer AI Hub biedt gecentraliseerd levenscyclusbeheer voor modellen, waaronder versiebeheer, implementatie-orkestratie, monitoring en omscholing op meerdere locaties. Rapidminer Graph Studio voegt contextuele informatie toe door machines, materialen, procesparameters, kwaliteitsgebeurtenissen en onderhoudsgegevens te koppelen aan een kennisgrafiek, wat de verklaarbaarheid verbetert en de analyse van de hoofdoorzaken versnelt.
Samen maakt deze architectuur een hybride bedrijfsmodel mogelijk: trainen en besturen op de bedrijfslaag, aan de rand afleiden waar operaties plaatsvinden en modellen voortdurend verbeteren op basis van feedback uit fabrieksgegevens. Het resultaat is een snellere time-to-value, een sterkere cyberbeveiliging en betrouwbaardere AI-resultaten voor slimme productie-initiatieven.