
Odporność na krawędź
Lokalne modelowanie i wstępne przetwarzanie zapewniają działanie operacji nawet przy przerywanej łączności w chmurze i zmniejszają zapotrzebowanie na przepustowość.
Architektura niezależna od dostawcy, która przechwytuje dane z hali sklepowej za pośrednictwem Industrial Edge, modeluje je i przetwarza je wstępnie za pomocą AWS IoT SiteWise Edge oraz bezpiecznie przekazuje zharmonizowane dane szeregów czasowych i modeli aktywów do AWS dla cyfrowych procesów bliźniaczych, analiz i uczenia maszynowego
To rozwiązanie łączy Industrial Edge z AWS IoT SiteWise Edge i zestawem usług w chmurze AWS, aby zapewnić skalowalną, bezpieczną i niezależną od dostawcy ścieżkę od urządzeń terenowych do podejmowania decyzji w przedsiębiorstwie. Lokalne komponenty krawędzi zbierają, normalizują i wstępnie przetwarzają dane OT; SiteWise Edge buduje modele zasobów i widoki lokalnych operacji; chmura obsługuje cyfrowe bliźniaki, wizualizację, analizę i ML, aby zapewnić ciągłe doskonalenie i możliwości predykcyjne.
Ta architektura opiera się na wzorcu, który łączy Siemens Industrial Edge i AWS IoT SiteWise Edge w celu gromadzenia, harmonizacji i wstępnego przetwarzania danych sklepowych przed wysłaniem spójnego strumienia gotowego do analizy do AWS w celu przetwarzania na skalę korporacyjną. Na hali produkcyjnej Industrial Edge mieści złącza niezależne od dostawców i lokalne HMI, umożliwiając dostęp do sygnałów urządzeń o niskim opóźnieniu i natychmiastowych widoków operacyjnych przy jednoczesnym zachowaniu istniejących inwestycji w automatyzację.
Na krawędzi AWS IoT SiteWise Edge wykonuje pobieranie szeregów czasowych i modelowanie zasobów blisko źródła. SiteWise Edge buduje te same hierarchie zasobów i wskaźniki KPI, które zobaczysz w chmurze, wykonuje lokalne obliczenia i agregacje oraz buforuje dane podczas przerw w łączności, dzięki czemu kluczowe wskaźniki pozostają dostępne i tylko zharmonizowane, skompresowane dane są przekazywane do chmury.
Industrial Edge Management i Industrial Edge Hub zapewniają orkiestrację aplikacji, zarządzanie cyklem życia i obserwowalność wszystkich komponentów brzegowych: złączy, SiteWise Edge, serwerów wnioskowania AI i lokalnych aplikacji operatorów (np. WinCC Unified, LiveTwin). Warstwa ta upraszcza wdrażanie, aktualizacje modeli i monitorowanie modeli wnioskowania, zapewniając spójność aplikacji brzegowych na różnych urządzeniach i łatwą w utrzymaniu.
W chmurze AWS IoT SiteWise (wraz z IoT TwinMaker, SiteWise Monitor, Managed Grafana, S3, Athena, QuickSight i SageMaker) obsługuje korporacyjne digital twin bliźniaczki, historyczne przechowywanie, wizualizację i analitykę/rurociągi ML. Zharmonizowane dane dotyczące zasobów i szeregów czasowych z krawędzi umożliwiają wielostronne wskaźniki KPI, porównywania floty i szkolenia w zakresie skalowalnych modeli, podczas gdy narzędzia w chmurze obsługują pulpity nawigacyjne, zapytania ad hoc i długoterminową retencję.
Security i operacje są egzekwowane od końca do końca: lokalne certyfikaty i bezpieczne kanały chronią transport od krawędzi do chmury, a AWS IAM/KMS oraz scentralizowane rejestrowanie i monitorowanie regulują dostęp i obserwowalność w chmurze. Ponieważ kluczowe modelowanie i buforowanie odbywa się lokalnie, rozwiązanie pozostaje odporne na awarie w Internecie — operatorzy utrzymują lokalną widoczność i alarmy, podczas gdy chmura odbiera spójne, wolne od luk dane po przywróceniu łączności.

Lokalne modelowanie i wstępne przetwarzanie zapewniają działanie operacji nawet przy przerywanej łączności w chmurze i zmniejszają zapotrzebowanie na przepustowość.

AWS IoT SiteWise Edge ustanawia te same modele zasobów lokalnie i w AWS, poprawiając spójność wskaźników KPI i analiz.

Wstępnie przetworzone, oznaczone dane szeregów czasowych w S3 + SiteWise umożliwiają szybką analizę i skalowalne przepływy pracy ML (SageMaker), przyspieszając konserwację predykcyjną i ulepszenia OEE.

End-to-end szyfrowanie, sterowanie oparte na IAM i scentralizowane wdrożenie zmniejszają ryzyko bezpieczeństwa i koszty operacyjne.

Usługi w chmurze zapewniają niemal nieograniczoną liczbę komputerów/pamięci masowej do analiz, przechowywania danych historycznych, raportowania korporacyjnego i wdrażania wielu witryn.

* Zapewnia scentralizowaną orkiestrację, zarządzanie cyklem życia aplikacji i obserwowalność urządzenia (Industrial Edge Management/Hub/Marketplace).
* Uruchamia serwer wnioskowania AI i monitor modelu do lokalnych przewidywań i wykrywania anomalii

* Aplikacja Industrial Edge, która pobiera bezpośrednio z maszyn/kontrolerów i buduje lokalne modele zasobów.
* Wykonuje lokalne przetwarzanie wstępne, obliczenia KPI i agregację w celu zmniejszenia przepustowości w chmurze.

* Przemysłowa platforma danych hostowana w chmurze do modelowania zasobów, długoterminowego przechowywania i zarządzania flotą.
* Otrzymuje zharmonizowane dane z Industrial Edge do analiz i raportowania między witrynami.