Anzeige
Anzeige
Anzeige
Beitrag drucken

Cloud vs. Edge

Predictive Quality: Was, wenn es schnell gehen muss

Bei Predictive-Quality-Anwendungen kann es sich auszahlen, nicht auf die Cloud, sondern auf Edge Computing zu setzen – vor allem dann, wenn es schnell gehen muss, erläutert Data-Science-Spezialist LeanBI.

Bild: ©JustSuper/stock.adobe.com

Bild: ©JustSuper/stock.adobe.com

Predictive-Quality-Anwendungen ermöglichen es, Industrieunternehmen die Qualität ihrer Produkte und Prozesse zu optimieren und somit auch Qualitätsprobleme zu erkennen, die sich kurzfristig anbahnen. Durch schnelles Eingreifen – beispielsweise das Verändern von Prozessparametern oder Maschineneinstellungen – lassen sich große Schäden oft verhindern. Bei besonders zeitkritischen Anwendungsfällen kann es laut LeanBI allerdings von Nachteil sein, Berechnungen – etwa von Machine-Learning-Verfahren – auf einer Cloud-Plattform auszuführen. Dafür gibt es vor allem zwei Gründe, so LeanBI:

  • Unternehmen müssen die Sensormessdaten und Prozessparameter für die Berechnungen erst an die Cloud-Plattform senden, sie schickt die Ergebnisse der Berechnungen dann anschließend wieder zurück. Dadurch entstehen Zeitverzögerungen, die im Extremfall zu groß sein können.
  • Der Datenaustausch mit der Cloud-Plattform erfordert eine stabile Internetverbindung. Diese können Unternehmen nur schwer selbst gewährleisten, beispielsweise wenn sich Fertigungshallen etwa an entlegenen Orten befinden. Unternehmen sind so dem Risiko eines Verbindungsausfalls ausgesetzt.

Diese Probleme können Unternehmen vermeiden, wenn sie die analytischen Berechnungen an der Edge ausführen – also direkt bei den Maschinen und Anlagen selbst. Zwar steht an der Edge nicht dieselbe Rechenleistung zur Verfügung wie in der Cloud, laut LeanBI gibt es aber mehrere Möglichkeiten, die Machine-Learning-Modelle so zu optimieren, dass sie weniger Performance benötigen und dadurch auf Edge-Systemen eingesetzt werden können:

  • Durch sogenanntes Pruning lässt sich die Komplexität der Eingangsparameter senken.
  • Mit Frameworks wie Learn2Compress von Google können die Layer von Deep-Learning-Modellen in ihrer Breite und Tiefe reduziert werden.
  • Üblicherweise sind Machine-Learning-Modelle in der Programmiersprache Python geschrieben. Mit Compilern lassen sie sich in Sprachen wie C# übersetzen, die weniger Prozessorleistung benötigen.

Die Edge hat gegenüber der Cloud aber auch Nachteile, etwa in Sachen Effizienz. So benötigt die Cloud durch ihren Lastenausgleich in Summe oft weniger Rechenkapazität als die Edge – und ist dann kostengünstiger.


Das könnte Sie auch interessieren:

Die Strecke zur Industrie 4.0 bewältigen Anlagenbetreiber nicht im Sprint, sondern im Marathon. Reifegradmodelle helfen ihnen, die vielversprechenden Meilensteine anzusteuern. Wobei bereits die Visualisierung zahlreiche Ansätze zur Modernisierung bietet – in der Balance zwischen Funktionalität und Sicherheit.‣ weiterlesen

So gut die Förderanlagen von Kühne im Betrieb auch funktionierten - bei den internen Fertigungsabläufen war Luft nach oben. Eine weitreichende Digitalisierungskampagne sollte das ändern. Heute fertigt die Firma vom Auftragseingang bis zur Auslieferung in einem durchgängigen Prozess - was künftig Optimierungen auf einem ganz neuen Niveau erlaubt.‣ weiterlesen

Meba Sawing Solutions setzt bereits seit den 1980er Jahren auf ein ERP-System. Doch die Software zur Verwaltung der Maschinen und Montage-Arbeitsplätze war in die Jahre gekommen und vieles wurde händisch in Excel-Listen ausgewertet. 2020 entschloss sich das Unternehmen daher, auf die MES-Lösung von Proxia zu setzen.‣ weiterlesen

Mit Beatrix Martinez hat Dassault Systèmes eine neue Vice President Investor Relations. Sie tritt die Nachfolge von François-José Bordonado an, der im nächsten Jahr in den Ruhestand geht.‣ weiterlesen

Beim Anlagenbauer Mühlböck bildete der Produktkonfigurator das Herzstück der Auftragsbearbeitung. Mit der Einführung eines neuen ERP-Systems sollte dieser abgelöst werden. Eine Aufgabe, die sich als sehr komplex herausstellte. Nach langer Suche und einem gescheiterten Versuch stellte sich schließlich Asseco Solutions dieser Herausforderung.‣ weiterlesen

Die Zunahme von Remote Work und der damit gestiegene Bedarf nach sicheren, hybriden Arbeitsumgebungen stellt IT-Verantwortliche vor Herausforderungen: Denn die Cyberangriffe auf Unternehmen steigen seit der Pandemie an.‣ weiterlesen

Die Cyberkriminalität nimmt zu und Cybersecurity-Fachleute sind schwer zu finden, folglich wächst die Zahl der Arbeitsplätze im Bereich Cybersecurity jährlich um mehr als 30% (laut (ISC)2, 2021), und gut vorbereitete Studierende werden die ersten sein, die für die Top-Jobs der Branche infrage kommen. Daher werden akademische Programme, die sie darauf vorbereiten, sehr gefragt sein.‣ weiterlesen

Nozomi Networks Labs hat seinen neuesten OT/IoT Security Report veröffentlicht. Wie der Bericht zeigt, hatten Wiper-Malware, die Aktivitäten von IoT-Botnetzen und der Ukraine-Krieg im ersten Halbjahr 2022 entscheidenden Einfluss auf die Bedrohungslandschaft. Seit dem russischen Einmarsch in die Ukraine im Februar 2022 konnten die Forscher von Nozomi Networks Labs Aktivitäten verschiedenartiger Bedrohungsakteure beobachten. Dazu zählten Hacktivisten, von staatlichen Stellen vorangetriebene APTs und Cyberkriminelle.‣ weiterlesen

Der Fokus von cyberkriminellen Handlungen liegt auf Unternehmen und öffentlichen Einrichtungen, maßgeblich um den Betrieb lahm zu legen oder um Erpressungsgelder zu erbeuten. Dass die Gefahrenlage angespannt ist, belegen Fakten: Laut BSI wurden 2021 rund 144Mio. neue Schadprogramme identifiziert.‣ weiterlesen

Der IT-Dienstleister Syntax hat mit Catherine Solazzo eine neue Marketing-Chefin. Sie soll u.a. die Nachfrage-Generierung des Unternehmens vorantreiben.‣ weiterlesen