戴尔科技边缘计算解决方案,助力制造业企业实现智能转型
工业4.0以来
一出出“变形金刚”大戏
在全球范围内上演
工厂车间发力智能制造
信息技术渗透到各个生产环节

笨重机械的科技老古董
摇身一变
成了智慧、自动化的边缘化身

传统制造业搭上智能数字化快车 ,摇着降本增效的计算解决大旗革新底层架构 ,焕发出新时代的助力制造勃勃生机 。
我们知道罗马非一日建成,业企业实制造业“老树发新芽”的现智型背后是车间机床上的无数次探索 ,今天让我们一起走进欧洲一流理工大学实验室 ,科技看看智能制造是边缘如何从走出理论、走向实践的源码下载计算解决 。
生产线上的助力制造流式数据处理难题德国亚琛工业大学(RWTH)成立于1870年,是业企业实德国顶级理工大学 ,现为欧洲四所顶尖理工大学战略联盟(IDEA 联盟)成员之一 ,现智型迄今已连续三届在德国精英大学中荣膺首位,科技被誉为“欧洲的边缘麻省理工” 。
具有100多年历史的计算解决亚琛工业大学机床与生产工程实验室(Laboratory for Machine Tools (WZL) of RWTH Aachen University ,以下简称WZL)是世界上最大的机械研究所,多年来在世界各地的生产工程领域进行前瞻性研究并获得成功。建站模板除了基础理论,WZL研究还涉及工业环境中的应用,并为促进生产合理化制定实用的解决方案 。

在WZL,科学家 、数学家和软件开发人员一起工作 ,研究从边缘产生的实时数据中获取洞察的方法 。作为WZL制造流程的一部分,精密冲裁创新中心会产生大量数据,振动传感器、声学传感器及其他制造条件下的高防服务器专用传感器每秒生成超过100万个数据点 ,这些数据首先必须在第一线记录下来并快速处理。
面对海量流数据,WZL以往的做法是使用Hadoop 、Apache、Kafka、Spark等经典大数据平台对流数据进行捕捉、处理和历史分析,然而由于大量传感器分布在不同机器 、不同位置 ,且并非所有的传感器都时时刻刻运转 ,实验室经常要动用人力来处理负载平衡问题。

此外,云计算WZL在管理Hadoop堆栈方面也遇到了麻烦,虽然是大型实验室 ,但WZL所拥有的资源相当有限,在生产数据小批量、本地化处理的方式下,其研究人员不得不花费大量时间进行内部系统开发 。
在数据管理流程上投入太多精力迫使WZL寻找一个可实施的极低延迟的流模型,WZL希望寻找这样一个平台 ,可以利用高频率数据,帮助制造商在生产过程中收集数据 、分析变化,香港云服务器监测产量和工艺质量并实时做出调整 。
实时采集海量数据在工业边缘实现洞察长期以来,戴尔科技与WZL一直保持着良好的合作关系 ,戴尔团队从WZL需求和实际情况出发 ,为其提供戴尔流数据平台SDP(Streaming Data Platform)解决方案 ,搭建边缘计算集群以实时摄取 、存储和分析连续的流数据 。
对此WZL首席数据官兼数字转型主任的Daniel Trauth博士这样评价:
“
戴尔流数据平台以流的形式处理所有东西,使我们可以轻松地使用一个处理模型来创建新的分析管道。

”
戴尔科技为WZL搭建的本地系统包括一个经过优化的免费模板SDP软件平台 ,可连接从智能物联网到云集成的所有组件和服务 ,并利用人工智能对实时数据和历史数据进行分析。
硬件上PowerEdge R640服务器为这个集群提供支持 ,它拥有240个处理器内核、1.563 TB内存、3.84TB SSD内存、360TB HDD内存和6块GPU。

PowerEdge R640搭载英特尔®至强®系列可扩展处理器,在核心 、缓存、内存以及I/O方面进行了大量优化,使得其在整体性能上有了极大的提升,可满足多种工作负载需求。
为了对不同类型的数据提供近乎无限的"DVR式"存储和回放,WZL选择PowerScale存储来处理流数据平台的长期存储需求,为历史数据采集、分析和机器学习模型开发提供空间。

获得收益:
流数据平台与精冲机连接之后