Edge computing a umělá inteligence (AI — artificial intelligence) jsou hnací silou nevyhnutelné transformace výroby. Odvětví usilovně pracuje na odstranění bariér mezi informačními a provozními technologiemi (IT a OT), tedy skutečnými stroji v tovární hale, protože díky tomu budou moci podniky zvýšit efektivitu a inovace ve svých výrobních halách a přežít na silně konkurenčním globálním trhu. Jednou z ekonomicky zajímavých cest je využití tzv. open source, tedy softwaru s otevřeným zdrojovým kódem. Otevřenost v pojetí open source znamená technickou dostupnost kódu a definuje legální dostupnost licencí softwaru (SW). Jeho licence tedy specifikuje, jaká práva k otevřenému kódu uživatel získá a jak s ním může nakládat, což mu oproti standardnímu, proprietárnímu SW dává např. možnost zdrojový kód upravovat podle svých potřeb a případně i dále distribuovat [např. GNU, tedy „svobodný“ operační systém inspirovaný operačními systémy unixového typu; původním cílem bylo vyvinout operační systém s otevřenou licencí, který však neobsahuje žádný kód původního UNIXu; jméno je tedy rekurzivní zkratka pro GNU's Not Unix — pozn. red]. Podle agentury McKinsey má trh technologií pro inteligentní továrny potenciál dosáhnout do roku 2025 hodnoty až 3,7 bilionu USD. K jeho využití ale výrobci potřebují nahradit tradiční softwarové a hardwarové systémy se specializovanými funkcemi platformou, která pokrývá širokou škálu úloh, využívá automatizační technologie, poskytuje pokročilé zabezpečení a lze ji jednotně spravovat. Příkladem je průmyslová edge platforma vyvíjená společnostmi Red Hat a Intel, která mimo jiné pomáhá nasadit a provozovat funkce, jako je řízení výrobní haly v reálném čase, od cloudu až po okraj sítě a od velkých škálovatelných systémů po standardizovaná řešení, vždy stejným způsobem. To zjednodušuje vývoj, testování a nakonec i nasazení a správu. Jedině tak lze zlepšit celkovou efektivitu zařízení (OEE — overall equipment efficiency). Udržitelnost je na vrcholu zájmu a průmyslové podniky investují do automatizace i řídicích a optimalizačních systémů, aby tuto transformaci podpořily. Taková řešení ale musí být flexibilní, otevřená a interoperabilní. Díky integraci s platformou edge computingu mohou systémy řízení procesů pracovat přesněji a efektivněji, což poskytuje urychlení zpětné vazby inovací v kontinuálních výrobních procesech. Klíčový je zde moderní, inovativní přístup k návrhu a provozu distribuovaných řídicích systémů (DCS — distributed control systems), jak jej realizuje např. Schneider Electric ve spolupráci se společnostmi Intel a Red Hat. Vždy ale musí být možné tyto systémy modernizovat, aniž je ohrožena základní funkčnost, aby bylo možné optimalizovat fyzická zařízení, procesy a systémy napříč celým řešením. Rychlý vzestup AI, zejména ve výrobě, má obrovský potenciál v oblastech, jako je bezpečnost práce, udržitelný design, prediktivní údržba a optimalizace dodavatelského řetězce. Open source technologie urychluje tempo inovací, protože se zaměřuje na ekosystémový přístup založený na spolupráci při vytváření a testování řešení a implementaci inovací. Tím také vzniká interoperabilita potřebná pro nasazení AI a digitálních dvojčat. V současné době podniky často nemají přístup k údajům ve svých systémech, protože jsou vázány na vertikálně integrovaná řešení od dodavatelů OT. Mohou implementovat „naroubované“ systémy počítačového vidění, ale nebudou moci plně využívat AI. Rozšiřující se dodavatelské řetězce, chytrá zařízení, senzory a další technologie vytvořily v moderní výrobě záplavu dat. To přináší komplikace, ale také potenciál pro efektivní a udržitelné, na datech založené procesy. Výrobní systémy (MES — manufacturing execution systems) výrazně zlepšují přehled o jednotlivých výrobních procesech. Když organizace nasadí svůj MES na Red Hat OpenShift — jako to udělala např. společnost Critical Manufacturing — bude těžit z optimalizovaných pracovních postupů a konzistentního prostředí, ať už systém běží lokálně, nebo v cloudu. Open source technologie hrají zásadní roli také při zvyšování bezpečnosti systému a ochraně citlivých dat. Privátní 5G a edge computing jsou technologie, které spolu neoddělitelně souvisejí. Mnoho výrobců bude tyto sítě potřebovat pro zvládnutí obrovského nárůstu stroji generovaných dat, což umožní rychlejší rozhodování, bezpečnější a spolehlivější připojení, analýzu i nasazení AI. Prostřednictvím této bezdrátové sítě lze např. připojit videokamery, roboty a dopravníky, přičemž každé zařízení slouží jako aplikace edge computingu s vestavěným modelem AI/ML (machine learning — strojové učení), který pomáhá s odvozováním a rychlým rozhodováním. Pokud jde o rychlé přizpůsobení se potřebám podniku, musí být v popředí bezpečnost a standardizace platformy, aby byla zajištěna skutečná škálovatelnost. Ve studii S&P Global Report 47 % pracovníků s rozhodovací pravomocí uvedlo, že bezpečnost dat, sítí a fyzických i digitálních zařízení je pro ně při zavádění edge computingu jednou z největších výzev. Čím více zařízení organizace má, tím větší je útočná plocha pro kyberzločince. Proto je nezbytná větší standardizace prostřednictvím společné platformy, která poskytuje konzistentní a spolehlivé bezpečnostní funkce, jež výrobcům umožňují ve velkém měřítku řídit ochranu jejich majetku a systémů. Ve výsledku to snižuje provozní složitost a zároveň přispívá k vyšší interoperabilitě. /HK/
