Planning of Edge Computing for Factories
Information technology (IT) infrastructure is essential to a factory and significantly impacts production efficiency. The structure of such an IT infrastructure (cloud, fog or edge computing based) is crucial for the total investment, the resulting environmental impact, and the contribution to the value creation in the factory. This work presents a concept for planning edge computing in a factory environment. Decision-makers, who do not need expert knowledge of IT systems, are guided through a six-phase planning process that supports them in determining a suitable IT infrastructure and its architecture for a given factory. The resulting IT infrastructure includes the determined selection, placement, and connection information of IT resources and software applications. Computing paradigms significantly impact the IT infrastructure, mandating the specification of an appropriate edge computing model presented in three parts. The first part is the edge-cloud continuum combining the understanding of the Internet of Things (IoT), edge, fog, and cloud computing. The continuum specifies the placement of IT resources based on network boundaries. The second part is the edge level that combines the edge-cloud continuum with physical placement within a factory's horizontal and vertical dimensions. In the third part, the five edge criteria - connectivity, latency, ownership, autonomy, and volume - are proposed, enabling an automatic determination of the edge level and a recommendation for the use of edge, fog, and cloud computing at different levels of consideration. The six-phase planning framework, as the core of this work, allows the operationalization of the edge computing model. In the first three phases, the user models the value-added data flow within a factory, capturing factory goals, available data sources, and data processing applications at different stages of development. In the fourth phase, a scoring model is used to calculate a vertical placement recommendation for each application based on edge criteria allowing the automatic determination of an edge level representing the vertical placement options. In the fifth phase, all collected IT resource requirements and edge-level specifications are matched with the available IT resource database. An optimization algorithm calculates the best application and resource configurations based on cost, environmental impact, and topology configuration. In the sixth and final phase, the user evaluates the resulting topologies using domain-specific, customized visualization methods to make an informed decision about the resulting IT infrastructure. A software prototype was developed that facilitates the subsequent application of the developed planning framework in three case studies: a learning factory environment, an automotive factory, and an electronic component manufacturing factory. The three case studies differ in their area of origin, planning scope, information accessibility, and production volumes, reflecting the heterogeneity of the current factory landscape.
Die Informationstechnologie (IT)-Infrastruktur ist ein wesentlicher Bestandteil einer Fabrik und hat einen erheblichen Einfluss auf die Produktionseffizienz. Die Architektur der IT-Infrastruktur (Cloud-, Fog- oder Edge-Computing-basiert) ist entscheidend für die Gesamtinvestition, die daraus resultierende Umweltbelastung und den Beitrag zur Wertschöpfung in der Fabrik. Diese Arbeit stellt ein Konzept für die Planung von Edge Computing in einer Fabrikumgebung vor. Anwender werden durch einen sechsstufigen Planungsprozess geführt, der sie bei der Bestimmung einer geeigneten IT-Infrastruktur und ihrer Architektur unterstützt. Der Planungsprozess setzt dabei kein Expertenwissen über IT-Systeme voraus. Die aus dem Planungsprozess resultierende IT-Infrastruktur umfasst die optimale Auswahl, Platzierung und Verbindungsinformationen von IT-Ressourcen und Softwareanwendungen. Dabei ist der Fokus der Optimierung auf Kosten, Umweltauswirkungen und der Topologiekonfiguration. Integraler Bestandteil dieser Arbeit ist die Spezifikation eines dreiteiligen Edge-Computing-Modells. Als erstes bringt das "Edge-Cloud-Kontinuum" das Verständnis des Internet of Things (IoT) sowie Edge-, Fog- und Cloud-Computing zu einem durchgängigen Modell zusammen. Als zweites kombiniert das "Edge Level", bestehend aus fünf hierarchischen Ebenen, die physischen Platzierung innerhalb der horizontalen und vertikalen Dimensionen einer Fabrik mit der logischen Zuordnung des Edge-Cloud-Konitnuums. Als drittes ermöglichen die fünf "Edge-Kriterien" - Konnektivität, Latenz, Datenhoheit, Autonomie und Datenvolumen - eine automatische Bestimmung des Edge Levels und damit eine Empfehlung für den Einsatz von Edge-, Fog- und Cloud-Computing auf verschiedenen Betrachtungsebenen. Das sechsphasigen Planungskonzept operationalisiert alle Teile des Edge-Computing-Modells. In den ersten drei Phasen modelliert der Anwender den wertschöpfenden Datenfluss innerhalb einer Fabrik. Dabei werden die Fabrikziele, die verfügbaren Datenquellen und die datenverarbeitenden Anwendungen in verschiedenen Entwicklungsstadien erfasst. In der vierten Phase wird ein Scoring-Modell ausdefiniert und angewendet, um automatische Platzierungsempfehlungen für jede Anwendung im Edge-Cloud-Kontinuum zu berechnen. In der fünften Phase werden alle gesammelten IT-Ressourcenanforderungen mit der Datenbank der verfügbaren IT-Ressourcen abgeglichen und ein Optimierungsalgorithmus berechnet die besten Anwendungs- und Ressourcenkonfigurationen auf der Grundlage von Kosten, Umweltauswirkungen und Topologiekonfiguration. In der sechsten und letzten Phase bewertet der Anwender die resultierenden Topologien mit Hilfe domänenspezifischer Visualisierungsmethoden, um eine fundierte Entscheidung für die resultierende IT-Infrastruktur zu treffen. Zur Erleichterung der Anwendung in einem industriellen Kontext wird das Planungskonzept in einen Softwareprototyp integriert und daraufhin in einer Lernfabrikumgebung, einer Automobilfabrik und einer Fabrik zur Herstellung elektronischer Komponenten erfolgreich angewendet.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
