1 godzina temu
W maju 2026 roku produkcja przemysłowa w strefie euro była o 1,2 proc. niższa niż rok wcześniej. Przy słabym popycie i presji na marże inwestycje technologiczne są rozliczane z ograniczenia przestojów, braków jakościowych i kosztów operacyjnych, a nie z liczby wdrożonych platform. W tym rachunku edge computing ma konkretną funkcję: pozwala analizować dane tam, gdzie powstają, bez uzależniania procesu produkcyjnego od łącza internetowego i odległego centrum danych.
Nie chodzi o przeniesienie całej chmury do hali. Edge jest warstwą obliczeniową pomiędzy maszyną a centralnym środowiskiem IT. Sterowniki, kamery, czujniki i systemy kontroli jakości przekazują dane do lokalnego komputera przemysłowego lub serwera. Tam następuje reakcja, filtracja i wstępna analiza. Do chmury trafiają wyniki, agregaty oraz dane potrzebne do trenowania modeli i porównywania zakładów.
Taki podział eliminuje trzy problemy: opóźnienia, koszt transmisji i niekontrolowane rozpowszechnianie informacji o procesie produkcyjnym.
Milisekundy mają wartość operacyjną
Dane wykorzystywane do zatrzymania maszyny, korekty parametrów robota albo odrzucenia wadliwego elementu nie powinny czekać na odpowiedź z chmury. Opóźnienie sieci nie jest stałe, a zerwane połączenie nie może pozbawić zakładu zdolności reagowania.
Dotyczy to także utrzymania ruchu. W norymberskiej tłoczni Siemensa dziewięć pras podłączono do lokalnej platformy analitycznej Schuler i Siemens. System rejestruje niewielki wzrost siły nacisku, który towarzyszy zużyciu narzędzia. Zmiana jest zbyt subtelna, aby pojedynczy czujnik wystarczył do jej wiarygodnej interpretacji. Dopiero analiza sekwencji pomiarów pozwala wykryć anomalię i zaplanować serwis przed awarią.
Edge zmienia więc znaczenie danych maszynowych. Z materiału do późniejszego raportu stają się one sygnałem wpływającym na bieżącą produkcję.
Nie każdy gigabajt zasługuje na podróż do chmury
Najbardziej oczywistym przykładem jest przemysłowa analiza obrazu. Kamery mogą rejestrować produkt z wielu stron przez całą dobę, chociaż większość klatek nie przedstawia żadnego odstępstwa. Przesyłanie całego strumienia oznacza płacenie za transfer, przechowywanie i przetwarzanie materiału, którego wartość informacyjna jest minimalna.
Emirates Global Aluminium analizuje w zakładach około 2,9 petabajta obrazu rocznie, między innymi na potrzeby monitorowania suwnic i inspekcji anod węglowych. Po uruchomieniu hybrydowej platformy lokalnej czas odpowiedzi modeli AI skrócił się od dziesięciu do trzynastu razy, a deklarowany koszt zastosowań opartych na obrazie i wideo spadł o 86 proc. Model wykorzystywany do kontroli anod wytrenowano na 100 tys. zdjęć.
Są to dane opublikowane przez dostawcę technologii, dlatego nie stanowią uniwersalnego benchmarku. Dobrze pokazują jednak ekonomię dużych strumieni danych: lokalnie należy pozostawić surowy obraz, a centralnie przesyłać wykryte defekty, metadane i wybrane próbki.
Podobną logikę zastosowało 3M. W jednej z fabryk dane z maszyn i dane o produkcie powstawały w różnych systemach, a przepustowość sieci była ograniczona. Lokalna baza i model predykcyjny pozwoliły kontynuować analizę również bez dostępu do chmury. Transfer zbioru danych, który wcześniej wymagał ręcznych operacji i trwał tygodniami, skrócono do minut. Integrację rozwiązania z istniejącym środowiskiem wykonał jeden inżynier w około sześć godzin.
Receptura produktu jest cenniejsza niż telemetria
Poza fabrykę nie powinny bez wyraźnej potrzeby wychodzić szczegółowe receptury, parametry obróbki, ustawienia maszyn, obrazy z kontroli jakości ani dane ujawniające wydajność poszczególnych linii. W wielu branżach to nie dokumentacja patentowa, ale właśnie konfiguracja procesu stanowi najcenniejszą część know-how.
Ma to również wymiar regulacyjny. Unijny Data Act, stosowany od 12 września 2025 roku, reguluje dostęp do danych generowanych przez połączone urządzenia, w tym maszyny przemysłowe. Przedsiębiorstwo musi wiedzieć, jakie informacje powstają, gdzie są przechowywane i kto może z nich korzystać. Lokalna architektura ułatwia tę kontrolę, choć jej nie zastępuje.
Edge nie jest też synonimem bezpieczeństwa. Każdy lokalny serwer i komputer przemysłowy wymaga ewidencji, aktualizacji, segmentacji sieci oraz kontroli dostępu. ENISA uznaje ransomware za najbardziej dotkliwe cyberzagrożenie w Unii, a phishing i wykorzystywanie podatności za główne drogi wejścia do systemów. Rozproszona infrastruktura bez centralnego zarządzania może zwiększyć powierzchnię ataku zamiast ją ograniczyć.
Dojrzała architektura przemysłowa pozostawia sterowanie, analizę obrazu i wrażliwe dane procesowe w zakładzie. Chmurę wykorzystuje do trenowania modeli, zarządzania oprogramowaniem oraz analizy wyników z wielu lokalizacji. Nie jest to kompromis między edge a chmurą, ale techniczny podział odpowiedzialności: fabryka zachowuje zdolność działania, a organizacja nie rezygnuje ze skali.
