ਤੁਹਾਡਾ ਫੈਕਟਰੀ ਕਲਾਉਡ ਬਿੱਲ ਜਿੰਨਾ ਤੁਸੀਂ ਸੋਚਦੇ ਹੋ ਉਸ ਤੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਹੈ

ਕਲਾਉਡ ਸਟੋਰੇਜ ਸਸਤੀ ਲੱਗ ਸਕਦੀ ਹੈ। ਫੈਕਟਰੀ ਡੇਟਾ ਨੂੰ ਕਲਾਉਡ ਵਿੱਚ ਭੇਜਣਾ ਵੀ ਸਸਤਾ ਲੱਗ ਸਕਦਾ ਹੈ। ਪਰ ਅਸਲ ਕਲਾਉਡ ਬਿੱਲ ਅਕਸਰ ਉਦੋਂ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਉਹ ਡੇਟਾ ਹਿਲਣਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ। ਇਸ ਐਪੀਸੋਡ ਵਿੱਚ ਅਸੀਂ ਆਧੁਨਿਕ Industrial IoT, ਮੈਨੂਫੈਕਚਰਿੰਗ ਕਲਾਉਡ, ਐਜ ਕੰਪਿਊਟਿੰਗ ਅਤੇ ਫੈਕਟਰੀ ਡੇਟਾ ਆਰਕੀਟੈਕਚਰ ਦੇ ਪਿੱਛੇ ਲੁਕੀਆਂ ਲਾਗਤਾਂ ਦੀ ਪੜਤਾਲ ਕਰਦੇ ਹਾਂ — ਡੇਟਾ ਈਗ੍ਰੈਸ, ਕ੍ਰਾਸ-ਰੀਜਨ ਰਿਪਲੀਕੇਸ਼ਨ, NAT ਗੇਟਵੇ, ਬੈਕਅੱਪ, ਡੈਸ਼ਬੋਰਡ ਅਤੇ ਉੱਚ-ਫ੍ਰੀਕੁਐਂਸੀ ਸੈਂਸਰ ਡੇਟਾ ਤੱਕ। ਫੈਕਟਰੀ ਤੋਂ ਆਉਣ ਵਾਲੀ ਇੱਕ ਸਿੰਗਲ MQTT ਸਟ੍ਰੀਮ ਜਲਦੀ ਹੀ ਕਈ ਡਾਊਨਸਟ੍ਰੀਮ ਡੇਟਾ ਫਲੋਅ ਬਣ ਸਕਦੀ ਹੈ, ਜਦੋਂ ਟੈਲੀਮੈਟਰੀ ਨੂੰ ਸਟੋਰੇਜ, ਐਨਾਲਿਟਿਕਸ ਪਲੇਟਫਾਰਮ, ਡੈਸ਼ਬੋਰਡ, ਡੇਟਾ ਸਾਇੰਸ ਵਾਤਾਵਰਣ, ਡਿਜ਼ਾਸਟਰ ਰਿਕਵਰੀ ਸਿਸਟਮ ਅਤੇ ਬਾਹਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਕਾਪੀ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਮਸ਼ੀਨ ਨੇ ਡੇਟਾ ਇੱਕ ਵਾਰ ਤਿਆਰ ਕੀਤਾ — ਪਰ ਤੁਹਾਡਾ ਆਰਕੀਟੈਕਚਰ ਉਸਨੂੰ ਕਈ ਵਾਰ ਹਿਲਾ ਸਕਦਾ ਹੈ।

ਫੈਕਟਰੀ ਕਲਾਉਡ ਲਾਗਤਾਂ ਇੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਕਿਉਂ ਵਧਦੀਆਂ ਹਨ

ਮੈਨੂਫੈਕਚਰਿੰਗ IoT ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡੀ ਗਲਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਇਹ ਹੈ ਕਿ ਡੇਟਾ ਦੀ ਮਾਤਰਾ ਮਸ਼ੀਨਾਂ ਜਾਂ ਜੁੜੇ ਡਿਵਾਈਸਾਂ ਦੀ ਗਿਣਤੀ ਦੇ ਆਧਾਰ 'ਤੇ ਅਨੁਮਾਨਿਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਬਿਹਤਰ ਹਿਸਾਬ ਇਹ ਹੈ: ਨਮੂਨੇ × ਬਾਈਟ × ਸਮਾਂ × ਐਸੇਟ। ਇੱਕ ਸਧਾਰਨ ਮਸ਼ੀਨ-ਸਟੇਟ ਸਿਗਨਲ ਬਹੁਤ ਘੱਟ ਡੇਟਾ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਪਰ 32 kHz 'ਤੇ ਸੈਂਪਲ ਕਰਨ ਵਾਲਾ ਵਾਈਬ੍ਰੇਸ਼ਨ ਸੈਂਸਰ ਬਿਲਕੁਲ ਵੱਖਰਾ ਹੈ: ਇੱਕ 16-ਬਿੱਟ ਚੈਨਲ ਵਾਧੂ ਪ੍ਰੋਟੋਕੋਲ ਅਤੇ ਮੈਟਾਡੇਟਾ ਓਵਰਹੈੱਡ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਰੋਜ਼ਾਨਾ ਲਗਭਗ 5.5 GB ਕੱਚਾ ਡੇਟਾ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਐਪੀਸੋਡ ਦੱਸਦਾ ਹੈ ਕਿ ਐਜ-ਫਰਸਟ ਆਰਕੀਟੈਕਚਰ ਇਸ ਸਮੀਕਰਨ ਨੂੰ ਕਿਵੇਂ ਬਦਲ ਸਕਦਾ ਹੈ। ਹਰ ਕੱਚੇ ਮਾਪ ਨੂੰ ਲਗਾਤਾਰ ਅੱਪਲੋਡ ਕਰਨ ਦੀ ਬਜਾਏ, ਨਿਰਮਾਤਾ ਡੇਟਾ ਨੂੰ ਮਸ਼ੀਨ ਦੇ ਨੇੜੇ ਪ੍ਰੋਸੈਸ ਕਰ ਸਕਦੇ ਹਨ, ਵਿਸਤ੍ਰਿਤ ਸਬੂਤ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਰੱਖ ਸਕਦੇ ਹਨ, ਅਰਥਪੂਰਨ ਤਬਦੀਲੀਆਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦੇ ਹਨ, ਐਗਰੀਗੇਟ ਬਣਾ ਸਕਦੇ ਹਨ, ਅਤੇ ਕਲਾਉਡ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸਿਰਫ਼ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਭੇਜ ਸਕਦੇ ਹਨ।

ਤੁਸੀਂ ਕੀ ਸਿੱਖੋਗੇ

• ਕਲਾਉਡ ਈਗ੍ਰੈਸ ਲਾਗਤਾਂ ਸਟੋਰੇਜ ਲਾਗਤਾਂ ਤੋਂ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਬਣ ਸਕਦੀਆਂ ਹਨ
• MQTT ਅਤੇ IoT ਟੈਲੀਮੈਟਰੀ ਕਈ ਡਾਊਨਸਟ੍ਰੀਮ ਡੇਟਾ ਫਲੋਅ ਕਿਵੇਂ ਬਣਾ ਸਕਦੇ ਹਨ
• ਫੈਕਟਰੀ ਡੇਟਾ ਦੀ ਮਾਤਰਾ ਅਨੁਮਾਨਿਤ ਕਰਨ ਲਈ ਡਿਵਾਈਸ ਗਿਣਤੀ ਇੱਕ ਮਾੜਾ ਤਰੀਕਾ ਕਿਉਂ ਹੈ
• ਵਾਈਬ੍ਰੇਸ਼ਨ ਮਾਨੀਟਰਿੰਗ ਗੀਗਾਬਾਈਟ ਜਾਂ ਟੈਰਾਬਾਈਟ ਡੇਟਾ ਕਿਵੇਂ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ
• ਕ੍ਰਾਸ-ਰੀਜਨ ਅਤੇ ਕ੍ਰਾਸ-ਜ਼ੋਨ ਟ੍ਰੈਫਿਕ ਕਿਉਂ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ
• NAT ਗੇਟਵੇ ਅਤੇ ਨੈੱਟਵਰਕ ਰੂਟਿੰਗ ਕਲਾਉਡ ਲਾਗਤਾਂ ਕਿਵੇਂ ਵਧਾ ਸਕਦੇ ਹਨ
• ਰਿਪਲੀਕੇਸ਼ਨ, ਬੈਕਅੱਪ, ਐਕਸਪੋਰਟ ਅਤੇ ਡੈਸ਼ਬੋਰਡ ਵਾਧੂ ਡੇਟਾ ਮੂਵਮੈਂਟ ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਹਨ
• ਡੁਪਲੀਕੇਟ ਫੈਕਟਰੀ ਡੇਟਾ ਪਾਈਪਲਾਈਨਾਂ ਦੀ ਪਛਾਣ ਕਿਵੇਂ ਕਰੀਏ
• ਕੱਚਾ ਮੈਨੂਫੈਕਚਰਿੰਗ ਡੇਟਾ ਕਦੋਂ ਐਜ 'ਤੇ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ
• ਇਵੈਂਟ ਫਿਲਟਰਿੰਗ ਅਤੇ ਐਗਰੀਗੇਸ਼ਨ ਬੇਲੋੜਾ ਕਲਾਉਡ ਟ੍ਰੈਫਿਕ ਕਿਵੇਂ ਘਟਾਉਂਦੇ ਹਨ
• ਐਜ ਕੰਪਿਊਟਿੰਗ ਨੂੰ ਛੋਟੇ ਕਲਾਉਡ ਦੀ ਬਜਾਏ ਪ੍ਰੋਸੈਸਿੰਗ ਲੇਅਰ ਕਿਉਂ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
• ਕੱਚੀ ਡੇਟਾ ਮਾਤਰਾ ਦੀ ਬਜਾਏ ਕਾਰੋਬਾਰੀ ਫੈਸਲਿਆਂ 'ਤੇ ਅਧਾਰਤ ਐਜ-ਟੂ-ਕਲਾਉਡ ਮੈਨੂਫੈਕਚਰਿੰਗ ਆਰਕੀਟੈਕਚਰ ਕਿਵੇਂ ਡਿਜ਼ਾਈਨ ਕਰੀਏ

ਐਜ ਕੰਪਿਊਟਿੰਗ ਬਨਾਮ ਸਭ ਕੁਝ ਕਲਾਉਡ ਨੂੰ ਭੇਜਣਾ

ਮੁੱਖ ਆਰਕੀਟੈਕਚਰਲ ਸਵਾਲ ਇਹ ਨਹੀਂ ਕਿ “ਕੀ ਅਸੀਂ ਇਹ ਫੈਕਟਰੀ ਡੇਟਾ ਕਲਾਉਡ ਨੂੰ ਭੇਜ ਸਕਦੇ ਹਾਂ?” ਸਗੋਂ ਇਹ ਹੈ: “ਕਿਹੜਾ ਡੇਟਾ ਅਸਲ ਵਿੱਚ ਸਫ਼ਰ ਦੇ ਲਾਇਕ ਹੈ?” ਉੱਚ-ਦਰ ਵਾਲੇ ਕੱਚੇ ਸਿਗਨਲ ਜਿਵੇਂ ਵਾਈਬ੍ਰੇਸ਼ਨ ਵੇਵਫਾਰਮ, ਡਾਇਗਨੋਸਟਿਕ ਟ੍ਰੇਸ ਅਤੇ ਵਿਜ਼ਨ ਡੇਟਾ ਅਕਸਰ ਫੈਕਟਰੀ ਦੇ ਨੇੜੇ ਹੀ ਰਹਿ ਸਕਦੇ ਹਨ। ਫਿਲਟਰ ਕੀਤੇ ਇਵੈਂਟ ਅਤੇ ਐਗਰੀਗੇਟ ਚੋਣਵੇਂ ਤਰੀਕੇ ਨਾਲ ਅੱਗੇ ਜਾ ਸਕਦੇ ਹਨ, ਜਦਕਿ ਉਤਪਾਦਨ ਰਿਕਾਰਡ, ਗੁਣਵੱਤਾ ਨਤੀਜੇ, KPI ਅਤੇ ਕ੍ਰਾਸ-ਪਲਾਂਟ ਐਨਾਲਿਟਿਕਸ ਕੇਂਦਰੀ ਕਲਾਉਡ ਪਲੇਟਫਾਰਮਾਂ ਲਈ ਮਜ਼ਬੂਤ ਉਮੀਦਵਾਰ ਹਨ। ਨਤੀਜਾ ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਦੇ ਖ਼ਿਲਾਫ਼ ਦਲੀਲ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਵਧੇਰੇ ਸੋਚ-ਸਮਝ ਕੇ ਬਣਾਇਆ IT/OT ਆਰਕੀਟੈਕਚਰ ਹੈ ਜਿਸ ਵਿੱਚ ਐਜ ਅਤੇ ਕਲਾਉਡ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਹਨ।

ਕਵਰ ਕੀਤੇ ਵਿਸ਼ੇ

Industrial IoT, IIoT, Edge Computing, Cloud Computing, Manufacturing Data, Factory Data, MQTT, OPC UA, Data Egress, Cloud Costs, FinOps, Azure IoT, AWS IoT, Factory Automation, Predictive Maintenance, Vibration Monitoring, Data Architecture, IT/OT Integration, Smart Manufacturing, Industry 4.0, Data Replication, Cloud Networking, Manufacturing Analytics

ਇਹ ਐਪੀਸੋਡ ਕਿਸ ਲਈ ਹੈ?

ਇਹ ਐਪੀਸੋਡ ਮੈਨੂਫੈਕਚਰਿੰਗ IT ਲੀਡਰਾਂ, OT ਇੰਜੀਨੀਅਰਾਂ, ਕਲਾਉਡ ਆਰਕੀਟੈਕਟਾਂ, IoT ਆਰਕੀਟੈਕਟਾਂ, ਡੇਟਾ ਇੰਜੀਨੀਅਰਾਂ, ਪਲਾਂਟ ਮੈਨੇਜਰਾਂ, ਸਲਿਊਸ਼ਨ ਆਰਕੀਟੈਕਟਾਂ ਅਤੇ ਇੰਡਸਟ੍ਰੀਅਲ ਡਿਜੀਟਲਾਈਜ਼ੇਸ਼ਨ ਟੀਮਾਂ ਲਈ ਹੈ ਜੋ ਜੁੜੇ ਫੈਕਟਰੀ ਵਾਤਾਵਰਣ ਡਿਜ਼ਾਈਨ ਜਾਂ ਚਲਾਉਂਦੇ ਹਨ। ਜੇ ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ “Factory → Cloud” ਲਿਖਿਆ ਇੱਕ ਸੁਥਰਾ ਤੀਰ ਹੈ, ਤਾਂ ਇਹ ਐਪੀਸੋਡ ਦੱਸਦਾ ਹੈ ਕਿ ਉਸ ਤੀਰ ਨੂੰ ਬਹੁਤ ਨੇੜਿਓਂ ਕਿਉਂ ਦੇਖਣ ਦੀ ਲੋੜ ਹੈ।

Become a supporter of this podcast: https://www.spreaker.com/podcast/m365-fm-a-microsoft-mvp-podcast-by-mirko-peters--6704921/support.