Definition und Konzept:
Fog Computing (Nebel-Computing) ist eine Erweiterung des Cloud Computing-Modells, die eine dezentrale Infrastruktur für die Datenverarbeitung bereitstellt. Es fungiert als eine Computing-Schicht, die zwischen den Edge-Geräten (Sensoren, Maschinen) und der Cloud liegt. Das Konzept wurde ursprünglich von Cisco entwickelt.
Während Edge Computing die Verarbeitung so nah wie möglich an der Datenquelle platziert, erweitert Fog Computing dies auf eine größere, aber immer noch dezentrale Ebene, oft auf Gateway-Ebene oder in lokalen Servern innerhalb der Fabrikhalle. Es ermöglicht die Aggregation, Filterung und Vorverarbeitung von Daten von mehreren Edge-Geräten, bevor sie bei Bedarf an die Cloud gesendet werden.
Merkmale und Vorteile:
- Hierarchische Verarbeitung: Daten werden nicht nur am einzelnen Edge-Gerät, sondern auch auf einer Zwischenschicht verarbeitet.
- Datenaggregation: Daten von verschiedenen Sensoren oder Maschinen können am Fog-Layer gesammelt und konsolidiert werden.
- Bandbreitenoptimierung: Nur relevante oder bereits analysierte Daten werden an die Cloud übertragen, was den Datenverkehr und die Kosten reduziert.
- Reduzierte Latenz: Entscheidungen können weiterhin schnell getroffen werden, da die Verarbeitung näher am Prozess stattfindet als in der entfernten Cloud.
- Sicherheit: Sensible Daten können innerhalb des lokalen Netzwerks verbleiben.
- Skalierbarkeit: Flexible Erweiterung der Rechenkapazität durch Hinzufügen weiterer Fog-Nodes.
- Offline-Fähigkeit: Lokale Anwendungen können auch bei unterbrochener Cloud-Verbindung weiterlaufen.
Abgrenzung zu Edge und Cloud Computing:
- Edge Computing: Verarbeitung direkt am Sensor/Aktor, nahe der Datenquelle (Mikro-Ebene).
- Fog Computing: Verarbeitung auf einer Zwischenschicht, aggregiert Daten von mehreren Edge-Geräten (Makro-Ebene in der Fabrik).
- Cloud Computing: Zentrale Verarbeitung und Speicherung von Daten in externen Rechenzentren (Global-Ebene).
Fog Computing bildet somit eine Brücke, die die Vorteile von Edge und Cloud Computing kombiniert und eine optimierte Architektur für die Datenverarbeitung in der Industrie 4.0 bietet.
Anwendungsbereiche in der Automatisierung:
- Lokale Datenanalyse und Dashboard-Bereitstellung für eine Produktionslinie.
- Zentrales Management von Edge-Geräten in einer Fabrik.
- Pre-Processing von Big Data, bevor sie zur Cloud gesendet werden.
- Echtzeit-Optimierung von Prozessen über mehrere Maschinen hinweg.
→ Siehe auch: Edge Computing, Cloud-Computing, IIoT (Industrial Internet of Things), Industrie 4.0, Big Data
