Implement Cloud-Native Architecture

一个常见的误解是,部署云原生应用程序就是要问一个问题,在哪里……“我们的代码和数据在哪里传输和执行?”但其实和云原生更相关的问题是如何……“我们的软件和数据架构将如何支持质量、性能、安全性和规模?”

如图 1 所示,”云”和架构更有关,而不是和它的地理位置有关。

图1:“云”和地理位置没有关系,它和架构有关。

要启用云原生应用程序,有一些必要的步骤,包括容器化、简化的安全性、加密、身份验证、虚拟化、解耦硬件/软件依赖关系(弹性)、计算和存储弹性(云爆发)等。

我们预计云原生架构会带来巨大的好处。那些需要弥合工厂产能和客户交付承诺之间差距的制造商,正在依赖我们先进的生产效率套件中的智能工厂规划和调度解决方案。

一个例子是我们的高级生产效率套件中的 SmartFactory 生产计划和调度,其目标是弥合工厂产能和客户交付承诺之间的差距。

目前,通过应用模拟模型来探索“假设”场景,以识别提高产量和产能利用率的机会。 挑战在于模拟属于 CPU/内存/存储密集型,并且根据案例和场景复杂性,可能需要很长时间才能完成!

为了缩短行动时间,我们将单服务器仿真建模 + ML 与支持云原生的架构进行了比较,以通过并行运行数千个不同产品和配方组合 + ML 的仿真来实现准确的生产周期预测。

如图 2 所示,结果是通过实现无缝的混合云实施、弹性扩展和并行化 CPU 工作负载到工作池,将运行时间从 5 天缩短到 5 小时,显著缩短了24 倍。

图 2:解耦软件和硬件依赖关系将获得结果的时间缩短了一个数量级
欲了解更多信息,请查看下方在 SEMICON Europa 2021 上演示的“走在边缘”的PDF版本:
分享文章

相关文章

您是否有效运用了 eQYPt 方法?

药品生产制造的成功取决于提高质量、产率和生产效率等最重要的 KPI ,以加快上市时间(eQYPt)并优化运营效率。

优化您的生物制药工艺

在您的生物制药运营中整合数据分析和先进过程控制技术。

提高 AI 和 ML 解决方案的开发和部署效率

借助我们的 SmartFactory 高效人工智能/机器学习(AI/ML)平台,体验通过集成化的方式对人工智能/机器学习(AI/ML)模块进行开发。