工業制造過程中會產生大量數據，利用這些數據可實現重要的目標——預測故障、優化設備壽命、優化生產流程以便更好地滿足市場需求。任何工業網絡的步是數據收集，然后在本地做好實時數據處理和長期離線數據存儲之間的平衡，最后采取有效的措施來優化工業處理過程。

　　信息被收集并發送到一個中心位置，如果發送的時間相對較早，短暫的IT中斷通常可以接受。但隨著世界各地的公司越來越依賴于他們的信息技術，他們對于可接受的維護儀器設備的時間顯著減少，且遠遠低于現有技術可以實現的反應時間。因此，在的技術團隊中，現代IT系統使用功能強大的AI和機器學習(ML)套件，使其IT基礎設施對傳感器數據報告的變化做出更快反應。之前有一則報道：

　　半導體制造商英特爾如何使用IIoT邊緣計算將工廠停機時間減少300%

　　通過部署工業物聯網(IIoT)傳感器和邊緣計算來監控英特爾半導體生產設施中的風扇過濾器單元(FFU)的健康狀況。這項措施旨在提醒技術人員注意潛在問題，從而主動制定維護計劃，減少計劃外的停機時間。FFU過濾并清潔工業機器內的空氣，它們在工廠車間無處不在，通常手動檢測FFU的運行狀況，這使得預測故障很困難。

　　英特爾在每個FFU的頂部放置了一個加速度計，以測量風扇功能的變化，這為每個FFU創建了一個基準性能，并針對異常和潛在問題生成了警報。之后將摘要數據發送到云，以便技術員查看趨勢，并及時反饋，通過提前維護和更換零件，將FFU的正常運行時間延長了97%以上。同時，這項操作還有效地消除了“偏移”，這表明在制造過程中的變化會導致材料損壞。

　　與手動檢查相比，英特爾已將FFU故障造成的停機時間減少了300%。FFU代表了一個單一的工藝，其范圍足夠小，但影響足夠大，大到可以證明工廠的投資回報，在展示邊緣計算和基于云的IIoT預測性維護解決方案的投資回報率潛力方面非常出色。

　　報道中的兩個關鍵詞“IIoT”與“邊緣計算”，它們是什么?

　　什么是IIoT?

　　IIoT(工業物聯網)是將具有感知、監控能力的各類采集(傳感)、控制器、移動通信和智能分析等技術不斷融入工業生產過程的各個環節中，從而大幅提高制造效率，改善產品質量，降低產品成本和資源消耗，最終實現將傳統工業提升到智能化的新階段。

　　工業整體的網絡解決方案大多是云計算方案。

　　什么是邊緣計算?

　　邊緣計算指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，可在本地處理和存儲關鍵數據，然后再將關鍵數據傳輸到數據中心或云存儲庫。邊緣計算有助于優化云計算系統免受與數據傳輸相關的中斷，云服務器成為智能邊緣設備的控制節點，執行摘要分析。

　　基于以上敘述，理解IIoT和邊緣計算是什么就比較容易了。如果將工業物聯網比作一臺機器，當這臺機器的關鍵部位發生了偏差或損壞，就會導致整臺機器運行故障，如果這個部位難以覺察，就需要對整臺機器進行排查，這無疑拖延了生產時間也增加了勞動量，一塊短板限制了機器的運作。但如果有專業的監測工具并在遇到問題時及時解決，或者解決不了及時上報或者預警，那相關人員就能在整個機器癱瘓前對其檢修，這就是現如今邊緣計算發展起來的原因之一，即解決短板問題，也是很多人說邊緣計算重新定義工業物聯網的原因。

　　然而，真正的邊緣計算并不止步于此，隨著需求的日益增加，工業4.0已不再是爭論的中心，研究工業將以什么樣的形式加速制造業的數字化轉型才是人們真正關心的問題。當促進生產優化并降低維護成本成為可能，才是真正推動資本對工業物聯網基礎設施實際投資的主要原因，因為這些設施能地帶來可衡量的收益。

　　在傳統的工業物聯網模型中，傳感器或硬件的工作是收集數據并通過內置的網絡連接，將數據發送到上層的物聯網服務器或平臺，然后基于這些數據做數據分析、數據可視化和應用程序開發。最后，管理層用分析的結果來制定方案，可能是機器維護、生產過程優化或其他。

　　但大部分數據是實時值，并沒有必要或者等不及傳輸到上層服務器，正如麥肯錫所說，將數據處理轉移到網絡邊緣的需求，和不斷增加的處理能力要求，創造了一種不同類型的工業物聯網網絡——這種網絡可能沒有嚴格的層次結構，在眾多形式的邊緣設備中，將體現多種多樣的連接方式和處理方式。

　　手被燙時，先感覺疼還是先縮手?

　　當我們碰到燙手的物體時，手先縮回來，這是本能反應，經脊髓傳遞給神經中樞控制，速度更快，之后大腦才能感受到痛感。試想一下，如果大腦感受到痛感后手再移開……也許你需要看看手熟沒熟?

　　云計算類似于大腦，邊緣計算類似于控制手、腳這樣的神經中樞，當手遇到障礙(被燙、扎等)需要立馬躲避時，大腦的反應時間是跟不上的。這就需要更靠近手腳這樣的“邊緣設備”有自己的計算體系，即計算能力從云端走向邊緣，這就開辟了一個新的領域，邊緣計算的概念由此產生。

　　那什么是邊緣設備呢?前面關于監測英特爾FFU的設備是邊緣設備，再比如可以精確測量和記錄局部溫度的傳感器和AI攝像頭等，都屬于邊緣設備，在邊緣設備的計算，稱為邊緣計算。在未來，邊緣層將變得越來越模糊，邊緣設備將變得越來越智能化以及多樣化。

　　“大腦”準備好了，“神經中樞”!

　　云計算已經越來越多地被應用于工業中，有邊緣計算的配合它才能更方便地處理問題。那么在什么時候邊緣計算呢?

　　物聯網設備連接性差

　　應用程序依賴于機器學習，需要大量數據才能快速反饋

　　為了安全和隱私，需要在工廠內保存數據

　　邊緣處的原始數據需要預處理以減少計算等

　　雖然邊緣層的智能化、模糊化帶來了極大的效率提升，但也帶來了極大的安全隱患，比如缺少標準規范，安全質量難以保證;工業網絡封閉但邊緣層設備暴露在互聯網上;邊緣設備打破了集中安全管理的約束，必然存在容易被利用的安全漏洞。但計算被嵌入邊緣設備中是有意義的，它可以解決延遲問題帶來的時間和資金成本，縱然原先是融合集中化管理的工業網絡，但未來仍是分化發展的趨勢，邊緣計算也為設備商提供了一個大量銷售全新軟硬件及解決方案的機會，目前大量軟件商和芯片商也在積極布局。

　　發展趨勢相同的產品才可能是最后贏家，軟硬件分化、降低耦合，從云計算到邊緣計算，從融合到分化，這也是事物發展的必然規律。迄今為止，融合產品可能只有手機，原因是因為便利，而其他事物在最初的融合后逐步走向分化，原因也有便利，有時更多的是降低成本。

來源：網絡

版權歸原作者所有，如有侵權，請聯系刪除