工業物聯網&邊緣計算，需要打破短板效應

融合與分化，發展的永恆主題

工業製造過程中會產生大量資料，利用這些資料可實現重要的目標——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。任何工業網路的第一步是資料收集，然後在本地做好即時資料處理和長期離線資料存儲之間的平衡，最後採取有效的措施來優化工業處理過程。

資訊被收集並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於他們的資訊技術，他們對於可接受的維護儀器設備的時間顯著減少，且遠遠低於現有技術可以實現的反應時間。因此，在先進的技術團隊中，現代IT系統使用功能強大的AI和機器學習（ML）套件，使其IT基礎設施對感測器資料包告的變化做出更快反應。之前有一則報導：

半導體製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）感測器和邊緣計算來監控英特爾半導體生產設施中的風扇篩檢程式單元（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畫，減少計畫外的停機時間。FFU過濾並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，並針對異常和潛在問題生成了警報。之後將摘要資料發送到雲，以便技術員查看趨勢，並及時回饋，通過提前維護和更換零件，將FFU的正常執行時間延長了97%以上。同時，這項操作還有效地消除了"偏移"，這表明在製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，其範圍足夠小，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於雲的IIoT預測性維護解決方案的投資回報率潛力方面非常出色。

報導中的兩個關鍵字“IIoT”與“邊緣計算”，它們是什麼？

什麼是IIoT？

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

工業整體的網路解決方案大多是雲計算方案。

什麼是邊緣計算？

邊緣計算指在靠近物或資料來源頭的一側，採用網路、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資料，然後再將關鍵資料傳輸到中央資料中心或雲存儲庫。邊緣計算有助於優化雲計算系統免受與資料傳輸相關的中斷，雲伺服器成為智慧邊緣設備的控制節點，執行摘要分析。

基於以上敘述，理解IIoT和邊緣計算是什麼就比較容易了。如果將工業物聯網比作一台機器，當這台機器的關鍵部位發生了偏差或損壞，就會導致整台機器運行故障，如果這個部位難以覺察，就需要對整台機器進行排查，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並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，真正的邊緣計算並不止步於此，隨著需求的日益增加，工業4.0已不再是爭論的中心，研究工業將以什麼樣的形式加速製造業的數位化轉型才是人們真正關心的問題。當促進生產優化並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，因為這些設施能立竿見影地帶來可衡量的收益。

在傳統的工業物聯網模型中，感測器或硬體的工作是收集資料並通過內置的網路連接，將資料發送到上層的物聯網伺服器或平臺，然後基於這些資料做資料分析、資料視覺化和應用程式開發。最後，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。

但大部分數據是即時值，並沒有必要或者等不及傳輸到上層伺服器，正如麥肯錫所說，將資料處理轉移到網路邊緣的需求，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路——這種網路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；之後大腦才能感受到痛感。

試想一下，如果大腦感受到痛感後手再移開……也許你需要看看手熟沒熟？

雲計算類似於大腦，邊緣計算類似於控制手、腳這樣的神經中樞，當手遇到障礙（被燙、紮等）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，即計算能力從雲端走向邊緣，這就開闢了一個新的領域，邊緣計算的概念由此產生。

那什麼是邊緣設備呢？前面關於監測英特爾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感測器和AI攝像頭等，都屬於邊緣設備，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慧化以及多樣化。

“大腦”準備好了，“神經中樞”必不可少！

雲端計算已經越來越多地被應用於工業中，有邊緣計算的配合它才能更方便地處理問題。那麼在什麼時候邊緣計算必不可少呢？

• 物聯網設備連線性差
• 應用程式依賴於機器學習，需要大量資料才能快速回饋
• 為了安全和隱私，需要在工廠內保存資料
• 邊緣處的原始資料需要預處理以減少計算等

雖然邊緣層的智慧化、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，比如缺少標準規範，安全品質難以保證；工業網路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性漏洞。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路，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體及解決方案的機會，目前大量軟體商和晶片商也在積極佈局。

與發展趨勢相同的產品才可能是最後贏家，軟硬體分化、降低耦合，從雲計算到邊緣計算，從融合到分化，這也是事物發展的必然規律。

迄今為止，最好的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後逐步走向分化，原因也有便利，有時更多的是降低成本。

擴展閱讀

霧計算是指基於邊緣設備和雲之間的交互動作。邊緣計算是指具有計算能力的物聯網設備; 它們充當感測器和工廠內人員之間的閘道。從某種意義上說，邊緣計算是霧計算的一個子集。邊緣計算對雲計算有一定的衝擊，但它與雲計算也有很強的協同。後續，我們將與大家共同分享——霧計算，歡迎繼續關注！