工業(yè)物聯(lián)網(wǎng)（IIoT）通常與大數(shù)據(jù)和云相關聯(lián)，從廣泛分布的傳感器中收集大量數(shù)據(jù)，將“信息轉(zhuǎn)化為洞察力”。在一些工業(yè)流程中，洞察時間非常關鍵，而將數(shù)據(jù)發(fā)送到云端并接收響應的延遲時間可能過長。在其他情況下，數(shù)據(jù)安全性可能會受到影響，或者與互聯(lián)網(wǎng)的快速，可靠連接可能無法使用。為了克服這些挑戰(zhàn)，邊緣計算可以補充云計算的大數(shù)據(jù)處理能力。它可以執(zhí)行需要即時響應的計算密集型任務，并在適當?shù)臅r候?qū)?shù)據(jù)存儲和過濾到云中。邊緣計算可以包含簡單的數(shù)據(jù)過濾，事件處理，甚至機器學習等元素，并且可以托管在任何連接的設備上，從小型嵌入式計算機或PLC到工業(yè)PC或本地微型數(shù)據(jù)中心。從同一平臺上運行的其他進程隔離并占用很小的空間是關鍵要求。

最大限度地提高數(shù)據(jù)的價值

IIoT的許多價值在于它可以匯集多種來源的信息，幫助企業(yè)看到更大的局面：如何改進流程，優(yōu)化維護活動，減少浪費和能源消耗，并消除可避免的成本。以云為中心的IIoT視圖可以看到使用重量級軟件應用程序在遠程數(shù)據(jù)中心匯集和分析的各種數(shù)據(jù)流。

這種模式的前提是可靠的互聯(lián)網(wǎng)連接總是可用的，有足夠的帶寬可用于處理推送到云端的數(shù)據(jù)，而這種延遲 - 從數(shù)據(jù)生成到收到云端反饋結(jié)果的時間是可以接受的。但是，這些重要成分中的任何一種都可能會丟失。遠程站點可能依賴蜂窩網(wǎng)絡進行互聯(lián)網(wǎng)連接，但覆蓋范圍可能不完整或不可靠。大量的傳感器可能會產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)與云通信的成本很高，特別是在包含高清圖像或視頻的情況下。出于安全原因或保持運行效率可能需要實時進行復雜決策。另一方面，對于一些公司而言，數(shù)據(jù)安全性可能會成為問題，因為這些公司可能不希望將敏感信息通過互聯(lián)網(wǎng)傳遞到云端。

在任何這些情況下，將從流程或設備捕獲的原始數(shù)據(jù)發(fā)送回云可能是不切實際的。盡管如此，在個別機器或過程控制邏輯層面上需要一些智能和決策能力，使企業(yè)能夠確定最佳的行動方案。這是邊緣計算的作用。

邊緣計算提供了一個提升

作為IIoT的一部分，邊緣計算越來越重要。在資產(chǎn)或流程附近實施計算能力的第一線，可以對事件進行智能或協(xié)調(diào)的響應，并有助于減輕云上的數(shù)據(jù)處理負擔。在可能具有數(shù)十，數(shù)百甚至數(shù)千個傳感器的系統(tǒng)中，來自這些傳感器的大部分數(shù)據(jù)可能具有最小的價值，僅僅報告“正?！辈僮鳁l件。智能網(wǎng)關可以過濾這些數(shù)據(jù)，并將其更有效地丟棄或重新打包，傳輸?shù)皆贫诉M行存儲和分析。當感興趣的事件發(fā)生時，智能節(jié)點可以快速確定正確的響應，向連接的設備發(fā)出適當?shù)闹噶睿⑹录R總成適合云消費的報告。與對來自少量傳感器的信號的高度本地化響應不同，邊緣計算與更協(xié)調(diào)的動作相關聯(lián)，評估來自大量傳感器的數(shù)據(jù)以在更高級別做出決定。例如，如果在鉆井平臺中檢測到過度振動，則可以是采礦應用。從振動傳感器接收到的錯誤信號的標準響應可能是停止鉆井，導致生產(chǎn)損失和不必要的停機時間來檢查和修理設備。由于計算能力更強，傳感器輸入和存儲的歷史數(shù)據(jù)更多，一個更強大的邊緣計算設備可以評估對整個系統(tǒng)的影響，并確定幾個可能的響應并計算結(jié)果，并采取最佳的行動方案或通知運營商的最佳選擇。

而直接的傳感器/報警組合沒有具有板上數(shù)據(jù)聚集和處理的邊緣計算設備的更大圖像視角，邊緣處理引擎可以評估從所有連接的傳感器接收到的數(shù)據(jù)，并基于預先確定的優(yōu)先事項。在制造業(yè)情況下，在流水線末端進行產(chǎn)品測試或檢查后，故障率突然增加，可能需要停止生產(chǎn)以調(diào)查原因。連接到所有機器的智能邊緣設備可以協(xié)調(diào)線路中所有設備的這種響應?；蛘撸ㄟ^分析來自多臺機器的感測數(shù)據(jù)并自動應用修復，或指導操作人員糾正問題，使生產(chǎn)能夠快速有效地重新啟動，可以識別變化的原因。

另外，邊緣計算可以通過比較感測的測量結(jié)果與歷史數(shù)據(jù)或預設的閾值來支持預測性維護來幫助數(shù)字化轉(zhuǎn)換，以計算最佳的替換時間。它還可以對部署在因特網(wǎng)訪問不可靠或覆蓋率較差的地理區(qū)域的資產(chǎn)進行智能管理。如果網(wǎng)關設備暫時無法連接到云，則可以將數(shù)據(jù)存儲在本地內(nèi)存中，直到可以重新建立連接。然后，設備可以自動與云同步，確保遠程應用程序始終可以訪問完整和最新的信息。

效率管理是另一個方面，通過利用感測數(shù)據(jù)來調(diào)整和優(yōu)化設置，根據(jù)高層次的能源管理政策，可以通過邊緣設備的額外智能來增強。

軟件容器（containers）

要在與自動化控制器或PLC相同的硬件上運行邊緣計算引擎和應用程序，需要與其他軟件分開運行。 使用容器（containers）已經(jīng)成為一種流行的方法，它提供了類似于虛擬機的隔離，但更適合資源受限的設備。 容器鏡像包含軟件運行所需的一切。 但是，與虛擬機不同的是，容器虛擬化了操作系統(tǒng)而不是硬件，從而形成了一個更輕便的便攜式解決方案。 也可以在容器中使用虛擬機來獲得部署和管理應用程序的額外的靈活性。

容器提供了一種資源友好的方法來隔離網(wǎng)關，PLC或工業(yè)PC等設備上托管的邊緣計算進程

Docker框架被IoT解決方案開發(fā)人員廣泛用于實現(xiàn)容器（圖3），并向支持容器生態(tài)系統(tǒng)開發(fā)的Open Container Initiative（OCI）捐獻了代碼。要創(chuàng)建邊緣計算解決方案，可以使用C/C++或Java開發(fā)基于Docker的Linux應用程序，以捕獲所需的數(shù)據(jù)，并通過所選軟件平臺中提供的SDK與分析引擎等邊緣處理資源集成。

通過提供便捷的儀表板來管理連接的邊緣設備，一個合適的軟件平臺允許開發(fā)人員專注于定制他們的應用程序來捕獲他們需要的數(shù)據(jù)，并對檢測到的事件作出適當?shù)捻憫?。邊緣計算是軟件開發(fā)平臺以及交鑰匙邊緣計算設備進入市場的重要新產(chǎn)品開發(fā)的主題。

邊緣計算是IIoT的一個額外方面，已準備好與云計算合作，為運營商和業(yè)務經(jīng)理提供靈活性，以便在適當?shù)臅r間獲得他們所需的洞察力。傳統(tǒng)的自動化只使用大約3％的機器數(shù)據(jù)來產(chǎn)生有意義的結(jié)果。邊緣和云計算如果同時使用，可以釋放更多的剩余97％的價值，從而增強實時自動化并指導長期決策。

通常將IIoT可視化為具有有限資源的智能小型設備的組合，與云計算的巨大計算能力相連接。隨著越來越多的企業(yè)在更廣泛的情況下依賴IIoT，一個更復雜的架構(gòu)正在不斷發(fā)展，其特點是在邊緣具有智能，以補充云的力量?，F(xiàn)在進入市場的軟件解決方案使企業(yè)能夠利用網(wǎng)關和傳統(tǒng)的工業(yè)計算平臺實時響應關鍵事件，保護安全性，并有效利用連接和帶寬。