（文章來源：千家網(wǎng)）

隨著在邊緣創(chuàng)建的數(shù)據(jù)的增長,IT / OT融合和邊緣即服務(wù)產(chǎn)品可能成為物聯(lián)網(wǎng)部署中數(shù)據(jù)處理的未來之選。物聯(lián)網(wǎng)和邊緣計算是當今企業(yè)推動趨勢發(fā)展的兩項技術(shù)。結(jié)合了邊緣計算和IoT技術(shù)的技術(shù)領(lǐng)導(dǎo)者可能還會注意到,邊緣即服務(wù)以及運營技術(shù)和IT的融合已成為蓬勃發(fā)展的IoT戰(zhàn)略的重要組成部分。

惠普企業(yè)副總裁兼惠普研究員湯姆·布拉迪奇克在IoT Day Slam 2020的主題演講中說:“今天邊緣和IoT都獲得了名人的地位?！盉radicich說,多達80%的IT、運營技術(shù)(OT)和消費者數(shù)據(jù)將在邊緣生成,其中大部分來自物聯(lián)網(wǎng)設(shè)備。主題演講“兩種動力徹底改變了邊緣和物聯(lián)網(wǎng)”,突顯了組織從邊緣物聯(lián)網(wǎng)設(shè)備中提取價值時對效率的需求。

邊緣數(shù)據(jù)可幫助組織獲得業(yè)務(wù)洞察力,例如庫存是否不足,機器是否會發(fā)生故障以及進行新發(fā)現(xiàn)。這些見解為組織帶來了三種價值類型:監(jiān)控企業(yè),工廠和客戶;維護技術(shù),例如更新軟件;或通過產(chǎn)品獲利。有效的邊緣數(shù)據(jù)處理可以縮短響應(yīng)時間,帶寬和連接成本,并提高不傳輸數(shù)據(jù)的安全性,減少存儲需求,提高可靠性并遵守數(shù)據(jù)策略。

物聯(lián)網(wǎng)數(shù)據(jù)可以直接從設(shè)備傳輸?shù)皆?也可以通過數(shù)據(jù)采集和控制,邊緣IT,再到云,從設(shè)備傳輸?shù)綀?zhí)行器。 IT/OT融合和邊緣即服務(wù)的兩種趨勢一直在改進流程。當IT專家承擔保護任務(wù)并且OT專家繼續(xù)制造,提供電源或提供任何過程時,IT和OT團隊往往會產(chǎn)生分歧。

“了解[數(shù)據(jù)采集]和OT非常重要,因為當您走到邊緣時,它就在那里。[邊緣不僅僅涉及計算,不僅僅涉及傳感器,還不涉及事物?！?Bradicich說。首先,企業(yè)組織必須確定自己的優(yōu)勢和局面,例如工廠的機器上裝有IoT傳感器。 OT由傳感器、執(zhí)行器、數(shù)據(jù)采集系統(tǒng)和控制系統(tǒng)組成,這些技術(shù)用于諸如機械臂、自動駕駛汽車和工業(yè)協(xié)議(例如控制器局域網(wǎng)總線)之類的技術(shù)。

IT和OT共有三種融合類型:流程、軟件和數(shù)據(jù)以及物理融合。OT在安全性和網(wǎng)絡(luò)支持方面與IT合作,盡管這可能會帶來挑戰(zhàn)。雙方就這一過程達成共識,并共同努力向前邁進。第二個是軟件和數(shù)據(jù)融合,其中邊緣數(shù)據(jù)直接流入IT系統(tǒng),例如預(yù)算或客戶研究管理。最后,物理結(jié)合融合了OT和IT功能的實際設(shè)備,包括路由器、控制系統(tǒng)、數(shù)據(jù)采集、計算和存儲。

當組織將IT和OT放在一起時,他們將使用更少的空間、時間和能源,并且更少的采購和管理。Bradicich說,在傳統(tǒng)系統(tǒng)中,在傳感器或執(zhí)行器上分析數(shù)據(jù)的組織會立即獲得結(jié)果,但不會獲得深入的結(jié)果。隨著數(shù)據(jù)分析越來越靠近云或遠程數(shù)據(jù)中心,結(jié)果的深度會增加,但是時間會增加。

“許多數(shù)據(jù)會過期,一段時間后將變得無用。到云上時,它可能已無用。能夠(結(jié)合OT和IT系統(tǒng))并在邊緣運行相同的分析對于客戶而言極為強大”,布拉迪奇說。近年來,數(shù)據(jù)分析主要發(fā)生在云中,但是云功能已經(jīng)轉(zhuǎn)移到邊緣。企業(yè)組織面臨著數(shù)據(jù)中心中未見的一些挑戰(zhàn),例如帶寬有限,關(guān)鍵任務(wù)OT系統(tǒng),敵對的物理環(huán)境,不可靠的連接性和增加的安全漏洞。企業(yè)組織正在轉(zhuǎn)向邊緣即服務(wù)產(chǎn)品來管理這些困難。

邊緣作為IoT部署服務(wù)可以為OT和IoT設(shè)備提供生命周期管理,遠程云接口管理,多個網(wǎng)絡(luò)和工業(yè)協(xié)議的管理,穩(wěn)定的連接以及自動斷開操作。在邊緣創(chuàng)建機器學習算法需要強大的計算能力,但是企業(yè)組織可能仍希望將數(shù)據(jù)發(fā)送到云進行分析,或者只是將邊緣數(shù)據(jù)分析結(jié)果發(fā)送到云。

供應(yīng)商或合作伙伴可能會運行“邊緣即服務(wù)”產(chǎn)品,或者企業(yè)組織可能會負責該操作。對使用邊緣服務(wù)感興趣的企業(yè)組織仍然是其邊緣的專家。取決于行業(yè),例如農(nóng)業(yè)或制造業(yè),有很多獨特的優(yōu)勢,將產(chǎn)品與機器集成可能需要很高的精度。企業(yè)組織最了解他們的系統(tǒng),并且了解數(shù)據(jù)是否以供應(yīng)商或合作伙伴無法使用的方式使用。
（責任編輯：fqj）