工業(yè)制造過程中會產生大量數(shù)據(jù)，利用這些數(shù)據(jù)可實現(xiàn)重要的目標——預測故障、優(yōu)化設備壽命、優(yōu)化生產流程以便更好地滿足市場需求。任何工業(yè)網(wǎng)絡的第一步是數(shù)據(jù)收集，然后在本地做好實時數(shù)據(jù)處理和長期離線數(shù)據(jù)存儲之間的平衡，最后采取有效的措施來優(yōu)化工業(yè)處理過程。

信息被收集并發(fā)送到一個中心位置，如果發(fā)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(xiàn)有技術可以實現(xiàn)的反應時間。因此，在先進的技術團隊中，現(xiàn)代IT系統(tǒng)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(shù)據(jù)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(yè)物聯(lián)網(wǎng)（IIoT）傳感器和邊緣計算來監(jiān)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(yè)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(chuàng)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(shù)據(jù)發(fā)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(yè)物聯(lián)網(wǎng)）是將具有感知、監(jiān)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(yè)生產過程的各個環(huán)節(jié)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(xiàn)將傳統(tǒng)工業(yè)提升到智能化的新階段。

工業(yè)整體的網(wǎng)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(shù)據(jù)源頭的一側，采用網(wǎng)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(shù)據(jù)，然后再將關鍵數(shù)據(jù)傳輸?shù)街醒霐?shù)據(jù)中心或云存儲庫。邊緣計算有助于優(yōu)化云計算系統(tǒng)免受與數(shù)據(jù)傳輸相關的中斷，云服務器成為智能邊緣設備的控制節(jié)點，執(zhí)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(yè)物聯(lián)網(wǎng)比作一臺機器，當這臺機器的關鍵部位發(fā)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(yè)的監(jiān)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(xiàn)如今邊緣計算發(fā)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(yè)物聯(lián)網(wǎng)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(yè)4.0已不再是爭論的中心，研究工業(yè)將以什么樣的形式加速制造業(yè)的數(shù)字化轉型才是人們真正關心的問題。當促進生產優(yōu)化并降低維護成本成為可能，才是真正推動資本對工業(yè)物聯(lián)網(wǎng)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(tǒng)的工業(yè)物聯(lián)網(wǎng)模型中，傳感器或硬件的工作是收集數(shù)據(jù)并通過內置的網(wǎng)絡連接，將數(shù)據(jù)發(fā)送到上層的物聯(lián)網(wǎng)服務器或平臺，然后基于這些數(shù)據(jù)做數(shù)據(jù)分析、數(shù)據(jù)可視化和應用程序開發(fā)。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(yōu)化或其他。

但大部分數(shù)據(jù)是實時值，并沒有必要或者等不及傳輸?shù)缴蠈臃掌?，正如麥肯錫所說，將數(shù)據(jù)處理轉移到網(wǎng)絡邊緣的需求，和不斷增加的處理能力要求，創(chuàng)造了一種不同類型的工業(yè)物聯(lián)網(wǎng)網(wǎng)絡——這種網(wǎng)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(xiàn)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(jiān)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”必不可少！

云計算已經越來越多地被應用于工業(yè)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必不可少呢？

物聯(lián)網(wǎng)設備連接性差

應用程序依賴于機器學習，需要大量數(shù)據(jù)才能快速反饋

為了安全和隱私，需要在工廠內保存數(shù)據(jù)

邊緣處的原始數(shù)據(jù)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(guī)范，安全質量難以保證；工業(yè)網(wǎng)絡封閉但邊緣層設備暴露在互聯(lián)網(wǎng)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(yè)網(wǎng)絡，但未來仍是分化發(fā)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(fā)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(fā)展的必然規(guī)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后逐步走向分化，原因也有便利，有時更多的是降低成本。