為什麼邊緣計算對工業物聯網如此重要
20世紀50年代印刷電路板（PCB）的發明改變了自動化的世界。在印刷電路板出現之前，電子電路板都是手工組裝的，這是一個艱苦的過程，極大地限制了全球的生產。如今，隨著製造過程中儀錶的引入和邊緣計算的使用，工業正在經歷另一個革命性的飛躍。
製造過程的儀錶包括許多感測器和微控制器，它們可以根據感測器檢測到的環境條件細微地改變製造條件。這些感測器產生大量的數據，但微控制器不能直接響應產生的數據。
用於製造儀錶的感測器和微控制器基本上都是小型聯網計算機。感測器將他們的數據發送到一個中心位置，然後在那裡對數據進行分析。這些小型的、自主的計算機不是由人類實時監控的，而是物聯網（IOT）的一部分。更具體地說，在製造環境中，它們是工業物聯網（IIOT）設備。
IIOT製造儀器的用例
IIOT設備用於任何數量的環境中，如果人類每次都不能可靠和/或準確地完成工作，那麼就很難完成這些工作。例如，焊接檢查。焊接是許多電子產品生產線的組成部分，對最終產品的功能性和耐久性至關重要。
不幸的是，製造商被要求在越來越小的部件上進行焊接，約束越來越嚴格。為了保護部件，必須在儘可能低的熱量和儘可能小的電荷下進行焊接。
有助於改進這一過程的IIOT設備包括熱量、電壓和壓力感測器，以幫助確定在當前環境條件下進行焊接所需的最小電流。IIOT攝像頭還可以為機器學習型視覺焊接檢查系統提供信息，以驗證焊接是否令人滿意，即使它們太小，人眼看不見；這只是一個開始。
製造儀器可以使任何製造業不僅僅是電子製造業——更精確，生產誤差更少，所需人員更少。不幸的是，這種儀器並不容易，特別是考慮到現代製造供應鏈的複雜性。
製造儀器功能
信息技術（IT）團隊幾十年來一直在使用儀器。在軟體中構建感測器的成本不如在硬體中構建感測器的成本高。因此，各種各樣的操作系統、應用程序和IT設備上都堆滿了感測器。正因為如此，自現代微型計算機出現之前，IT團隊就一直在努力處理他們所產生的數據量。
數據太多，時間太少
在現實世界中，任何儀器化的基礎設施產生的信息都比單個人可能處理的信息多。即使是大型的人類團隊，也不能指望他們對即使是適度的IT基礎設施所發出的所有數據進行梳理。整個規程都存在於IT領域中，專門用於使IT工具發出的數據易於理解。技術和技術範圍從簡單的過濾器到複雜的人工智慧（AI）和機器學習（ML）技術。
直到最近，對於大多數IT團隊來說，這已經足夠好了。信息將被收集並發送到一個中心位置，數字將被處理，只有重要的數據被轉發給系統管理員。如果這需要幾秒鐘或幾分鐘，那是可以的；短暫的IT中斷通常是可以接受的。
但是，隨著世界各地的組織越來越依賴於它們的信息技術，對儀器設備採取行動所需的可接受時間顯著減少。對於許多組織來說，今天可接受的反應時間遠遠低於人類可能實現的反應時間。因此，在最先進的組織中，現代IT系統使用功能強大的AI和ML套件，使其IT基礎設施對感測器數據報告的變化做出反應，而人類管理員甚至還沒有意識到存在問題。
現代製造商，正如人們可能想像的那樣，尋找能夠比人類更快反應的製造儀器解決方案。雖然閱讀感測器並告訴人類已經出現的問題是有幫助的，但它遠不如實時響應感測器數據那麼有幫助。
IT儀錶與製造儀錶
兩者的區別在於，IT工具相對容易：一種是從已經完全數字化的設備上收集有關IT基礎設施和應用程序的數據。製造儀器更具挑戰性。用於製造儀器的iiot設備收集有關物理世界的數據。這意味著收集模擬數據並將其轉換為數字，這是另一個完整的球類遊戲。物理感測器需要校準，隨著時間的推移，它們會磨損。物理感測器通常也部署在集羣中，以便羣體感應成為可能。
羣體感應使用多個獨立的感測器來補償校準漂移或感測器故障。如果集羣中的一個感測器報告的數據與它的夥伴不一致，它可以被忽略和/或標記為重新校準。這使得製造業可以繼續使用已知良好的感測器，直到故障感測器可以重新校準或更換。
模擬感測的複雜性，加上對感測器數據實時響應的迫切要求，給製造儀器帶來了現實挑戰。
雲計算不能解決所有問題嗎？
IT團隊必須處理許多不同和困難的計算需求。IT供應商開發的解決方案的一個例子是雲計算。
雲計算與BDCA
雲計算允許組織通過按鈕訪問看似無限的IT基礎設施。雖然雲計算背後的原因眾多且複雜，但也許最重要的一個原因是雲計算允許IT團隊在不必管理或維護底層IT基礎設施的情況下操作IT工作負載。雲提供商為他們處理這一部分。
事實證明，雲計算對於批量數據計算分析（BDCA）工作負載非常有用。有許多類型的BDCA工作負載，包括AI、ML、大數據等；收集大量數據並隨後需要分析的任何內容都是BDCA工作負載。在過去的幾年中，雲計算已經成為大多數新的BDCA項目的目標。
雲計算用於BDCA工作負載的原因之一是雲爆發的概念。雲工作負載，例如用於分析大型數據集的計算工作負載，只能根據需要和所需的任何規模進行分解。這很適合BDCA工作負載，因為大多數BDCA工作負載只需要在一個設定的時間表上生成分析。月末報告在這裡是一個流行的用例。
不幸的是，規模經濟意味著傳統的公共雲位於中心位置。這使得公共雲供應商能夠將其數據中心定位在成本最低的位置，並簡單地構建真正的、真正的大數據中心。雖然這對於按計劃運行的批處理作業類型的BDCA工作負載很有用，但對於需要實時響應的工作負載來說，這並沒有什麼幫助。
為瞭解決這個問題，開發了邊緣計算。
邊緣計算
邊緣計算可以被認為是雲計算，但在其他人的數據中心。邊緣計算的發展是因為IT團隊的工作負載需要傳統公共雲計算無法提供的低延遲響應。IT團隊完全有能力創建這樣的基礎設施，但他們根本不希望自己處理這些基礎設施帶來的負擔和麻煩。
滿足新的數據需求
經過深思熟慮，決定為了滿足這些客戶的需求，公共雲提供商將伺服器安裝到相關組織的數據中心。這使得這些組織的IT團隊能夠執行工作負載，在他們看來，這些工作負載與公共雲提供商為他們創建的區域完全相同，但與其他工作負載位於同一區域網（LAN）上。
這些「邊緣計算」伺服器允許物聯網感測器數據的處理和處理速度遠遠超過了數據必須通過互聯網傳輸到公共雲數據中心、進行處理，然後將結果傳回互聯網的速度。邊緣計算正在實現許多新技術，包括無人駕駛汽車。
用例：無人駕駛汽車的實時數據
無人駕駛汽車是一個很好的例子，在這種技術中，等待數據是不可能的。雲計算可以幫助無人駕駛汽車收集特定區域內所有汽車的感測器信息，處理數據，並向這些汽車發送一張地圖，顯示每個人和所有東西在給定半徑內的位置。這可以讓這些車在拐角處看到，使它們更安全。
然而，即使在光速下，將信息從汽車發送到公共雲端並再次返回也可能需要四分之一秒的時間。當涉及到汽車時，人們可能在一刻鐘內死亡。因此，將處理過程移近汽車，比如說，通過將相關伺服器定位在汽車將要嘗試在複雜的城市環境中導航的幾個街區內，就可以實現否則不可能實現的技術。
同樣，製造業也可以利用邊緣計算來實現所需的儀器。然而，與通常情況一樣，製造業也有其自身的曲折，不僅使邊緣計算對過程更為重要，而且還面臨著各種必須克服的挑戰。
為什麼在製造業中使用邊緣計算？
邊緣計算與製造企業的關聯性的一個共同點在於需要實時響應。在快速生產線上，當試圖使製造缺陷接近零時，可以利用感測器集羣。如果單個感測器出現故障，感測器組可以進行仲裁檢測，然後重新校準。但是，重新校準必須非常迅速，以避免中斷生產線。
如果通過互聯網發送感測器數據需要100或250毫秒，那麼在線產品可能會丟失，或者設備可能會損壞。但是，如果數據可以在本地處理，大約需要5毫秒，那麼製造商可以實時重新校準感測器和/或根據環境條件更改製造設備設置。
感測器過載
邊緣計算的有用性背後的另一個原因並沒有被很容易地討論，那就是在製造儀器的過程中可能會有大量無法管理的感測器。這不僅可以壓倒網路容量，而且可以產生大量的數據集合，而這並不需要整個數據集合。因此，在只轉發需要發送的數據之前篩選數據是有用的。
數據量過大或需要某種形式的過濾是很常見的，在這種情況下，感測器被用於解決校準或老化問題。在這裡，如果參與法定人數的其他附近感測器與讀數不一致，則個別感測器可能會被拒絕。一個完全儀錶化的工廠可能包含數百萬個單獨的感測器，這些感測器最終只包含幾萬個感測器配額，可能遠遠超過本地互聯網連接的合理預期。
在製造業的其他邊緣計算配置中，有些感測器只在本地使用。這可能是因為它們用於實時響應，或者是因為它們僅與本地相關，例如，作為安全解決方案的一部分。
合同製造
在合同製造商（CMS）日益普遍的情況下，邊緣計算也很有用。CMS的IT解決方案獨立於委託工作的原始設備製造商（OEM）。然而，許多原始設備製造商看到了在其整個供應鏈中使用儀器的好處，即使是那些已經外包出去的部分。
在這種情況下，原始設備製造商可以使用邊緣計算將其網路的一部分擠出到CM網路中。OEM的IT團隊可能會將伺服器放在CM的網路中，這些網路連接回OEM的私有雲。結合IIOT感測器，這些邊緣計算伺服器將允許CM滿足OEM的儀器和供應鏈集成目標，而不影響CM自己的網路或需要對CM的網路設計進行徹底的更改。
邊緣計算使原始設備製造商能夠使用一致的界面和集成的應用程序集查看其整個供應鏈和製造操作，無論單個組件是在原始設備製造商的設施中製造還是在CM中製造。這種一致性使得培訓和支持CMS變得更容易，因為每個人都使用相同的工具鏈。
總結
雲計算已經存在十多年了，它經常被作為解決所有IT問題的解決方案推向市場。事實上不是這樣。雲計算解決了很多問題，但是光的速度意味著巨大的集中式伺服器場景永遠都不會如此有用。
邊緣計算有兩個主要用途：通過本地處理大量不可能通過Internet發送的數據，從雜訊中提取信號，並提供在需要延遲的地方和時間本地處理特定事物的能力。這兩種方法對越來越依賴儀器的製造企業都很有用。
製造業不能等待光線從A到B再到A。線路太多了，沒時間出錯。邊緣計算解決了雲所不能解決的問題，所以是時候發展了，要麼就被拋在後面了。END
更多邊緣計算相關資訊，盡在邊緣計算社區。
推薦閱讀：
