隨著物聯網設備變得越來越普遍，邊緣計算正在迅速進入各個行業。最有前途的邊緣計算用例之一是在工業制造業中，在那里新技術可能會導致巨大的生產力提高。

盡管工業自動化已經進行了數十年，但自80年代和90年代以來，年生產力的提高仍然相對較小。美國的工廠平均已有25年的歷史，并且里面裝滿了幾乎有十年歷史的機器。但隨著公司尋找投資機會和需要升級的領域，由邊緣計算支持的新一代智能機器正成為希望將其運營帶入數字時代的公司的誘人選擇。

[[316513]]

什么是邊緣計算?

傳統的云網絡形成了用于收集和處理數據的集中式系統。數據由連網設備在網絡邊緣收集，并傳輸回中央云服務器，然后，服務器的計算資源對數據進行處理，并對其進行分類和存儲，以供以后使用。在某些情況下，服務器會向網絡邊緣的設備發送指令。

基于云的計算涉及到大量動態數據。而所有這些在有限帶寬通道上傳輸的數據，加上它們必須經過一定距離才能到達而導致的延遲，會減慢整個系統的速度。在某些情況下，延誤只是小小的不便，而在其他情況下，它們會導致嚴重的問題。自動駕駛汽車經不起幾毫秒時間來讓云計算分析它的傳感器數據，并告訴它在紅燈前停下來。

邊緣計算是一種分散處理負載的分布式開放式體系結構。設備無需傳輸在網絡邊緣收集到的所有數據，而是在本地或者更靠近數據源的地方處理數據，這有助于避免嚴重的“最后一公里”延遲問題。(來自iothome)對于需要快速決策的設備，在本地處理數據可以讓它們做出更快的響應。此外，通過本地分析，可以將僅僅相關的數據發送回云服務器來減輕網絡負載。

為了更容易理解邊緣計算，不妨想象一下收費公路上用于計費的攝像頭。在云計算架構中，攝像頭拍攝汽車牌照照片，并將整個照片傳輸到云端，在云端，程序處理圖像，識別牌照號碼，并將該號碼記錄到計費系統中，以向車主收取通行費用。在這種安排下，由于傳送了所有圖像，因此通過網絡傳輸了大量數據。

在邊緣計算應用中，攝像頭會立即處理圖像，識別車牌號，然后只將該號碼傳回云端，以開始計費過程。通過這樣做，使流經網絡的數據非常少，這為其他應用程序釋放了帶寬。此外，如果由于某種原因導致攝像頭與服務器的連接中斷，它還允許攝像頭繼續分析數據。

制造業邊緣計算的好處

對于工業來說，潛在的邊緣計算用例非常重要。邊緣計算可以大大降低互連系統的復雜性，從而更易于實時收集和分析數據。它還可以允許設備在網絡連接不穩定或不具有成本效益的遠程站點中收集關鍵數據。數據可以在本地收集和分析，并且在可以連接網絡的情況下，才會將關鍵數據傳輸回中央網絡。邊緣計算和工業物聯網設備的結合將使簡化工業流程、優化供應鏈和創建智能工廠變得更加容易。

邊緣計算將使工業設備能夠在沒有人為干預的情況下自主決策。傳感器數據可以監測機器的運行狀況，然后加速或減慢操作以優化使用。裝有運動、溫度和氣候傳感器的智能工廠可以調節照明、冷卻和其他環境控制，以最有效地利用電力。而這只是利用工業物聯網設備的一系列邊緣計算示例之一。預測分析可以確定組件何時將要發生故障，從而確保可以在不損失生產力的情況下對它們進行更換。

對于正在擴張業務或啟動新業務的制造企業公司來說，邊緣計算應用的分散性質可以大大減少啟動時間和成本。智能機器將能夠在沒有大型中央數據中心(基于云)的幫助下運行。由于數據可以在本地收集和分析，因此可以以最小的數據基礎設施占地面積在現場設置移動設備，這將有助于縮短供應鏈，并在人們難以進入的市場中創造機會。

更準確的資產管理和更高的運營可見性將使制造公司能夠識別需要改進的流程。邊緣計算提供 “永遠在線”連接形式的能力將減少系統停機的可能性，并提供更大的靈活性。這些和其他邊緣計算應用也已進入農業領域，以大大提高效率和生產力。

邊緣計算還形成了機器學習網絡框架，使得機器人驅動的自動化制造成為可能。與基于云的架構相比，通過邊緣網絡收集和傳輸數據的機器人能夠更快地識別不規則并消除低效問題。該系統的分布式特性也使其更加穩健，從而確保更高的正常運行時間和生產力。

由于邊緣計算的潛力，工業制造正處于革命的邊緣。結合新一代智能物聯網邊緣設備，邊緣計算應用將在未來幾十年內徹底改變制造方式，以提高效率和生產力，同時控制成本。