为什么制造业是边缘计算的优秀用例之一

随着物联网设备变得越来越普遍，边缘计算正在迅速进入各个行业。最有前途的边缘计算用例之一是在工业制造业中，在那里新技术可能会导致巨大的生产力提高。

尽管工业自动化已经进行了数十年，但自80年代和90年代以来，年生产力的提高仍然相对较小。美国的工厂平均已有25年的历史，并且里面装满了几乎有十年历史的机器。但随着公司寻找投资机会和需要升级的领域，由边缘计算支持的新一代智能机器正成为希望将其运营带入数字时代的公司的诱人选择。

什么是边缘计算?

传统的云网络形成了用于收集和处理数据的集中式系统。数据由连网设备在网络边缘收集，并传输回中央云服务器，然后，服务器的计算资源对数据进行处理，并对其进行分类和存储，以供以后使用。在某些情况下，服务器会向网络边缘的设备发送指令。

基于云的计算涉及到大量动态数据。而所有这些在有限带宽通道上传输的数据，加上它们必须经过一定距离才能到达而导致的延迟，会减慢整个系统的速度。在某些情况下，延误只是小小的不便，而在其他情况下，它们会导致严重的问题。自动驾驶汽车经不起几毫秒时间来让云计算分析它的传感器数据，并告诉它在红灯前停下来。

边缘计算是一种分散处理负载的分布式开放式体系结构。设备无需传输在网络边缘收集到的所有数据，而是在本地或者更靠近数据源的地方处理数据，这有助于避免严重的“最后一公里”延迟问题。(来自iothome)对于需要快速决策的设备，在本地处理数据可以让它们做出更快的响应。此外，通过本地分析，可以将仅仅相关的数据发送回云服务器来减轻网络负载。

为了更容易理解边缘计算，不妨想象一下收费公路上用于计费的摄像头。在云计算架构中，摄像头拍摄汽车牌照照片，并将整个照片传输到云端，在云端，程序处理图像，识别牌照号码，并将该号码记录到计费系统中，以向车主收取通行费用。在这种安排下，由于传送了所有图像，因此通过网络传输了大量数据。

在边缘计算应用中，摄像头会立即处理图像，识别车牌号，然后只将该号码传回云端，以开始计费过程。通过这样做，使流经网络的数据非常少，这为其他应用程序释放了带宽。此外，如果由于某种原因导致摄像头与服务器的连接中断，它还允许摄像头继续分析数据。

制造业边缘计算的好处

对于工业来说，潜在的边缘计算用例非常重要。边缘计算可以大大降低互连系统的复杂性，从而更易于实时收集和分析数据。它还可以允许设备在网络连接不稳定或不具有成本效益的远程站点中收集关键数据。数据可以在本地收集和分析，并且在可以连接网络的情况下，才会将关键数据传输回中央网络。边缘计算和工业物联网设备的结合将使简化工业流程、优化供应链和创建智能工厂变得更加容易。

边缘计算将使工业设备能够在没有人为干预的情况下自主决策。传感器数据可以监测机器的运行状况，然后加速或减慢操作以优化使用。装有运动、温度和气候传感器的智能工厂可以调节照明、冷却和其他环境控制，以最有效地利用电力。而这只是利用工业物联网设备的一系列边缘计算示例之一。预测分析可以确定组件何时将要发生故障，从而确保可以在不损失生产力的情况下对它们进行更换。

对于正在扩张业务或启动新业务的制造企业公司来说，边缘计算应用的分散性质可以大大减少启动时间和成本。智能机器将能够在没有大型中央数据中心(基于云)的帮助下运行。由于数据可以在本地收集和分析，因此可以以最小的数据基础设施占地面积在现场设置移动设备，这将有助于缩短供应链，并在人们难以进入的市场中创造机会。

更准确的资产管理和更高的运营可见性将使制造公司能够识别需要改进的流程。边缘计算提供 “永远在线”连接形式的能力将减少系统停机的可能性，并提供更大的灵活性。这些和其他边缘计算应用也已进入农业领域，以大大提高效率和生产力。