工业物联网前沿是一个移动的目标

边缘计算发生在工业物联网(工业物联网)系统需要发生在任何地方。工业物联网系统(或该系统的一层)的业务需求将决定计算发生的时间和地点。

这一结论，来自导论报告由物联网测试组织工业互联网联盟(IIC)撰写，有助于解释为什么没有人始终如一可以如果说边缘计算应该是什么样子，尽管它已经在技术议程的顶部超过一年。

计算可以在边缘边界附近本地运行传感器收集数据的设备，在工厂的服务器上，在云中，或在数英里外的数据中心。边缘计算发生在哪里以及它有多接近“边缘”，这一切都取决于截止日期、数据量、安全需求以及处理数据的原因。

边缘计算的承诺是它可以减少延迟——数据发送、计算和解释为命令后反应返回的时间。接近数据源和潜在的数据目的地应该使各种用例成为可能，但边缘计算并不能满足所有需求。对于某些用途，边缘计算很有意义，对于其他用途，计算可以在远离数据生成的地方进行。

IIC的报告将边缘计算定义为一个逻辑层，描述使整个IT基础设施更高效的资源，而不是定义如何做到这一点的技术购物清单。

但不要低估它;分析人士称，边缘计算将是一件大事:

•移动和物联网设备生成的数据增长如此之快，到2022年，一半的企业数据将在云或数据中心之外生成，而目前这一比例为10%Gartner；
•到2020年，将数据高效处理为可盈利服务的需求将推动边缘计算资源支出占物联网所有支出的18%。根据IDC；
•到2022年，物联网支出将达到1.2万亿美元(国际数据公司(IDC)）.

关于什么是优势的相互矛盾的定义来自供应商，他们展示了使用他们最擅长的技术的例子;IIC报告的合著者Todd Edmunds(思科物联网高级解决方案架构师)和Lalit Canaran (SAP实验室物联网和客户创新副总裁)表示，许多都是有效的，但没有一个是确定的。该报告也是由华为的Mitch Tseng撰写的，IIC边缘计算任务小组的其他成员也贡献了该报告，并由计算机科学家Stephen Mellor编辑，他是可执行UML的先驱之一，现在是IIC的首席技术官。

Canaran说:“边缘不是你可以指向的物理层。“这是一个基于用例或行业的逻辑层，你不能太纠结于如何定义物理边缘。”

该报告包括大量的用例和变体，说明了不同的配置和购买决策将取决于其中任何业务经理签署工业物联网项目支出的价值权重的变化。

埃德蒙兹说:“关于人们认为边缘是什么，有很多激烈的观点。”“我们通常会以每个人都能接受的共识结束，但没有人真正喜欢。我们没有通过说它有这么多的处理量和那么多的存储量来定义边缘，因为看看你需要什么功能，以及你应该把边缘放在哪里，这取决于你试图解决的问题。”

图1:选择边缘安装位置很困难，因为关键功能跨越多个平台。来源:IIC介绍工业物联网中的边缘计算

然而，据该公司战略总监杰伦·多吉罗(Jeroen Dorgelo)说，尚未解决的技术问题并不是唯一增加不确定性的因素迈威尔公司的存储组。

多吉洛说:“目前还不清楚将会开发出什么样的商业模式，来帮助打造工业物联网的Facebook。”“一旦你有了这些数据，你就可以开始进行预测性维护和其他各种事情，但目前的预测是，到2025年，我们只会分析我们收集的1%的数据，其余的都将被丢弃。”

我们很容易认为，任何需要处理的足够大的数据量都应该在数据中心中结束，但大多数应用程序都可以接受10秒或10分钟的响应，所以到云的往返并不总是一个延迟灾难，根据Steven Woo，杰出的发明家和企业解决方案技术副总裁Rambus．

安全和隐私是一个问题，特别是当第三方参与监控物联网设备或其数据时，许多公司不希望通过对物联网处理数据的深度分析来获得足够好的结果，因此将数据存档。

“这就是平衡所在，”Woo说。“你可以在边缘或数据中心进行处理，但人们越来越担心将数据一路移动到数据中心所消耗的能源，尤其是在你可能什么都不用的情况下。”

图2:边缘计算基础设施的逻辑架构图示例。来源:IIC介绍工业物联网中的边缘计算

Edge网络基础设施仍然更多的是理论而不是现实，但在自动驾驶汽车的情况下，寻找最佳的努力分配来处理可能具有异常数据量的问题，对延迟的敏感性或两者兼有，这表明一个即将到来的拐点，超过这个拐点，客户端硬件承担的责任比过去高得多，根据Anush Mohandass, at的营销和业务发展副总裁NetSpeed系统．

Mohandass说:“现在我们看到了两种不同的人工智能架构，这是处理所有数据的方式。”“培训和分析主要是在核心进行的，推理更多是在边缘进行的。”

神经形态芯片他说，人工智能可能会减少只在云中移动数据和进行培训的需求，但迄今为止，英特尔公司(Intel Corp.)和其他公司的演示在适应环境变化方面的可靠性不如在自动驾驶汽车或机器人等容忍度较低的应用程序中所需要的可靠性。

莫罕达斯说:“我们还没有到那个地步，但我们正在接近这样一个时刻，即客户端硬件具有更多的智能，可以更有用。”

实际考虑
然而，这些问题大部分仍在未来。

埃德蒙兹在谈到工作组决定如何在设备、边缘网络、云和数据中心之间分配资源的标准时表示:“现在你正在根据三个变量做出决定:延迟、连接和成本。”

Canaran表示，同一设备的两种情况可能会导致成本、位置和基础设施决策截然不同，这取决于环境和目标。

温度传感器只能证明暖通空调在一栋建筑内正常工作，而同样的传感器在全球35家工厂的故障点和潜在故障点中被放置了数千个，这是完全不同的情况。

Canaran说:“在这种情况下，每个工厂都是(边缘网络资源的候选)，你会希望通过云来管理它们，而不是只在其中一个工厂。”

IIC工作组将关于边缘网络基础设施架构的决策视为一个工程问题，其目标是使用或多或少的资源以及边缘网络和设备的不同位置来满足时间和功能的不同操作目标。

这些示例说明了相同工业环境版本中的不同情况和响应。

1. 智能设备，低延迟，云控制。例如，如果热电偶足够聪明，可以关闭过热泵，它就可以提供自己的边缘计算能力。这可以称得上是一种边缘计算能力，但它几乎不需要智能，只需要在事件发生后报告关机的连接。
2. 高性能的边缘基础设施，非常低的延迟，更高的资本成本。在自动化工厂中，边缘计算的要求要严格得多，因为工厂的质量和性能由一个系统监控，该系统对生产线上许多点的热量、运动、视觉和其他传感器数据进行近乎实时的分析。等待云响应的风险意味着，数据处理将不得不在工厂车间或附近完成，这将需要安装新的硬件，这将是工厂的优势。
3. 云分析，延迟不敏感，长期节省成本。传感器和边缘网络专注于收集信息并将信息传递到云端，允许基于云的分析来检查工厂中单个机器的日常性能细节，并创建一个预测维护模型，在问题发生之前标记出大多数问题。

云在每个设备上都需要大量数据，但只能每天接收一次，而不是实时接收。它利用边缘网络基础设施中的轻计算资源的能力来预处理、结构化和压缩来自IIoT设备的数据，以最大限度地减少通过网络发送的数据。它还限制了云处理它们的时间。

“我们最终没有定义边缘计算，”埃德蒙兹说。“但我们确实用它来定义边缘，从它必须完成的角度来看，它必须在特定用例中解决手头的问题，以及可能需要的连续基本功能。”

如果有什么不同的话，那就是这份报告允许我们做适合这种情况的事情，这就是工程师无论如何都要做的事情。

有关的故事
边缘的挑战
真正的产品开始进入市场，但这只是新一波技术问题的开始。
处理移动到边缘
定义因市场和供应商而异，但数据爆炸需要在本地进行更多的处理。
迈向工业物联网安全标准
如果工业物联网成熟、安全可靠，它会是什么样子?
如何保护网络边缘
数据泄露的风险越来越大，潜在的损失也越来越大。