导读：在过去的一年中，许多行业参与者都开始更加关注基于边缘的解决方案，许多企业现在也发现了边缘计算在物联网(IoT)和工业物联网(IIoT)项目带来的价值。根据Spiceworks最近的一项调查，86%拥有5000多名员工的公司计划采用物联网解决方案，65%的公司计划到2020年部署边缘计算技术。
像几米集团物联网和数字转换的引入一样，市场采用“边缘”这一术语，而没有考虑其确切特征。一些提供边缘解决方案的公司声称，他们可以在边缘处理数据，同时依靠云端进行数据处理。尽管云端是训练机器学习模型的好地方，但它并不能提供高保真的实时流数据分析。这些“弱”边缘解决方案缺乏边缘计算过程中的关键步骤，即实时数据丰富。
强大的边缘计算从高效的复杂事件处理器（CEP）开始，该处理器在生成时清理，标准化，理解并处理脏数据或原始工业数据。通过利用复杂事件处理器进行数据预处理和后处理，“强大”边缘解决方案可以将ML模型缩小约80％，使其能够在受限计算上更接近数据源，从而获得最佳效益。此外，“强大”的边缘解决方案包括集成的ML和AI功能，所有功能都嵌入到最小（和最大）的计算中。现在，CEP的力量并没有消除所有云端的参与；实际上，边缘解决方案需要依靠云端的无限资源来训练现有的机器学习模型。企业将发现生成实时流数据分析的边缘设备应定期将洞察结果发送回云，特别是那些表明当前模型转变的异常活动的数据。然后，一旦对模型进行微调，它们就会被推回到边缘，从而产生一个持续的闭环过程，从而生成更高质量的预测性见解，从而提高资产性能和流程改进。
大幅减少发送到云的数据：当分析走向边缘时，通过网络推送的数据量会大幅减少。这便降低了数据存储、数据处理和带宽成本。
更好的实时洞察力：通过将计算保持在数据源附近，边缘化的机器学习模型可以实时检测新出现的模式，并能够及时处理。
更全面的预测性维护：基于边缘的系统可以处理所有传入的传感器数据，所以它可以预测运行中的所有设备的维护需求，从而全面了解所有即将到来的维护需求。
提高产量：制造商可以通过快速检测和解决次优性能来提高生产率和减少停机时间。
许多不同的因素将有助于提高边缘采用率，包括数据的大量增加，以及对更低延迟要求、更高保真度分析和显著成本优势的需求。在接下来的几年里，75%的企业生成数据将在边缘处理，而现在还不到10%，这将促使许多试点企业转向具有更好业务成果的生产模式，并为工业物联网（IIoT）释放数万亿美元的价值创造。
更多物联网或通讯定位设备问题请关注留言几米物联
微信扫描二维码
扫码了解更多
EN
CN