通过边缘分析升级工业 4.0

来自市场洞察提供商 IoT Analytics 的研究 透露，通过集成智能工具使边缘计算系统变得“智能”是该技术持续增长的关键驱动力。

边缘分析是智能边缘解决方案的主要推动者，通过支持低延迟、高容量数据操作来扩大其用例范围。 Johan Jonzon，低代码流分析平台 Crosser 的联合创始人兼首席营销官 ，解释了边缘分析在工业 4.0 中的重要作用。

由工业自动化供应商 Yokogawa 进行的 2020 年调查 透露，48% 的受访者将生产力视为其数字化战略的重点，而 40% 的受访者将运营效率视为其主要目标。

边缘计算在促进这种加速方面发挥着关键作用，但使边缘智能化对于保持其价值至关重要。边缘分析是直接从边缘收集、分析从 IIoT 设备收集的数据并对其采取行动的过程，使制造商能够提高效率并加快创新速度。但是如何？

访问机器数据

大数据奠定了工业 4.0 的基础，但以正确的方式访问它继续挑战制造商。工厂车间有许多不同的机器，它们都收集数据，有可能提供有价值的洞察力。以正确格式检索相关数据是制造商希望充分利用其边缘功能的第一个障碍。

然而，边缘分析控制的不仅仅是数据量。它还用于通过将不同的数据集转换为用于机器兼容性和比较的通用格式来协调数据。工厂车间拥有多代设备，它们都以不同的方式收集数据。

在边缘处理大量数据可防止云系统不堪重负，并显着降低相关成本。通过避免昂贵的入云服务，只需在云端处理和存储相关数据，成本可降低高达 99%。

简化工业流程

克服数据访问问题是边缘分析对制造商的第一个好处，但确定如何充分利用收集的数据是下一个难题。 Forrester 进行的研究 据估计，收集的所有数据中有 60% 至 73% 未用于分析。但是，实时挖掘数据可以提高机器性能并简化运营效率。

在边缘分析数据使制造商有机会在数据生成时对其进行评估，并对机器做出响应以提高其性能。例如，可以根据从工厂车间下一台机器收集的数据立即修改机器的运行速度。

选择在边缘而不是在云上执行此操作使此应用程序成为可能。将数据保存在本地有助于使用来自不同来源的数据，在运行不同协议的不同代设备之间进行有价值的机器对机器 (M2M) 通信，从而简化制造流程。

改进业务管理

如果生产放缓或设备出现故障，整个供应链可能会发生重大中断，那么工厂车间的效率就会影响到每一项业务运营。正如边缘分析可以在不将数据发送到云端的情况下连接机器和流程一样，它也可以将数据集成到企业资源规划 (ERP) 系统中。

ERP 系统是一种业务流程管理软件，可在一个地方管理公司的财务、供应链、运营、制造和人力资源活动。

ERP 系统正越来越多地转向事件驱动架构 (EDA)，该架构使用信息通过响应“事件”来实时连接业务功能。现代事件驱动的边缘分析软件可以作为工厂车间和ERP系统之间的连接层，可以将相关数据实时发送给其他业务功能。

这样，直接从工厂车间收集的数据可用于多个业务领域，以改进质量控制、满足产品需求的增长并避免因设备意外停机而造成的中断。

边缘分析是充分利用智能边缘基础设施的关键技术。通过促进机器、流程和其他业务领域之间的实时通信，以实现更高效的生产输出，边缘分析使制造商能够最大限度地发挥机器数据的潜力，不仅在工厂车间，而且在整个公司的运营中提高效率。

作者是低代码流分析平台 Crosser 的联合创始人兼 CMO Johan Jonzon。