边缘计算制造商指南

以下是我们将在这篇关于制造业边缘计算的深入文章中介绍的内容。如果您想跳转到特定部分，请选择一个链接：

• 制造业中的边缘计算简介
• 什么是边缘计算？
• 什么是边缘计算平台？
• 什么是边缘设备？
• 边缘与云的关系
• 制造业中的边缘计算用例
• 制造业的连接格局正在发生怎样的变化

制造业边缘计算简介

随着物联网 (IoT) 设备变得越来越普遍，边缘计算框架正迅速进入各个行业。最有前途的边缘计算用例之一是制造业，这些新技术可能会带来巨大的生产力提升。

虽然物联网已被证明是工厂车间的关键推动力，但组织现在正在寻求进一步提高其制造系统的响应能力。为了实现这一目标，这些组织正在采用以边缘计算为主要推动力的智能制造。

智能制造设想了一个未来，工厂设备可以根据工厂车间发生的情况做出自主决策。企业可以更轻松地集成制造过程的所有步骤，包括设计、制造、供应链和运营。这有助于在参与竞争性市场时获得更大的灵活性和反应性。实现这一愿景需要结合物联网、人工智能/机器学习和边缘计算等相关技术。

在网络边缘收集分析的关键优势是能够分析和执行实时数据，而无需将数据发送到异地（到云或数据中心）进行分析所带来的带宽成本。制造在避免生产不合格组件、设备停机、工人受伤或死亡方面具有时间敏感性。对于更复杂、更长期的任务，可以将数据发送到云端并与其他结构化和非结构化形式的数据相结合。因此，这两个独立的计算框架的使用并不是相互排斥的，而是一种利用各自提供的好处的共生关系。下面，我们将深入探讨用例以及制造业中云与边缘之间的关系。

首先，我们将定义边缘计算框架的组件。

什么是边缘计算？

边缘计算是一种分布式计算框架，它使计算和数据存储更接近数据源，从而提高响应时间并节省带宽。

简而言之，边缘计算就是获取在云中运行的代码并在本地设备附近或本地设备上运行它。示例包括网关设备（例如 MachineMetrics Edge），甚至是位于支持 IIoT 的设备旁边的 PC。

借助边缘计算，需要将更少的数据传输到云端。这对于收集用于运行机器学习算法的高频数据特别有用。由于可以在边缘处理此数据，因此可以立即对其采取行动。相比之下，如果要将这些高频数据传输到云端，进行处理，然后采取行动，就会产生延迟效应。边缘计算解决了这个问题。

要了解边缘计算，将 IoT 解决方案视为通常包含三个组件会有所帮助：

• 事情 例如生成传感器数据的物联网设备。
• 见解 您从这些数据中提取。
• 操作 您会根据这些洞察力来提供某种价值。

借助边缘计算，您可以移动见解 和动作 从云到设备的组件。换句话说，您将一些代码直接带入设备，用于处理和从数据中提取见解，并执行一些操作来响应它。

在制造业中，事物 可能是您车间的机器或设备。 见解 因此可能是实时机器数据。还有一个动作的例子 可能是由于预期的刀具破损而导致机器暂停操作。

什么是边缘计算平台？

为制造而构建的边缘平台允许您从 PLC、数字控制系统、传感器或历史学家等工业系统收集数据，并在数据之上本地运行应用程序，例如事件处理、预测分析、机器学习模型等 - 所有在离线首次部署中。

边缘计算平台管理在网络边缘运行的应用程序、设备和连接。在这里，边缘设备和连接设备（“事物”）可以以比纯云计算更快的速度进行通信和执行任务。

处理许多边缘设备可能是一项具有挑战性的任务。集中式边缘管理平台通过连接许多不同的边缘设备来缓解这个问题，以确保对整个网络进行适当的管理。例如，借助边缘计算平台，制造商可以在所有边缘设备上推送安全更新，并在必要时进行故障排除。

从某种意义上说，边缘计算平台只是让云计算资源更接近数据源。因此，边缘平台只是在边缘完成云计算平台的工作。这减少了云计算资源的压力，并减少了边缘设备和设备之间的数据延迟。如果机器学习和 AI 是未来的发展方向，那么存储和分析数据的速度至关重要。

什么是 Edge 设备？

边缘设备是管理本地网络和云之间数据流的设备。它们充当本地网络上的连接设备与用于分析数据的软件平台之间的网关。

在智能制造的背景下，边缘设备提供的不仅仅是单独网络之间的链接。它们还包括用于增强物联网安全和分析转换的功能。为了对此进行扩展，边缘设备会转换其他不兼容的数据（例如，如果您有不同的协议），以便可以在云中聚合和理解来自不同来源的数据。

MachineMetrics Edge 使用 Wifi、蜂窝连接或以太网轻松将机器连接到 MachineMetrics 云服务连接。

与传统网络的物理距离意味着大数据包的传输时间更长。边缘设备允许来自机器的数据网络离数据存储和分析的地方更近。这允许更快地向用户返回信息，这对于实时预测分析等用例至关重要。边缘设备和边缘计算正在放置更多的存储和分析能力来消耗和处理数据，就在机器位置。

随着物联网基础设施越来越复杂（即更多的工厂位置、设备和网络），对数据聚合和处理的需求仍然很重要。然而，挑战在于边缘设备与云计算平台的高延迟通信。

这就是边缘设备和边缘计算平台要解决的问题。

边缘和云的关系

我们有一篇关于边缘计算和云计算在制造业中的区别的完整文章，所以我们会保持简短。

边缘和云是两种不同的技术，但由于它们的抵消优势，它们经常被串联使用。在这种关系的核心，边缘计算对时间敏感的数据进行处理和采取行动，而云计算将数据聚合在一个不需要及时采取行动的集中位置。

在完整的 IIoT 基础设施中，制造商可以使用边缘进行实时数据收集、预测分析和自主决策，并使用云进行聚合数据分析、基准测试和趋势分析。

这些优点和缺点仍在继续：

制造业中的边缘计算用例

现在让我们讨论在制造业中使用边缘计算的实际原因。确保所有网络都正确连接到云，同时还能够在边缘提供强大的计算资源，有多种业务优势。

• 提高设备正常运行时间 ：例如，子系统、组件中的故障或在降级状态下运行组件的影响，可以实时预测，随着更多数据的分析不断完善，并用于增强操作使用和维护计划。
• 降低维护成本 ：增强对所需维护的分析还意味着，通过向机械师提供有关问题原因、需要采取什么措施以及需要哪些部件的详细说明，可以在首次访问时完成更多维修，从而降低维修成本。
• 备件库存减少 ：边缘分析模型可以根据单个设备或系统的要求进行定制。这可能意味着读取与某些组件和/或子系统直接关联的传感器。在组织期望的业务价值的指导下，边缘模型可以定义设备或系统应如何进行最佳配置以实现业务目标，从而以最低成本显着提高备件库存效率。
• 严重故障预防 ：通过获取、监控和分析有关组件的数据，边缘分析可以在其影响出现之前识别原因，从而更早地检测和预防问题。
• 基于状态的监控 ：随着 IT 和 OT 的融合，制造商能够访问机器数据，从而使他们能够监控车间设备的状况，即使他们使用的是旧设备。
• 新的商业模式 ：也许最重要的是，边缘分析可以帮助塑造新的商业模式以抓住新的机会。例如，它可以使用自我监控分析来改进即时零件管理系统，该分析可以预测哪些组件会发生故障以及何时发生故障——在整个价值链中触发零件更换通知。这样可以创建“按需”维护计划，减少停机时间和零件库存，并产生更高效的模型。

制造业的连通性格局正在如何变化

我们知道工业物联网的重点是将高级分析应用于大量机器数据，所有这些都是为了减少计划外停机时间、降低机器维护的总体成本并利用机器学习功能。云在使此类海量数据采集、传输和分析成为可能方面发挥了重要作用。

边缘计算和分析只是通过减少机器与数据处理本身之间的物理距离将这一概念提升到一个新的水平。对于远距离分布并从多个来源获取数据的公司而言，这种接近性有助于应对几个现实：

• 与距离相关的连接问题以及将大量持续数据传输到集中位置的成本。
• 分析在操作级别的可用性，允许多个级别的用户快速做出决策。
• 实时提供数据，以便更快（甚至自主）做出决策
• 确保数据的安全性和网络的完整性。

当边缘计算处理所有这些现实时，制造商可以降低成本并提高效率。此外，制造商现在可以进行可靠的数据传输，几乎没有错误和安全风险。更不用说，这也使得定制和小批量制造具有与大规模生产相同的价值。借助边缘计算，所有这些都可以通过对所有设备的灵活和简化维护来实现。

当数据速度成为当务之急并且连接需要稳固时，边缘将是制造商应该寻求的解决方案。应用 AI 和机器学习算法实时可视化、诊断和预测问题是一个目标，可以通过邻近、速度和可靠的网络更容易地实现。实时可视化和预测通知使您的团队能够立即采取纠正措施，让您的机器保持正常运行，而不必担心丢失关键数据。

由于边缘计算的潜力，工业制造正处于革命的边缘。结合新一代智能物联网边缘设备，边缘计算应用将在未来几十年彻底改变制造业，以提高效率和生产力，同时控制成本。