JITStack讲解:什么是边缘计算?边缘计算是靠近数据源的计算基础

2019-01-04 09:10:19来源:科技媒体DoNews 热度:

在20世纪80年代和90年代,由于精益制造,即时制造等受丰田和六西格玛影响的技术提高了生产率,制造企业的效率却在不断下降。

近年来,年度生产力平均增长率为0.5%。由于很少有地方可以继续改进运营,制造业组织不得不寻找新的方法来改善生产,绩效和利润。

进入数字产业转型时代

利用信息技术创新,制造企业开始提高绩效和生产力水平。虽然云计算是产业信息化转型的主要推动因素,但边缘计算正在迅速成为工业物联网(IIoT)目标的关键部分,以加速数字化转型。边缘计算并不是一个新概念,但几种趋势已经结合在一起,创造了一个机会,帮助制造企业组织将大量基于机器的数据转化为更靠近数据源的可操作智能端。

什么是边缘计算?

边缘计算是靠近数据源的计算基础架构。

在IIoT的背景下,“边缘”是指靠近数据源存在的计算基础设施,例如,工业机器(风力涡轮机,磁共振(MR)扫描仪,海底防喷器),工业控制器(SCADA)系统和时间序列数据库聚合来自各种设备和传感器的数据。这些边缘计算设备通常远离企业云端的集中计算。维基百科是这么定义:边缘计算是将计算应用程序,数据和服务的前沿从集中式节点推向网络的逻辑极端。

至今,边缘计算的作用主要用于向云系统提取、存储、过滤和发送数据。然而我们现在正处在一个时间点,边缘计算正在打包更多的计算、存储和分析能力,以消耗和处理设备位置的数据。包括亚马逊,微软和谷歌在内的一些最大的科技公司正在探索边缘计算,这可能会引发下一场大型计算竞赛。

边缘计算对制造业意味着什么?

制造业互联网化在未来几年内将发生巨变。

行业是权威人士已经计算出,数百亿的连接事物将从不同来源产生大量数据。制造业互联网信息化转型的将在未来几年内发生巨大的变化。知名管理公司McKinsey&Co.估算,到2015年,工业物理网(IIoT)的价值将达7.5T,工业物联网汇聚了人才和机器,将人们连接到加速数字信息化转型的大数据中。

通过将大数据,高级分析和机器学习应用于运营,制造业可以减少意外停机时间,提高资产性能,降低维护成本,并为从机器数据中捕获尚未开发的价值的新业务模型开发潜力。

智能制造有望从现在工厂大量部署的传感器(接近数据的设备)中获得洞见

在过去几年中,制造业组织已经开始将云融入其运营中,以收集大量数据中的洞察力,这些数据有助于实现关键业务成果,包括减少意外停机时间,提高生产效率,降低能耗等。云仍然在通过工业物联网实现新的性能水平方面发挥着关键作用,工业物联网需要大量的计算能力来有效地管理来自机器的大量数据。

但随着更多的计算,存储和分析功能被捆绑到更接近数据源的较小设备中,即工业机器边缘计算将有助于实现边缘处理以实现工业物联网的承诺。

驱动边缘计算在智能制造领域应用的关键因素:

1、低/间歇连接(例如远程位置)

2、将数据传输到云的高成本带宽

3、低延迟,例如机器洞察和驱动之间的闭环交互(即在机器上采取行动)

4、即时分析(例如,在现场工作以检查机器性能的技术人员)

5、访问时态数据以进行实时分析

6、合规性,监管或网络安全限制

边缘计算与雾计算将计算能力和智能推向更靠近数据源的地方

有人开玩笑说,雾计算是真正边缘计算的糟糕营销术语。但雾计算及其在物联网(IoT)中的作用与边缘计算类似的目标:推动计算能力和智能更接近数据来源,例如泵,涡轮机,传感器等机器。雾网络或雾化是一种分散的计算基础设施,其中数据、计算、存储和应用程序分布在数据源和云之间最合乎逻辑、最有效的位置。雾网络专注于相互通信的边缘设备,例如物联网网关,但边缘计算主要关注实际附着在“物体”上的设备和技术,例如工业机器。

边缘计算与云计算协同工作

为了让制造企业充分认识到机器生成的大量数据的价值,边缘计算和云计算必须协同工作。边缘计算将占主导地位的情景包括需要低延迟(速度至关重要)或存在带宽限制的地方(诸如矿山或海上石油平台之类的地点);当行动需要大量计算能力,管理来自工厂的数据量,资产健康监控和机器学习等时,云计算将占据更主导的位置。云计算和边缘计算对于智能制造业运营来说都是必不可少的,以便从当今云端和边缘应用的复杂、多样化和大量数据中获得最大价值,无论何时都能有效地实现预期结果。

正在应用中的边缘计算

边缘计算助推自动驾驶汽车

对于自动驾驶汽车,基本上是轮式数据中心与边缘计算起着主导作用。粗略计算,每百辆汽车正常行驶8小时,通过车辆传感器将产生40TB数据。将如此多的数据发送到云是不安全、不必要和不切实际的。

不安全是因为在这个场景中,边缘计算的感知、思考和行动属性必须以超低延迟实时完成,以确保乘客和公众的安全操作。在经过城市街道和高速公路时,将数据发送到云进行分析和决策后,返回给自动驾驶汽车将会导致灾难性的结果。例如,汽车在道路上正常行驶,突然有一个儿童出冲进了道路中间,在这样的情况下,决策和后续启动需要低延迟(汽车现在需要刹车!)。没有必要将所有数据发送到云端,因为这组特定的数据只具有短期价值(避免汽车撞上儿童)。该数据的启动及响应速度至关重要。将从传感器生成的大量数据传输到云再返回是不切实际的。

关于边缘计算的其他应用

边缘计算技术的应用行业不仅限于智能制造和自动驾驶汽车,还包括金融和零售。这两个部门都使用大量客户和后端数据集来提供从股票市场选择到店内服装放置的所有信息,并且可以从较少依赖云来处理数据中获益。零售业可以使用边缘计算应用程序来增强客户体验。虽然如今许多零售商都专注于改善店内体验,但优化收集和分析数据的方式是有意义的,特别是当许多人正在尝试使用连接镜和智能显示器时。此外,许多人使用从店内平板电脑生成的销售点数据,然后将其传输到云或数据中心。通过边缘计算,可以在本地分析数据,减少敏感数据泄漏的可能性。

责任编辑:张迪