組織很少為大規(guī)模物聯(lián)網(wǎng)和IIoT部署所涉及的數(shù)據(jù)海嘯做好準(zhǔn)備。分析師估計(jì)，在未來幾年中，將有416億臺(tái)聯(lián)網(wǎng)的IoT設(shè)備生成79.4ZB的數(shù)據(jù)。而且，大約25%的數(shù)據(jù)將是實(shí)時(shí)的，這增加了組織必須計(jì)劃和克服的挑戰(zhàn)清單的復(fù)雜性。
本文將重點(diǎn)介紹當(dāng)前物聯(lián)網(wǎng)項(xiàng)目中的關(guān)鍵差距、這些差距為何重要以及邊緣計(jì)算功能將如何增加物聯(lián)網(wǎng)可擴(kuò)展性并取得成功。
云的狀態(tài)
大多數(shù)現(xiàn)代組織都依賴于云和舊平臺(tái)的組合來滿足基礎(chǔ)設(shè)施需求。但是，由于數(shù)據(jù)傳輸和處理成本，分析云中來自IoT傳感器的原始數(shù)據(jù)通常既昂貴又耗時(shí)。云延遲、帶寬和安全性挑戰(zhàn)仍然是重要的障礙，特別是對(duì)于產(chǎn)生高保真原始機(jī)器和物聯(lián)網(wǎng)傳感器數(shù)據(jù)的工業(yè)行業(yè)而言。因此，組織經(jīng)常求助于使用縮減采樣或時(shí)間延遲的數(shù)據(jù)來平衡成本和及時(shí)性，從而容易遺漏數(shù)據(jù)異常。
盡管云是一種有效的數(shù)據(jù)建模和學(xué)習(xí)入口，但是由于傳輸和生態(tài)系統(tǒng)方面的考慮，它缺乏制造、石油和天然氣以及運(yùn)輸?shù)仁袌?chǎng)中的關(guān)鍵任務(wù)物聯(lián)網(wǎng)應(yīng)用所需的實(shí)時(shí)功能。
引入邊緣優(yōu)先部署
通過實(shí)施本機(jī)邊緣解決方案，組織可以在本地提取、豐富和分析數(shù)據(jù)，在清理的數(shù)據(jù)集上執(zhí)行機(jī)器學(xué)習(xí)模型，并提供增強(qiáng)的預(yù)測(cè)能力。邊緣計(jì)算對(duì)于需要實(shí)時(shí)功能的各種IoT驅(qū)動(dòng)的應(yīng)用至關(guān)重要。考慮工人的健康和安全監(jiān)控，包括溫度、面部防護(hù)和社交距離。安全問題或帶寬訪問受限的行業(yè)，例如采礦和車隊(duì)，也將從邊緣計(jì)算中受益匪淺。
請(qǐng)記住，邊緣優(yōu)先的物聯(lián)網(wǎng)計(jì)劃并不能消除所有云的參與。實(shí)際上，邊緣解決方案依賴于云環(huán)境的無限資源來訓(xùn)練和改進(jìn)現(xiàn)有的機(jī)器學(xué)習(xí)模型。對(duì)實(shí)時(shí)流數(shù)據(jù)執(zhí)行機(jī)器學(xué)習(xí)的邊緣設(shè)備必須定期檢查模型的準(zhǔn)確性和環(huán)境隨時(shí)間的變化。
隨著模型準(zhǔn)確性的下降，洞察力隨后被發(fā)送回云，其中包括代表異常活動(dòng)的數(shù)據(jù)，這些數(shù)據(jù)需要對(duì)當(dāng)前模型進(jìn)行重新訓(xùn)練。一旦對(duì)模型進(jìn)行了微調(diào)，它們就會(huì)被推回邊緣，從而形成一個(gè)恒定的閉環(huán)過程，從而產(chǎn)生質(zhì)量更高的預(yù)測(cè)見解，進(jìn)而改善資產(chǎn)績(jī)效、過程改進(jìn)和產(chǎn)品質(zhì)量。
通過實(shí)時(shí)運(yùn)行云邊緣版本的機(jī)器學(xué)習(xí)模型，組織可以從源頭上對(duì)感興趣的事件采取行動(dòng)，做出反應(yīng)和采取行動(dòng)。這可以利用每個(gè)生態(tài)系統(tǒng)的優(yōu)勢(shì)，確保物聯(lián)網(wǎng)、邊緣和云的和諧相互作用。此外，云邊緣混合解決方案可防止云鎖定，因?yàn)椴煌挠美梢詫⒁娊獍l(fā)布到一個(gè)或多個(gè)公共和私有云中。
物聯(lián)網(wǎng)的云優(yōu)勢(shì)
云邊緣混合計(jì)劃將實(shí)時(shí)物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)換為與生產(chǎn)效率和質(zhì)量指標(biāo)相關(guān)的可操作見解，運(yùn)營(yíng)經(jīng)理可以使用這些見解來減少計(jì)劃外停機(jī)、最大化產(chǎn)量并提高機(jī)器利用率。例如，使用邊緣云混合策略，工廠可以提高產(chǎn)品質(zhì)量。通過實(shí)時(shí)分析IoT傳感器數(shù)據(jù)，組織可以識(shí)別出超出先前定義的閾值和規(guī)則的任何值，構(gòu)建和訓(xùn)練機(jī)器學(xué)習(xí)模型以識(shí)別根本問題原因，并部署機(jī)器學(xué)習(xí)模型以自動(dòng)停止生產(chǎn)有缺陷的零件。
此外，邊緣云洞察力使智能建筑運(yùn)營(yíng)人員可以監(jiān)控能源使用并主動(dòng)修改運(yùn)營(yíng)，以避免因能源系統(tǒng)過度工作而造成停電。管理人員和運(yùn)營(yíng)商無需依賴純?cè)葡到y(tǒng)的延遲洞察力，而是可以實(shí)時(shí)訪問洞察力，從而更快地確定物聯(lián)網(wǎng)驅(qū)動(dòng)的建筑系統(tǒng)糾紛的根本原因，并最終減少總體停機(jī)時(shí)間。
