它不是边缘与云 - 它都是

超过三分之一（39％）的制造商响应一直在使用边缘/雾或云计算技术一到两年，并投入48％的计划在方案中明显更长（三年或更长时间）。只有12％的受访者刚刚开始使用边缘/雾或云计算，在过去一年或更少年度上发布举措。

边缘计算是生产/制造数据分析应用程序的流行路径，由一半以上的受访者（52％）引用，而设备数据分析 - 用于容量或整体设备有效性（OEE） - 使用该计算模型略微减少牵引力，只有20％的受访者引用。与云相比，边缘（18％）和雾计算（27％）不太可能成为企业有效性分析的优选范式，这是36.5％的受访者所引用的。

无论部署模型如何，制造商都已经看到了这些初始IIOT部署的好处。一半的公司发射边缘/雾或云计算IIOT计划报告了停机时间的重大减少。与此同时，38％的人享有可衡量的改善，生产产量有37％的盈息，调查发现，37％的盈息盈利能力增加，30％突出了生产成本下降。

虽然没有单一的推荐路线，但工业物联网的部署遵循典型的推出模式:第一阶段通常以云为中心，托管核心企业分析应用程序，以评估工厂在质量问题上的性能，或进行资产优化，以减少生产停机时间。在此基础上，制造商投资于新的边缘计算技术，或改造具有智能和连接能力的传统自动化系统，以推进部署的第二阶段，这包括直接在资产运行点进行近实时的详细分析。最终，作为提供额外存储和计算可伸缩性以及收集和分析特定工业资产或单个工厂运营之外的数据的一种方式，云被循环使用。

“To enable digital transformation, you have to build out the edge computing side and connect it with the cloud—it’s a journey from the edge to the cloud and back, and the cycle keeps continuing,” says Tony Antoun, senior vice president of edge and digital at通用电气数字．“您需要丰富并提高业务并利用此虚拟生命周期内的不同点。”

自然进展

Antoun介绍了三种常见的IIoT部署场景。在其中一个系统中，受监测的工业资产向基于云计算的商业智能工具、仪表盘和资产性能管理软件发送信号，以跟踪机器的健康状况，并触发基本的红灯和绿灯警报，以更有效地管理正常运行时间和性能。第二种情况是，这些相同的应用程序在边缘具有额外的处理能力，以触发机器水平上的操作，例如，打开或关闭阀门或重置执行器，以提高性能或解决可能导致不必要停机的问题。在第三种情况下，边缘分析有助于避免不必要的带宽，增强安全性，并在机器级别上启动近乎实时的响应，但结果也被推到云上，并与其他数据合并，以获得额外的企业级可见性和机器学习支持的洞察力。

边缘计算和云计算之间的选择取决于制造商想要完成什么以及他们想从哪里开始。以加法制造打印机为例，该打印机用于为飞机引擎制造关键部件，Antoun将其描述为边缘计算方法的自然候选。利用边缘技术，在操作点收集和分析数据，以确定打印机是否在生产前正确对齐，允许任何必要的调整，从而避免成本高昂的返工。

一个不同的例子中，离岸风力涡轮机农场用100个单位，其中陈列柜云计算是一种天然的发挥。在这种情况下，边缘处理被挖出以对各个风力涡轮机进行临界调整，但云聚合来自整个船队的信号，并将其与天气数据相结合，以支持自动校准涡轮机速度和刀片放置以获得最佳舰队性能的算法。

“工厂正在以不同的速度移动，从不同的角度移动，”安诺克解释说。“雾和云和边缘是不同的方法，但他们并没有互相否定。他们实际上在Iiot进化的不同地方相互补充。“

考虑到已经可用的各种应用程序，IIT应用程序的IIOT应用程序的强度在于计算和存储容量的无限可扩展性以及在部署分析方面。The cloud is also a way for manufacturers with brownfield environments to take a spin with IIoT applications at less expense and disruption, given the longevity of programmable logic controllers (PLCs) and other automation technologies, which simply can’t support edge analytics without a costly and disruptive retrofit, notes Matt Vasey, director of IoT business development at微软和一个董事会成员OpenFog Consortium.，促进和标准化雾计算技术。

远程监控和预测性维护应用程序是云部署的自然目标，因为不需要实时响应层状．他说:“如果你正在进行数据收集，比如通过感知温度来进行红光和绿光操作，那么从云端开始是有意义的，因为这样更容易，而且不会潜在地影响生产线或商业模式。”“另一方面，边缘应用往往更实时，任务更关键，所以你不应该首先接手这类项目。”

边缘计算发光时需要实时latency-free行动在源机器或接近操作员,当您想要应用机器学习的力量在一个工业背景下,解释了朗达Dirvin,另一个OpenFog协会董事会成员兼物联网、嵌入式系统手臂这是一家半导体和软件设计公司。她以机械臂为例，说明边缘方法比云部署更受青睐。她解释说:“在工厂环境中，延迟是一个问题——你必须在本地做出决定，而你没有时间将数据发送到云端。”

FOG创造了一个新的和改进的边缘

雾计算是工业物联网体系结构的另一个吸引人的元素。虽然许多人可以交替使用雾和边缘计算，但专家认为雾是边缘计算的超集，也是为了将智能推向更接近数据来源的地方。雾处理能力不是驻留在设备级别，而是驻留在局域网(LAN)级别，允许对来自多个资产的数据进行聚合、过滤、预处理，并最终使用MQTT或HTTP等协议安全地传输到云。

对此方法的一个好处是更好的安全性，因为在传输到云之前的数据被聚合，因此欺骗或数据漏洞的限位或机会较少。“我们正在利用边缘和雾的建筑来大大提高安全性，并尽量减少被推到云的流量，”施耐德电气信息解决方案副总裁Jim Chappell表示，这是其合并的一部分Aveva.提供全套工业软件。“我们希望能够在云中完成所有内容，但是边缘是在延迟，带宽和安全性方面优化云体验的手段。”

雾计算不仅借助于安全性并减少了失败点，而且它还在打破“PLC炼狱的Logjam”时弥补了IT / OT划分，解释说：首席执行官大卫王解释道Foghorn Systems.该公司称其平台是专门为资源受限的边缘设备(如plc、网关和工业pc)设计的工业级分析平台。

“奥特一直在闭环自动化世界的最后几十年，而IT世界主要有无限计算，”国王解释道。“当你开始崩溃两者时，雾计算的目的是用作OT和IT之间的桥接层。这是一个更高阶的计算能力层。“

Foghorn的技术在实时数据上采用复杂的事件处理（CEP）分析，以在边缘提供云的计算能力，而不是简单地使用边缘智能来收集和预处理数据，然后在传输到云以进行复杂的机器学习分析。“我们从边缘玩家看到的很多东西都没有真正做任何事情，而不是收集和规范化数据并将其放在其他地方进行沉重的举重，”国王说。“我们已经转过了它的头脑上的那个模型 - 我们可以提供相同的容量，否则在云范围内的一小部分云中否则会在云中做出相同的容量。”

在硬件方面，惠普企业（HPE）也翻转了典型的边缘或雾计算的模型，利用其企业级服务器，内存和存储技术来创建Edgeline融合边缘系统。这家系统可以在边缘处理最尺寸的数据中心分析和机器学习处理，为边缘提供IIOT应用，为实时处理支持基础，这将赋予新类型的工业，基于EDGE的应用，副总裁汤姆布拉迪奇表示and general manager for HPE’s servers, IoT and converged edge systems.

King说，即使在边缘计算能够进行数据中心级处理的情况下，通往工业物联网的决斗路线仍将协同工作。云成为所有资产的全局存储库，它也是为支持工业物联网的应用程序精炼和更新模型的过程的中心。他解释道:“即使在这里，也不是边对云，而是边对云。”“我们认为，在工业背景下，(人工智能)意味着永久性的、迭代的从边缘到云的机器学习，以自动化更新模型的过程。”