SCADA和边缘计算

维基百科的定义边缘计算作为“一种优化应用程序或云计算系统的方法，通过将应用程序的一部分、其数据或服务从一个或多个中心节点('核心')转移到互联网的另一个逻辑极端('边缘')，从而与物理世界或最终用户联系。”

在工业物联网(IIoT)的背景下，我们看到监控和数据采集(SCADA)等系统总是与数据源密切相关，如可编程逻辑控制器(plc)和传感器。但是由于要收集如此多的数据，SCADA通常也是其他企业系统(包括历史学家或云中的商业智能应用程序)的重要数据源。

在云计算中，使用Hadoop集群和gpu可以以合理的价格获得强大的计算能力，公司只在需要时才付费，而不是购买和维护大型基础设施。但是工业系统不能简单地转移到云上。它们通常需要较低的延迟和极高的可用性，因此在许多关键情况下，我们不会看到SCADA很快转移到云上。

但是要发展，SCADA如何作为最先进的边缘计算系统工作，为云系统提供有用的信息，同时为本地用户带来更多的智能资源?

有几种不同的体系结构可以帮助实现这种场景，它们通常依赖于开源软件、廉价硬件、低云成本和大量定制。例如，一种架构将使用SCADA系统作为云中的机器学习基础设施的信息源，例如TensorFlow．时间序列数据以及警报和事件可以用来训练模型来检测可能的故障。训练在云中进行，使用集群和gpu，但检测不需要在云中进行。如果检测导致SCADA警报，您可能不希望依赖于云。

一旦你有了一个训练好的模型，处理过程就可以回到边缘。SCADA系统或与之密切相关的其他硬件可以运行本地TensorFlow模型，以检测可能导致正在监视的资产出现故障的已知模式。这可以在简单的硬件上完成，如树莓派3或其他无风扇的ARM处理器的计算机。一旦检测到可能的故障，就可以使用MQTT协议将其发送到SCADA系统，从而向操作员触发警报。所有这些都发生在边缘，在一个安全、低延迟的本地网络中。

尽管SCADA系统还没有准备好运行像TensorFlow这样的软件，但是在相同的硬件或同一网络上的廉价计算机上，使用开源软件与现有的SCADA系统一起使用，上述场景已经成为可能。系统集成商也必须发展，因为这种场景需要密集的定制，需要的技能比自动化更与软件相关。另一方面，这样的场景也需要集成商具备特定的市场知识。

Mario Gonsales Ishikawa是scadaHUB技术的成员控制系统集成商协会(相)。有关scadaHUB的更多信息，请访问其配置文件工业自动化交换．