在工业物联网(IIoT)的世界里，围绕云计算和边缘计算的激烈争论掩盖了一个关键事实:制造商正在规划一条涵盖两者的路线，每条路线都是新的预测性维护和性能监控应用程序在旅程中不同站点的集成入口。
几乎一半的受访者（43％），最近自动化世界调查已经进行了更高的计算实施;只有一点（51％）就冒险进入云计算领土，作为其IIOR实现的一部分。雾计算，被认为是用于桥接传统运营（OT）世界的边缘计算的超集，也开始扎根，只有20％的受访者引用。
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。
边缘计算是为生产更受欢迎的路径/制造数据分析应用，引超过受访者（52％）的一半，而设备的数据分析，用于容量或总设备效率（OEE）-enjoyed稍小牵引与该计算模型，引的受访者不到20％。两个边缘（18％）和雾计算（27％）是不太可能与云，其通过的受访36.5％相比，引为企业效益分析的优选范例。
无论部署模式，制造商们已经看到这些初始IIoT部署的好处。公司推出EDGE /雾或云计算IIoT举措的半年度报告中的停机时间减少显著。同时，38％正在享受到产量可测量的改善，37％TOUT盈利能力增加，并且30％的突出的生产成本的减少，调查发现。
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．“你需要丰富和促进业务，并利用虚拟生命周期中的不同点。”
 |
| Edgeline convergence Edge System 1000提供数据中心级的计算和管理技术在边缘处，包括远程位置。资料来源：惠普企业 |
一个自然的过程
Antoun描述了三个常见的IIOT部署方案。在一个，敏感的工业资产向基于云的商业智能工具，仪表板和资产绩效管理软件发送信号，以跟踪机器的健康，并触发用于更有效地管理正常运行时间和性能的基本红色和绿色灯光警报。第二种情况在边缘处具有额外的处理能力，在边缘处于额外的处理能力，以触发机器电平的动作 - 例如，打开或关闭阀门或重置致动器以提高性能或修复可能导致不必要的停机的问题。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启动近实时响应，但结果也被推到云端并与其他数据合并以进行额外的企业级别可见性和启用机器学习的见解。
边缘或云计算之间的选择进场取决于什么厂商都希望实现的目标以及他们想去的地方开始。考虑用于构建用于飞机发动机，其Antoun先生描述作为边缘计算方法的自然候选关键部件的添加制造的打印机的例子。凭借先进的技术，数据收集和操作的角度分析，以确定打印机是否对准正确在生产之前，允许从而避免代价高昂的返工实时进行必要的调整。
一个不同的例子，一个有100个单位的海上风力涡轮机农场，展示云计算是自然游戏的。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。
“工厂以不同的速度，从不同的角度移动，”Antoun解释道。“雾、云和边缘是不同的方法，但它们并不相互否定。它们实际上在工业物联网发展的不同阶段相互补充。”
对于工业物联网应用来说，云的优势在于计算和存储容量的无限可伸缩性，以及在现有各种应用程序的情况下部署分析的便利性。Matt Vasey指出，考虑到可编程逻辑控制器(plc)和其他自动化技术的寿命，如果不进行成本高昂和破坏性的改造，它们就无法支持边缘分析，云也是拥有棕地环境的制造商以更低成本和更少干扰的方式尝试工业物联网应用的一种方式。物联网业务发展总监微软和一个董事会成员OpenFog财团，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云．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，半导体和软件设计公司。她举了一个机器人手臂，其中一个边缘的方法将在云部署所青睐的例子。“在工厂环境中，等待时间是一个问题，你必须做出本地决定，你没有足够的时间来发送数据到云，”她解释说。
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。
这种方法的一个好处是更好的安全性，因为数据在传输到云之前被聚合，所以有更少的针孔或欺骗或数据泄露的机会。施耐德电气(Schneider Electric)信息解决方案副总裁吉姆•查佩尔(Jim Chappell)指出:“我们正在利用边缘和雾的架构，极大地提高安全性，并将推到云上的流量降至最低。”施耐德电气是施耐德电气合并的一部分Aveva.提供完整的工业软件套件。“我们希望一切都能在云端完成，但edge是一种在延迟、带宽和安全方面优化云体验的手段。”
雾计算不仅促进了安全性，减少故障点，但它也弥合了IT / OT鸿沟，同时打破了“PLC炼狱的僵局，”公司首席执行官大卫·金，解释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的技术采用了对实时数据的复杂事件处理(CEP)分析，从而在边缘提供类似云计算的计算能力，而不是简单地使用边缘智能收集和预处理数据，然后将数据传输到云上进行复杂的机器学习分析。King说道:“我们所看到的许多边缘玩家所做的只是收集并标准化数据并将其带到其他地方去完成繁重的工作。“我们已经改变了这一模式，我们可以在源头上提供与云计算相同的容量。”
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。”
