什么是工业物联网（IIOT）？它与边缘计算有什么关系？

　　IIoT：不仅是云计算
　　工业物联网（IIoT）通常与大数据和云相关联，从广泛分布的传感器中收集大量数据，将“信息转化为洞察力”。在一些工业流程中，洞察时间非常关键，而将数据发送到云端并接收响应的延迟时间可能过长。在其他情况下，数据安全性可能会受到影响，或者与互联网的快速，可靠连接可能无法使用。为了克服这些挑战，边缘计算可以补充云计算的大数据处理能力。它可以执行需要即时响应的计算密集型任务，并在适当的时候将数据存储和过滤到云中。边缘计算可以包含简单的数据过滤，事件处理，甚至机器学习等元素，并且可以托管在任何连接的设备上，从小型嵌入式计算机或PLC到工业PC或本地微型数据中心。从同一平台上运行的其他进程隔离并占用很小的空间是关键要求。
　　最大限度地提高数据的价值
　　IIoT的许多价值在于它可以汇集多种来源的信息，帮助企业看到更大的局面：如何改进流程，优化维护活动，减少浪费和能源消耗，并消除可避免的成本。以云为中心的IIoT视图可以看到使用重量级软件应用程序在远程数据中心汇集和分析的各种数据流。
　　这种模式的前提是可靠的互联网连接总是可用的，有足够的带宽可用于处理推送到云端的数据，而这种延迟 - 从数据生成到收到云端反馈结果的时间是可以接受的。但是，这些重要成分中的任何一种都可能会丢失。远程站点可能依赖蜂窝网络进行互联网连接，但覆盖范围可能不完整或不可靠。大量的传感器可能会产生大量的数据，这些数据与云通信的成本很高，特别是在包含高清图像或视频的情况下。出于安全原因或保持运行效率可能需要实时进行复杂决策。另一方面，对于一些公司而言，数据安全性可能会成为问题，因为这些公司可能不希望将敏感信息通过互联网传递到云端。
　　在任何这些情况下，将从流程或设备捕获的原始数据发送回云可能是不切实际的。尽管如此，在个别机器或过程控制逻辑层面上需要一些智能和决策能力，使企业能够确定最佳的行动方案。这是边缘计算的作用。
　　边缘计算提供了一个提升
　　作为IIoT的一部分，边缘计算越来越重要。在资产或流程附近实施计算能力的第一线，可以对事件进行智能或协调的响应，并有助于减轻云上的数据处理负担。在可能具有数十，数百甚至数千个传感器的系统中，来自这些传感器的大部分数据可能具有最小的价值，仅仅报告“正常”操作条件。智能网关可以过滤这些数据，并将其更有效地丢弃或重新打包，传输到云端进行存储和分析。当感兴趣的事件发生时，智能节点可以快速确定正确的响应，向连接的设备发出适当的指令，并将事件汇总成适合云消费的报告。与对来自少量传感器的信号的高度本地化响应不同，边缘计算与更协调的动作相关联，评估来自大量传感器的数据以在更高级别做出决定。例如，如果在钻井平台中检测到过度振动，则可以是采矿应用。从振动传感器接收到的错误信号的标准响应可能是停止钻井，导致生产损失和不必要的停机时间来检查和修理设备。由于计算能力更强，传感器输入和存储的历史数据更多，一个更强大的边缘计算设备可以评估对整个系统的影响，并确定几个可能的响应并计算结果，并采取最佳的行动方案或通知运营商的最佳选择。
　　而直接的传感器/报警组合没有具有板上数据聚集和处理的边缘计算设备的更大图像视角，边缘处理引擎可以评估从所有连接的传感器接收到的数据，并基于预先确定的优先事项。在制造业情况下，在流水线末端进行产品测试或检查后，故障率突然增加，可能需要停止生产以调查原因。连接到所有机器的智能边缘设备可以协调线路中所有设备的这种响应。或者，通过分析来自多台机器的感测数据并自动应用修复，或指导操作人员纠正问题，使生产能够快速有效地重新启动，可以识别变化的原因。
　　另外，边缘计算可以通过比较感测的测量结果与历史数据或预设的阈值来支持预测性维护来帮助数字化转换，以计算最佳的替换时间。它还可以对部署在因特网访问不可靠或覆盖率较差的地理区域的资产进行智能管理。如果网关设备暂时无法连接到云，则可以将数据存储在本地内存中，直到可以重新建立连接。然后，设备可以自动与云同步，确保远程应用程序始终可以访问完整和最新的信息。
　　效率管理是另一个方面，通过利用感测数据来调整和优化设置，根据高层次的能源管理政策，可以通过边缘设备的额外智能来增强。
　　实施：硬件和软件
　　边缘处理背后的原理是尽可能将分析智能与相关资产置于同一地点。由于边缘计算及其与云的关系仍然是一个正在进行的工作，因此定义和架构仍然非常流畅。由于物理空间或资源可能无法实现专用的边缘服务器，智能可能需要嵌入到现有的基础设施中，例如网关，PLC，工业PC或存在于连接的工厂侧的各种其他设备云（图1）。
　　
　　图1：在IIoT中，边缘计算在工厂资产和云之间插入数据捕获和存储，以及实时决策。
　　从本质上讲，边缘计算存在于单个机器控制系统的层面之上，在本地操作并补充云中托管的重量级应用程序的工作。 边缘应用程序可以执行一项任务，就像从多个渠道获取和存储数据一样简单，并在转发到云之前过滤数据。 更复杂的可视化将分析甚至机器学习带入边缘计算的领域，以实时生成智能响应。 实现这一复杂愿景所需的基本组件包括数据摄取，事件处理引擎，连接设备管理，用户应用程序以及安全数据传输到云（图2）。
　　
　　图2：FogHorn Lighting平台提供了边缘软件堆栈中包含的功能。
　　从第一原则出发，建立一个完整的智能边缘处理平台是一个巨大的挑战。另一种方法是采用与硬件无关的软件框架，该框架提供诸如事件处理引擎，设备管理和使用诸如MQTT轻量级消息协议或安全HTTPS之类的协议的安全流的基本构建模块。许多这样的框架正在到达IIoT现场，例如GE的Predix，思科的IOx以及FogHorn Systems的闪电平台。除了功能组件之外，这些软件包还提供各种软件开发工具包（SDK）以允许用户运行自己的自定义应用程序，以及有助于配置系统和定义分析功能的开发环境。这些框架还提供了管理边缘设备的工具，包括监视，控制和诊断。
　　像 Raspberry Pi Foundation的Raspberry Pi 3这样的轻便，资源友好的单板计算机可以为这种设备提供基础。事实上，通用电气已经展示了在这样的平台上运行的边缘设备的Predix机器软件。另一方面，能够访问网关设备或自动化系统中功能更强大的工业PC的工程师可以利用额外资源并计算性能来执行更复杂的应用程序。桌面级别的性能现在可以在经过验证的外形中使用，例如PC / 104，在VersaLogic Liger开发板等板上，该板采用可选的Intel i3，i5或i7（Kaby Lake）双核处理器，运行频率高达2.8 GHz。这些威廉希尔官方网站 板非常坚固耐用，具有MIL-STD冲击和振动阻力，可用于恶劣环境中的设备。通过多达八个本地数字I / O通道，一个用于进一步扩展的Mini PCIe端口以及一个高速SATA存储接口，这些主板可以承担复杂的自动化任务，并处理边缘处理工作负载。千兆以太网接口便于通过企业网关连接到互联网和云。此外，该主板还包含一个可信平台模块（TPM），该模块允许硬件密码加速并提供安全的密钥存储，使其成为需要高度抵抗黑客攻击的自治设备的理想选择。
　　软件容器（containers）
　　要在与自动化控制器或PLC相同的硬件上运行边缘计算引擎和应用程序，需要与其他软件分开运行。 使用容器（containers）已经成为一种流行的方法，它提供了类似于虚拟机的隔离，但更适合资源受限的设备。 容器镜像包含软件运行所需的一切。 但是，与虚拟机不同的是，容器虚拟化了操作系统而不是硬件，从而形成了一个更轻便的便携式解决方案。 也可以在容器中使用虚拟机来获得部署和管理应用程序的额外的灵活性。
　　
　　图3：容器提供了一种资源友好的方法来隔离网关，PLC或工业PC等设备上托管的边缘计算进程。
　　Docker框架被IoT解决方案开发人员广泛用于实现容器（图3），并向支持容器生态系统开发的Open Container Initiative（OCI）捐献了代码。要创建边缘计算解决方案，可以使用C / C ++或Java开发基于Docker的Linux应用程序，以捕获所需的数据，并通过所选软件平台中提供的SDK与分析引擎等边缘处理资源集成。
　　通过提供便捷的仪表板来管理连接的边缘设备，一个合适的软件平台允许开发人员专注于定制他们的应用程序来捕获他们需要的数据，并对检测到的事件作出适当的响应。边缘计算是软件开发平台以及交钥匙边缘计算设备进入市场的重要新产品开发的主题。
　　边缘计算是IIoT的一个额外方面，已准备好与云计算合作，为运营商和业务经理提供灵活性，以便在适当的时间获得他们所需的洞察力。通用电气公司（GE）已经估计，传统的自动化只使用大约3％的机器数据来产生有意义的结果。边缘和云计算如果同时使用，可以释放更多的剩余97％的价值，从而增强实时自动化并指导长期决策。
　　结论
　　通常将IIoT可视化为具有有限资源的智能小型设备的组合，与云计算的巨大计算能力相连接。随着越来越多的企业在更广泛的情况下依赖IIoT，一个更复杂的架构正在不断发展，其特点是在边缘具有智能，以补充云的力量。现在进入市场的软件解决方案使企业能够利用网关和传统的工业计算平台实时响应关键事件，保护安全性，并有效利用连接和带宽。