邊緣計算和云計算協同合作更能滿足工業物聯網的需求

云計算處于數據中心的核心網絡中，通過層層網絡設備搜集終端的數據，憑借強大的存儲和計算能力進行大數據分析。邊緣計算是指在貼近數據源的設備中的計算能力，進行實時、短周期數據的分析，能更高效地對本地數據進行實時智能化處理和執行，同時能夠緩解網絡中的數據流量和云端的工作量。

當海量的數據需要存儲、分析時，云計算更合適。比如需要大量數據輸入的人工智能離線訓練，這些數據要通過合適的訓練方法，驗證和完善人工智能算法模型。

邊緣計算可以說是對云計算的一種補充和優化。很多工業現場條件惡劣，設備分散，很難實時傳送大量數據，這個時候邊緣計算就更為適用。以風電場為例，具有邊緣計算能力的現場設備能夠實時地采集和分析數據，并能及時做出判斷，調整風機以收集更多的能量。因為整個過程都在本地完成，處理速度比采用云計算提升很多。

圖撲

工業移動應用會更加廣泛

移動終端設備在工業物聯網中的參與度逐漸提高，越來越多的廠商推出移動應用方案，進一步提升工作效率和效力。移動終端主要的應用方式有以下幾種：

(1) 遠程監控：使用 HMI 的移動應用，工作人員可以在任何時間和地點檢查現場設備和產線的運行狀態，并及時進行診斷和維護工作。當監控點離設備操作點較遠，或設備位于危險區的時候，移動應用提高工作安全性和效率的優勢更為明顯。

圖撲

在多臺設備都在運行同一套工序的情況下，工作人員在移動終端上就可以查看每臺設備的狀況，比跑到每臺設備前逐一查看更方便和高效。很多人認為個人移動設備不適合在工業環境下使用，所以，在 2017 年，除了推出了更多基于個人移動終端的應用，我們看到少數企業也推出了專門用于工業環境下的基于web的平板電腦，僅用來查看數據和信息。

(2)自動采集現場信息：工作人員可以將移動設備作為現場信息采集工具，通過專用的應用程序，直接掃描并上傳數據到后臺系統，這樣可以避免工作人員自己讀取和手工輸入信息過程中造成的錯誤。

圖撲

(3)信息發布和分享：將現場的人工流程在移動終端上數字化，信息的發布和分享將會極大簡化。比如工廠的管理員可以將發現的問題同時發布給所有相關人員，而不必逐一溝通。進而減少停機和維修的時間，最大化地降低損失。

如上文所述，工業物聯網的實踐對生產設備、軟件平臺、人員配備、以及資源都提出了很多新要求，工業自動化設備也要為此做好準備。以下是 IHS Markit 所觀察到的自動化設備層面已經發生或正在發生的變化：

數據采集能力：傳統工廠里使用的傳感器和執行器都是獨立工作的，現在越來越多的設備安裝了嵌入式的傳感器，比如泵、流量表、馬達、軸承等。

通信能力：越來越多的 PLC 和 HMI 產品都配置了通信接口，過去屬于高端產品的配置，現在已成為中端產品的標準配置。一些 I/O 模塊產品配置了無線通信能力。

數據處理能力：PLC 的數據處理能力進一步提升，能對現場設備中的數據進行篩選和簡單的處理，減少服務器和云端的負荷。智能 I/O 模塊具有簡單的數據處理和邏輯判斷能力。過去兩年，也推出了很多具有數據存儲和處理能力的物聯網網關。

圖撲

工業級移動設備：少數廠商推出了針對工業環境下使用的移動設備，比如基于 web 的平板電腦，僅能瀏覽網頁，用來查看現場產線狀態和信息。

控制系統結構扁平化：一些高端 PLC 產品和智能 I/O 模塊添加了物聯網網關的功能，可以直接將數據傳送到服務器或云端。智能傳感器也可以不通過 PLC ，直接通過物聯網網關將數據傳送到上層。新產品的這些功能將會加速工業控制系統構架的扁平化。

人工智能算法模塊：Rockwell 和 Omron 都在其 PLC 控制器中加入了人工智能算法模塊，通過對控制器中的數據流進行分析學習，人工智能算法模塊會快速建立模型，之后會持續監控運行數據發現異常，并報警。

設備本地化與云端結合：會有更多基于云的方案推出，HMI 和控制器等設備的部分非實時的功能將會被轉移到云端進行，這也更符合分布系統式構架的理念。

圖撲

工業

物聯網帶來的變化是指日可待的，所有的蛻變都需要一個陣痛期，科技的前沿尤其需要用最高的思維力來減輕這一陣痛，蒂蒙技術作為工業物聯網的見證者及協助者，始終保持創新，力求用最高端的思維及技術方案，減少工業物聯網過程中數據分布、協議處理、用戶體驗等問題。