市场洞察提供商IoTAnalytics的研究表明，通过集成智能工具使边缘计算系统“智能”是该技术持续增长的关键驱动力。边缘分析是智能边缘解决方案的关键推动因素，通过支持低延迟、大容量数据操作来扩展其用例范围。长期以来，对更灵活、更具成本效益的运营的需求一直是制造公司的首要任务。根据工业自动化供应商横河电机2020年的一项调查，48%的受访者将生产力视为其数字战略的重点，40%的受访者将运营效率视为主要目标。大流行进一步增加了对自动化流程和技术的需求，以保持业务流动。疫情的持久影响是行业数字化转型的加速器。边缘计算在促进这种加速方面发挥着关键作用，但使边缘智能化对于保持其价值至关重要。边缘分析是直接从边缘收集、分析和处理从IIoT设备收集的数据的过程。通过尽可能靠近源头处理数据，边缘分析使制造商能够提高效率并加速创新。但是怎么办？访问机器数据大数据为工业4.0奠定了基础，但以正确的方式访问它继续对制造商提出挑战。工厂车间有许多不同的机器，它们都在收集可能提供有价值见解的数据。以正确的格式检索相关数据是制造商希望充分利用其边缘功能的第一个障碍。选择处理和使用哪些数据来触发本地操作以及将哪些数据发送到云端进行存储、模型训练和历史分析至关重要。然而，边缘分析控制的不仅仅是数据量。它还用于通过将不同的数据集转换为机器兼容性和比较的通用格式来协调数据。工厂车间有多代设备，都以不同的方式收集数据。许多不同的数据源——例如PLC、DCS、历史数据库和数据库——以及许多不同的协议——Modbus、MQTT、OPC、西门子和ABB——都需要以不同的方式处理。在边缘处理大量数据可防止云系统不堪重负，并显着降低相关成本。通过避免昂贵的入职服务，仅在云上处理和存储相关数据可以将成本降低高达99%。简化工业流程和解决数据访问问题是边缘分析为制造商带来的第一个好处，但如何充分利用收集到的数据将是下一个难题。全球市场分析师Forrester进行的研究估计，收集的所有数据中有60%至73%未用于分析。但是，实时利用数据可以提高机器性能并简化运营效率。在边缘分析数据使制造商有机会在数据生成时对其进行评估，并通过直接向机器部署操作以提高其性能来做出响应。例如，可以根据从工厂车间的下一台机器收集的数据即时修改机器的运行速度或分配的材料量。通过选择在边缘而不是在云端执行此操作，此应用程序成为可能。将数据保存在本地有助于在不同协议上运行的不同代设备之间进行有价值的机器对机器(M2M)通信，从而简化制造过程。此外，将数据保存在本地可以缓解行业范围内常见的安全和数据策略问题——分布式处理和算法，而不是数据。提高公司管理工厂车间的效率会影响每项业务运营——如果生产放缓或设备出现故障，整个供应链可能会发生重大中断。正如边缘分析可以在不将数据发送到云端的情况下连接机器和流程一样，它还可以将数据集成到企业资源规划(ERP)系统中。ERP系统是一种业务流程管理软件，可在一个地方管理公司的财务、供应链、运营、制造和人力资源活动。ERP系统越来越多地转向事件驱动架构(EDA)，它使用信息通过响应“事件”来实时连接业务功能。这些可以是从客户请求到传感器读数再到库存更新的任何内容。当事件发生时，基于事件的ERP系统使用一组规则来确保将相关数据发送到可能需要它的所有业务领域。现代事件驱动的边缘分析软件可以用作工厂车间和ERP系统之间的连接层，将相关数据实时发送到其他业务功能。这样，直接从工厂车间收集的数据可用于多个业务领域，以改进质量控制，满足产品需求的增长，并避免因计划外设备停机而造成的中断。边缘分析是充分利用智能边缘基础设施的关键技术。通过促进机器、流程和其他业务领域之间的实时通信以实现更高效的生产输出，边缘分析使制造商能够最大限度地发挥机器数据的潜力，从而不仅在工厂车间而且在整个公司的运营中提高效率。
