随着物联网设备变得越来越普遍，边缘计算正在迅速进入各个行业。边缘计算最有前途的用例之一是在工业制造中，新技术可以在其中带来巨大的生产力提升。尽管工业自动化已经进行了几十年，但自80年代和90年代以来每年的生产力增长仍然相对较小。美国工厂平均有25年的历史，里面装满了将近十年的旧机器。但随着公司寻找投资机会和升级领域，由边缘计算驱动的新一代智能机器正成为希望将业务带入数字时代的公司的一个有吸引力的选择。什么是边缘计算？传统的云网络形成了用于收集和处理数据的集中式系统。数据由网络边缘的连接设备收集并传输回中央云服务器，服务器的计算资源在这里处理数据并将其分类和存储以备后用。在某些情况下，服务器会向网络边缘的设备发送指令。基于云的计算涉及大量动态数据。所有这些数据都在有限的带宽通道上传输，再加上传输距离所造成的延迟，会减慢整个系统的速度。在某些情况下，延误只是轻微的不便，而在其他情况下，它们会造成严重的问题。自动驾驶汽车无法承受几毫秒的时间让云端分析其传感器数据并告诉它在红灯时停车。边缘计算是一种分散处理负载的分布式开放架构。该设备不是传输在网络边缘收集的所有数据，而是在本地或更靠近数据源处理数据，这有助于避免严重的“最后一英里”延迟问题。（来自iothome）对于需要快速做出决定的设备，在本地处理数据可以让它们更快地做出响应。此外，通过本地分析，可以只将相关数据发送回云端服务器，以减少网络负载。为了更容易理解边缘计算，想象一下收费公路上用于计费的摄像头。在云计算架构中，摄像头拍摄车牌照片并将整张照片传输到云端，程序在云端对图像进行处理，识别车牌号码，并将号码记录到计费系统中，向车主收费。通行费。在这种安排中，由于所有图像都被传输，大量数据通过网络传输。在边缘计算应用中，摄像头会立即处理图像，识别车牌号，然后仅将该号码传回云端以开始计费流程。通过这样做，很少有数据流过网络，从而为其他应用程序释放带宽。此外，如果由于某种原因相机与服务器的连接丢失，它还允许相机继续分析数据。边缘计算在制造业中的好处对于工业来说，潜在的边缘计算用例非常重要。边缘计算可以大大降低互连系统的复杂性，使实时收集和分析数据变得更加容易。它还可以让设备在网络连接不稳定或成本效益不高的远程站点收集关键数据。可以在本地收集和分析数据，只有在网络连接可用时，关键数据才会传回中央网络。边缘计算和IIoT设备的结合将使简化工业流程、优化供应链和创建智能工厂变得更加容易。边缘计算将使工业设备能够在没有人为干预的情况下做出自主决策。传感器数据可以监控机器的健康状况，然后加快或减慢操作以优化使用。配备运动、温度和气候传感器的智能工厂可以调整照明、冷却和其他环境控制，以最有效地利用电力。这只是利用工业物联网设备的一长串边缘计算示例之一。预测分析可以确定组件何时会发生故障，确保可以在不损失生产力的情况下更换它们。对于正在扩大业务或推出新业务的制造公司而言，边缘计算应用程序的去中心化特性可以大大减少启动时间和成本。智能机器将能够在没有大型中央数据中心（基于云）的帮助下运行。由于数据可以在本地收集和分析，移动设备可以在现场设置，数据基础设施占用空间最小，这将有助于缩短供应链并在难以进入的市场创造机会。更准确的资产管理和更高的运营可见性将使制造公司能够识别需要改进的流程。边缘计算提供一种“始终在线”连接形式的能力将减少系统停机的可能性并提供更大的灵活性。这些和其他边缘计算应用程序也已进入农业领域，以大大提高效率和生产力。边缘计算还形成了机器学习网络框架，使机器人驱动的自动化制造成为可能。通过边缘网络收集和传输数据的机器人可以比基于云的架构更快地识别异常并消除低效率。系统的分布式特性也使其更加稳健，确保更高的正常运行时间和生产力。由于边缘计算的潜力，工业制造正处于一场革命的边缘。结合新一代智能物联网边缘设备，边缘计算应用程序将在未来几十年彻底改变制造业，以提高效率和生产力，同时控制成本。
