如果你近期听到过“边缘计算”这一术语但并不确定你（或者提及本术语的某人）是否准确知道边缘计算对制造业以及一般工厂负责人（不仅仅是你）日常问题的影响, 你并不是唯一一个。
在与行业精英进行多次讨论后，我们意识到在制造业中，云计算和边缘计算之间存在很大的知识缺口以及与之相关的混淆问题。而这促使我决定在本文中对这两种计算进行说明。
毋庸置疑，边缘计算是目前最热门的流行语而且边缘计算之所以如此流行也有一定的正当理由。依靠纯计算架构似乎有一定的缺陷和限制，而这些缺陷和限制促使纯计算架构向进一步分布式架构方向转变，这种分布式架构中组合了云设备和边缘设备。
向执行更复杂云计算服务的过渡已经成为了采用先进技术的催化剂，因为这些先进技术会让用户的操作变得更好更快。云计算让制造业拥有了多项优势，但同时也使制造业出现了一些问题。有的人认为，云计算导致了一种充满风险的环境，在这种环境中，全球的大部分信息都掌握在少数大公司手中并由其管理，这些大公司拥有全球不计其数的相关数据。
此外，我们在数据和物理计算机之间创建的差距很多人不必依赖于本地化的解决方案，但同时也放慢了运营速度、引发了一些延迟、安全宽带等问题。而这些劣势会明显阻碍制造行业日常操作的顺利进行。
什么是边缘计算？
为了解决这些问题，边缘计算最初的目标就是从地理学角度拉近云计算的处理阶段。边缘基数依据的是特定的分布层次结构 – 分析、筛选、整理收集到的工业物联网（IIoT）数据并将其中有价值的数据发送到云。
参考——IIoT：工业物联网
下面是边缘计算为制造行业带来的几个核心利益：
- 减少延迟：当数据存储设施和计算能力与实际生产厂相距甚远时，一定会出现延迟问题，而这些问题主要取决于一些网络特征。虽然部分制造业应用允许延迟几秒，但也有很多制造业应用会因延迟而遭受重大损失。就质量问题指标而言，由于工厂人员无法在几秒之内检测到该指标，所以，他们不能及时做出响应。而边缘计算因其独特的架构使其能够最大程度地减少云计算中普遍存在的延迟情况。
- 改善可用性：虽然在某些案例中，网络可用性已经接近100%，但这仍然不够全面。本地化边缘设备始终都是可用的，这些设备负责收集内置设备、机器、机器人和传感器的实时数据并确保连续收集数据。
- 增强安全模式：上传到云中的数据类型和阶段都是预先定义好的，因此，有价值的信息、设计等数据 – 均可保存到本地存储中。此外，边缘计算架构的分布特性能够更加便利地实施安全协议。由于本地设备上处理的数据比传送回中央数据中心的数据多，因此，边缘计算还能随时减少风险数据数量。
- 更便捷的可扩展性 – 边缘计算将物联网（IoT）设备和边缘数据中心组合在一起，从而为可扩展性提供更低廉且更容易访问路线。由于每个新增的边缘计算可处理设备都不会大幅增加网络核心的宽带需求，所以使用这些设备能够减少增长的成本。
- 缩减存储和宽带成本：本地数据整理和智能工业物联网（IIoT）筛选能够改善响应能力并将从传感器中收集到的相关且有价值的信息发送到云。
边缘计算与工业4.0制造 – 建立关系
简单来说，制造业从学习手动收集数据发展到通过自动收集数据减少工作量，然后演变到自动收集众多实时数据，最终发展现在利用计算机帮助我们预测未来并根据相关数据做出明智的最优决策。
为此，制造商必须在图中绘制一个云。
而且制造商可以利用边缘计算解决方案获得云计算的各项优势，同时增添一个本地化处理层，防止数据过载、节约时间并保护信息。这是个重磅消息！
边缘计算如何影响制造商的日常工作呢？
由于制造商知道实时解决方案的价值以及故障产生的巨大影响，所以，制造商应立即看到边缘计算的价值。简化一项极其复杂的技术 – 应立即实施的信息，在远程云存储功能继续支持正在进行的多项任务时，利用边缘计算解决方案立即处理这些信息。
制造商应意识到边缘计算分布架构带来的下列利益：
- 响应转移和变化：制造业生产环境是不断变化的。边缘计算能够快速决策并更快地进行实时分析，允许制造商在生产车间发生问题后尽快作出响应。
- 预测性维护：在形成可靠的预测性维护过程中，通过边缘计算实现的新发现速度同样极具价值，其能够使制造商规避大量严重错误。
- 时间就是金钱：本文通篇都有提及延迟问题，这是有一定的原因的。各工厂必须尽可能地缩短时间，而边缘计算就是帮助工厂节约时间的一项最新技术。
- 存储也是金钱。云存储解决方案的成本比较高而且会明智地选择发送哪些数据可以降低成本并节约制造商的宝贵资源。因此，边缘计算技术可以更好地处理安全问题。
- 关联其他解决方案：之前我们已经提到过ERP等传统的数据管理解决方案而且边缘计算技术层可能就是我们一直期待的连接层，这个连接层主要用于在这些解决方案与工业4.0制造业最新技术发展成果（例如：Plataine）之间创建我们非常需要的协同作用关系。
向边缘计算过渡
为了拥有边缘计算的优势，制造商需要支持基于这项技术的软件应用。
但边缘计算不仅仅会为制造商们带来利益，同时也会带来一些挑战，而这些挑战主要集中在过渡阶段。虽然边缘计算最终会增加我们的安全和隐私水平，但不专业的过渡操作可能会导致一些漏洞并使网络遭受泄露和非法入侵问题。
除此之外，在完成部署后，一些边缘计算解决方案可能会增加配置管理成本。也就是说，制造商应时刻保持警惕并根据具体情况决定是否将某些信息发送到远程云基存储位置。就我们引入到企业中任何其他新技术而言，联合专业人士并实施智慧型解决方案能够减少损失并节约大量的时间和金钱。
Plataine的边缘计算解决方案
我们已经证明了AI制造解决方案在很多情况中的作用。这些解决方案有助于预测和响应变化、防止指令延迟、缩减生产成本、在更短的时间内迅速作出更智慧的决策等等。这些和其他利益并不是只有积极的理论影响，其还可转移到可以计算的具体投资回报率（ROI）中。
Plataine边缘应用允许进行本地化的智能制造数据管理与分析，其能够提供响应能力、成本效益、生产量等等。《复合材料世界杂志》刊登过这样一句话：
“不是要淘汰云计算能力，而是要将其分配到生产线中。缩短数据生成、处理和将数据反馈到IoT系统之间的差距能够减少滞后时间或延迟问题。将延迟问题降至最低水平是复合材料4.0生产线实时运行的关键。”
总结
就人工智能和物联网而言，与其他很多领域一样，边缘计算是制造业的发展方向。未来终将拥有这些解决方案的明智制造商不仅会拥有竞争优势，同时也会从智能数据分布和管理中受益。正确实施边缘计算解决方案能够使制造商克服目前正在面临的一些过渡期挑战并且能够使其更专注地将其业务发展到更高水平。
