工业物联网自主化关键在于雾运算

　　工业物联网（IIoT）将原本独立编程的各种装置，全结合在同一个智能网络系统。这些系统通常具备实时运算、资料互连、资安集成、高性能、可靠、可扩充等能力。由于当前采用的云端解决方案仍有不少限制，因此有越来越多先进且高价值的IIoT使用案例，开始从云端转向雾运算（fog computing）。

　　Embedded Computing Design报导指出，IIoT的演变，根据资料互连性与人工智能（AI）程度的不同，可分为监控、最佳化与自主性三个层级。监控包含了等预测性维修、资产追踪等资产绩效管理工作。这个层级的资料只是从边缘流向后端云端或控制中心，彼此间并未产生互连性。人工智能与先进分析都只在后端运行。

　　这个层级的使用案例重点，在于流程的最佳化，也就是利用传感器撷取的资料，监控并改进整个工业流程。随著传感器使用数量提升，为减少传输至后端的资料量，系统开始产生边缘分析的需求，而边缘分析也将持续提升流程的P2P资料互连性。如此一来，IIoT系统便具备资料互连性与分层的运算功能，而这都需有雾运算的支持。

　　进入自主性层级的IIoT，主要利用AI管理系统，不再需要人为介入。各项决策权与控制将依据反应时间要求与资料规模，分配到IIoT系统的不同阶层。这个层级的实时资料会在各个运算节点间移动。如果没有雾运算，系统便不可能拥有自主性，而透过雾运算，业者便能开发出更有弹性、韧性的自主化系统。

　　举例而言，离岸风力发电农场引进物联网技术后，每座风力发电机内的数据总线（databus）便可在各个运算节点的分析与控制应用间进行资料分享。当安装在某一座风力发电机的传感器侦测到风向或风力变化时，便可通知其它下风处的风力发电机做出调整，以维持整座风力发电农场的稳定输出。

　　发电农场的资料也可在传回至后端的控制中心后，与气象、集成业务系统等其它服务结合，产生长期的预测及分析资料。监控层级的IIoT并无部署雾运算的必要，但对于最佳化使用案例而言，雾运算可说是十分理想的功能；对于自主性使用案例，雾运算更是关键。

　　以Linux容器等灵活的运算框架有助于简化AI应用的部署与管理，而资料分散式服务（DDS）等连网标准，是最佳化与自主性使用案例达成资料互连性不可或缺的基础。