工业物联网采用的云端解决方案_从云端转向雾计算

物联网

763人已加入

描述

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、数据互连、资安整合、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,开始从云端转向雾计算(fog computing)。

Embedded Computing Design报导指出,IIoT的演变,根据数据互连性与人工智能(AI)程度的不同,可分为监控、优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。这个层级的数据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,在于流程的优化,也就是利用传感器撷取的数据,监控并改进整个工业流程。随着传感器使用数量提升,为减少传输至后端的数据量,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数据互连性。如此一来,IIoT系统便具备数据互连性与分层的运算功能,而这都需有雾计算的支持。

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数据规模,分配到IIoT系统的不同阶层。这个层级的实时数据会在各个运算节点间移动。如果没有雾计算,系统便不可能拥有自主性,而透过雾计算,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数据分享。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,便可通知其他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。

发电农场的数据也可在传回至后端的控制中心后,与气象、整合业务系统等其他服务结合,产生长期的预测及分析数据。监控层级的IIoT并无部署雾计算的必要,但对于优化使用案例而言,雾计算可说是十分理想的功能;对于自主性使用案例,雾计算更是关键。

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,而数据分布式服务(DDS)等连网标准,是优化与自主性使用案例达成数据互连性不可或缺的基础。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分