工業(yè)物聯(lián)網(wǎng)(IIoT)對工業(yè)企業(yè)有很多好處，能為其帶來寶貴的商業(yè)見解，提高效率及生產(chǎn)力等。但隨著企業(yè)開始采用IIoT策略，圍繞這些實施的成本帶來了新問題，尤其是應采用哪里種運算的問題。答案是，云端運算和邊緣運算對成功的IIoT框架不可或缺，但成本和投資回報率將決定其個別作用。

據(jù)報導，一般認為云端運算為IIoT的支柱。向云端發(fā)送數(shù)據(jù)對大多數(shù)公司來說是流行而正確之舉。內(nèi)建傳感器的設備會將數(shù)據(jù)傳輸?shù)皆贫?，再由云?a target="_blank">機器學習引擎加以分析，產(chǎn)生可操作的見解。這些見解讓企業(yè)能進行簡化生產(chǎn)、提高質(zhì)量，至至于改進維護等優(yōu)化。

但企業(yè)要全面實施IIoT時可能會遇到問題。在云端利用分析和無線連網(wǎng)時，成本會迅速升高。云端模型的本質(zhì)是按使用付費，這意味著成本會隨著時間推移而改變。有些方法可緩解這種情況，包括轉(zhuǎn)向更多的營運支出(OPEX)模型。

另一種方法則是使用內(nèi)部基礎設施和閘道器，引進邊緣運算。隨著企業(yè)持續(xù)推動其IIoT策略并開始取得進展，他們將意識到云端基礎架構(gòu)僅為IIoT方程序的一部分。

營運商發(fā)現(xiàn)，當涉及實時運算需求時，某些流程無法推送到云端。由于成本和延遲問題，他們開始將越來越多運算推向網(wǎng)絡邊緣。這也有助于解決自動化行業(yè)營運技術(shù)人員面臨的另一個挑戰(zhàn)，亦即網(wǎng)絡安全的持續(xù)威脅。

向工廠外傳輸數(shù)據(jù)堪稱工業(yè)自動化領(lǐng)域面臨的最大挑戰(zhàn)之一。邊緣運算平臺可充當多個傳感器的本地儲存點，實現(xiàn)更多實時反饋的分析，并執(zhí)行預處理，因此僅需將必要數(shù)據(jù)發(fā)送到云端。若數(shù)據(jù)是從多個傳感器點所收集，則這種混合方法還可減少攻擊面的數(shù)量。

邊緣系統(tǒng)支持廣泛的應用，包括小規(guī)模、本地化的監(jiān)控及資料擷取(SCADA)、人機接口、歷史資料庫和瘦客戶端，并以具競爭力的價格提供。它們收集的數(shù)據(jù)可用于車間的實時分析以改善操作，包括先進的過程控制、質(zhì)量檢查和預測性設備故障。邊緣設備還可將某些信息上傳到控制系統(tǒng)，并將云端用于資產(chǎn)績效管理、后處理分析或規(guī)畫。

事實上，在邊緣和云端之間找到適當平衡將是IIoT框架的成功關(guān)鍵。透過使用適當工具，企業(yè)也將看到寶貴的投資回報。企業(yè)須了解數(shù)據(jù)是IIoT實施中的關(guān)鍵資源。數(shù)據(jù)差距可能會對本地和云端分析產(chǎn)生不利影響。若想確保數(shù)據(jù)能從收集，儲存、維護和安全角度獲得充分保護，就得從投資回報運算中的人力和風險角度進行評估。

例如，企業(yè)在為IIoT確定最佳工具時，需考慮到隨著運算能力和應用靠近工廠車間，將缺乏能解決問題的專業(yè)人員。這意味著系統(tǒng)要易于安裝，而且容易由本地化操作技術(shù)人員維護，因為這些新型邊緣環(huán)境大多在IT支持領(lǐng)域之外。