工业环境非常适合采用边缘计算技术。人们可以了解工业IT领导者实施边缘基础设施和应用程序的一些真实案例。
考虑到边缘计算和物联网之间的关系，将会产生物联网的子类别——工业物联网。如今，工业物联网的边缘计算用例日趋成熟。
工业部门通常是制造业和能源等企业的广义术语(例如重型机械制造厂或发电厂)，该行业实际上在边缘概念上领先一步：工业SCADA系统。简而言之，这些都是独立的本地控制系统，负责本地的各种关键工业和其他流程。因此可以将这些视为现代边缘架构的前身。
Insight公司首席架构师Andrew Nelson说，“工业SCADA是一种边缘形式，以某种方式已经存在了30多年。如今，大多数设施都配备了一些隔离控制系统。事实上，他们通常有多个这样的系统和流程，而边缘计算部署越来越有可能增加甚至取代它们。”
工业环境本身基本上是边缘位置，这意味着它们通常远离集中式数据中心或云平台。因此它们适合日益增长的边缘采用。海洋中的石油和天然气钻井平台似乎符合任何人对“边缘”的定义。
在这一点上，工业部门处理固有的困难站点：边缘计算用例与仓储或物流等其他环境重叠，但通常环境更恶劣。
所有这些都使工业部门成为一个很好的边缘用例。那么工业部门的首席信息官和其他IT和业务领导者如何考虑和实施边缘基础设施和应用程序?
首先，Red Hat公司技术布道者Gordon Haff提供了一些宏观背景：工业边缘计算基本上有两个主流。
Haff说，“一方面，传感器数据通常是过滤和聚合，从运营/车间边缘层流向核心;另一方面，代码、配置、主数据和机器学习模型从核心(开发和测试发生的地方)流向工厂。”
这对各个行业的边缘战略有很大影响。边缘到核心是IT领导者需要决定哪些内容需要实际存在于边缘，以及哪些内容可以或应该保存在集中式云平台或数据中心中。
Haff说，“我们的想法是，如果可能的话，通常希望集中管理，但在需要的时候保持分散管理。例如，可能不允许敏感的生产数据离开现场，或者需要保护正在运行的工业流程免受与工厂外网络问题相关的任何中断的影响。”后者是SCADA连接的重要组成部分，这是因为在许多工业环境中，意外停机不被允许。
从核心到边缘的流程主要是关于运营的健全性和效率。与一般的边缘架构一样，不能期望每次需要在边缘位置更新配置或修补系统时都让IT专业人员来解决。Haff说，“在工业领域，可能有数百家工厂运行着数千个流程：自动化和一致性是关键。”
Red Hat公司技术布道者Ishu Verma补充说，核心到边缘是企业如何将他们在云平台或内部部署应用的相同实践和技术扩展到其边缘节点的方式，即使在最严酷的工业环境中也是如此设置。
Verma说，“这种方法允许企业将新兴技术的最佳实践扩展到边缘——微服务、GitOps、安全等。这允许使用与集中式站点或云平台相同的流程、工具和资源来管理和操作边缘系统。”
制造业和能源领域的边缘计算
在这些双向流中，以下是工业领域使用边缘计算的四个场景。
(1)实时简化操作
那些传统的SCADA和其他控制系统就像许多其他领域的单片或遗留应用程序一样重要，但在现代环境中使用起来并不特别容易或灵活。
Nelson说，“传统的SCADA和控制系统基础设施往往是封闭的，并且是特定于供应商的。物联网/边缘部署可以帮助在单一控制平台中进行实时操作，而不是在系统之间跳转。”
监控和预测性维护是该类别中的一个很好的例子：工厂中的传感器和仪表可用于实时操作，并帮助工业运营商更好地规划何时需要进行关键维护和其他工作。由于出现数据孤岛，在过去这很困难，这对许多企业的首席信息官来说都是一个常见的挑战。
Nelson说，“许多工业设施将拥有多个控制系统，这些系统可能集成也可能不集成。物联网/边缘用例可以跨系统提取数据，关联事件并预测故障。”
(2)在工业现场运行AI/ML工作负载
减少或消除延迟是边缘计算战略的主要驱动力之一。这对于人工智能和机器学习应用程序，以及其他需要数据和大量数据才能有效的自动化来说尤其如此。
工业物联网中存在巨大的AI/ML和自动化潜力，但也存在巨大的数据和延迟影响。
Iterate.ai公司首席技术官Brian Sathianathan表示：“让智能机器在边缘无缝工作需要大量数据。良好的人工智能需要数据。伟大的人工智能要求大量数据，而且需要立即获得。”
在上述来自Red Hat公司的Haff描述第一个数据流的场景中，这可能会成为问题：传感器数据从边缘流向核心。
Sathianathan说：“我在制造设施中看到过这样的情况：工厂中的机器人通过本地网络传输‘太多’的数据，然后一直到云端再返回。这种做法并不理想，因为正如制造业公司的首席信息官所知，必须立即做出决策才能有效。”
如果延迟是一个问题，那么实际的停机时间就是一个致命的杀手——尤其是在工业环境中(例如，数据中断或网络问题可能导致天然气管道关闭)和制造等相关领域。
虽然在标准IT环境中，一些停机时间通常是可以接受的，但在制造业中却并非如此。由于边缘应用程序不稳定而停止生产线的成本可能达到每分钟几十万美元，因此根本没有出错的余地。
在边缘保留必要的数据将是使边缘计算与AI/ML用例相结合的推动因素，并最大限度地减少Sathianathan所描述的“数据过多”场景。
(3)改善能源管理
拥有可以自动监控和优化工业场所能源消耗的边缘应用程序不仅能够提高工作效率，还可能提高企业的收入。
Insight公司的Nelson说，“在制造和工业应用中监控能源使用和控制负载有很大的推动力。在工业领域，只需在高峰时间关闭或计量电力负载，就可以节省大量成本。”
事实上，工业组织中不断上升的能源消耗和成本是一个很大的问题，以至于它成为2021年会议演讲和论文的主题：工业设施的边缘计算能源管理系统。
首席信息官和其他IT领导者当然可以理解它的收入：设计一个能够根据价格波动自动调整和优化能源消耗的边缘应用程序可能是一个真正推动发展的用例。
该报告的作者写道，“降低电力成本已经成为亟待解决的问题，与此同时，连接设备的远程监控和被推到监控设备边缘的智能在工业物联网中变得至关重要。”
(4)加强员工安全和现场安全
在这里将看到一种模式：工业边缘/物联网用例依赖于这些环境中的大量传感器和其他机器。但这不仅与机器有关，还与人员有关。Nelson表示，工业优势也具有重要的员工安全和现场安全可能性。
Nelson说：“跟踪员工和承包商并在他们不在应该工作的地方时发出警报对于安全和安保来说是一件大事”。
与许多边缘应用程序一样，这是一个通常涉及或与其他技术(如AI/ML)集成的类别。这也是一种看似低技术的设备(例如无处不在的员工ID徽章)可以进行现代改造。
Nelson说，“计算机视觉、RFID和BLE都可以在这个用例中使用，建立安全徽章阅读器和安全摄像头是一种有用的集成。”
或者尝试另一种普遍认可的安全产品，它早于边缘、云计算以及人们所知道的数字计算：安全帽。
Nelson说，“他们制造了带有内置传感器的安全帽，可以通过WiFi接入点对这种用例进行跟踪。”
