考慮到邊緣計算和物聯網之間的關系，將會產生物聯網的子類別——工業物聯網。如今，工業物聯網的邊緣計算用例日趨成熟。

　　工業部門通常是制造業和能源等企業的廣義術語(例如重型機械制造廠或發電廠)，該行業實際上在邊緣概念上領先一步：工業SCADA系統。簡而言之，這些都是獨立的本地控制系統，負責本地的各種關鍵工業和其他流程。因此可以將這些視為現代邊緣架構的前身。

　　Insight公司首席架構師Andrew Nelson說，“工業SCADA是一種邊緣形式，以某種方式已經存在了30多年。如今，大多數設施都配備了一些隔離控制系統。事實上，他們通常有多個這樣的系統和流程，而邊緣計算部署越來越有可能增加甚至取代它們。”

　　工業環境本身基本上是邊緣位置，這意味著它們通常遠離集中式數據中心或云平臺。因此它們適合日益增長的邊緣采用。海洋中的石油和天然氣鉆井平臺似乎符合任何人對“邊緣”的定義。

　　在這一點上，工業部門處理固有的困難站點：邊緣計算用例與倉儲或物流等其他環境重疊，但通常環境更惡劣。

　　所有這些都使工業部門成為一個很好的邊緣用例。那么工業部門的首席信息官和其他IT和業務領導者如何考慮和實施邊緣基礎設施和應用程序?

　　首先，Red Hat公司技術布道者Gordon Haff提供了一些宏觀背景：工業邊緣計算基本上有兩個主流。

　　Haff說，“一方面，傳感器數據通常是過濾和聚合，從運營/車間邊緣層流向核心;另一方面，代碼、配置、主數據和機器學習模型從核心(開發和測試發生的地方)流向工廠。”

　　這對各個行業的邊緣戰略有很大影響。邊緣到核心是IT領導者需要決定哪些內容需要實際存在于邊緣，以及哪些內容可以或應該保存在集中式云平臺或數據中心中。

　　Haff說，“我們的想法是，如果可能的話，通常希望集中管理，但在需要的時候保持分散管理。例如，可能不允許敏感的生產數據離開現場，或者需要保護正在運行的工業流程免受與工廠外網絡問題相關的任何中斷的影響。”后者是SCADA連接的重要組成部分，這是因為在許多工業環境中，意外停機不被允許。

　　從核心到邊緣的流程主要是關于運營的健全性和效率。與一般的邊緣架構一樣，不能期望每次需要在邊緣位置更新配置或修補系統時都讓IT專業人員來解決。Haff說，“在工業領域，可能有數百家工廠運行著數千個流程：自動化和一致性是關鍵。”

　　Red Hat公司技術布道者Ishu Verma補充說，核心到邊緣是企業如何將他們在云平臺或內部部署應用的相同實踐和技術擴展到其邊緣節點的方式，即使在最嚴酷的工業環境中也是如此設置。

　　Verma說，“這種方法允許企業將新興技術的最佳實踐擴展到邊緣——微服務、GitOps、安全等。這允許使用與集中式站點或云平臺相同的流程、工具和資源來管理和操作邊緣系統。”

　　制造業和能源領域的邊緣計算

　　在這些雙向流中，以下是工業領域使用邊緣計算的四個場景。

　　(1)實時簡化操作

　　那些傳統的SCADA和其他控制系統就像許多其他領域的單片或遺留應用程序一樣重要，但在現代環境中使用起來并不特別容易或靈活。

　　Nelson說，“傳統的SCADA和控制系統基礎設施往往是封閉的，并且是特定于供應商的。物聯網/邊緣部署可以幫助在單一控制平臺中進行實時操作，而不是在系統之間跳轉。”

　　監控和預測性維護是該類別中的一個很好的例子：工廠中的傳感器和儀表可用于實時操作，并幫助工業運營商更好地規劃何時需要進行關鍵維護和其他工作。由于出現數據孤島，在過去這很困難，這對許多企業的首席信息官來說都是一個常見的挑戰。

　　Nelson說，“許多工業設施將擁有多個控制系統，這些系統可能集成也可能不集成。物聯網/邊緣用例可以跨系統提取數據，關聯事件并預測故障。”

　　(2)在工業現場運行AI/ML工作負載

　　減少或消除延遲是邊緣計算戰略的主要驅動力之一。這對于人工智能和機器學習應用程序，以及其他需要數據和大量數據才能有效的自動化來說尤其如此。

　　工業物聯網中存在巨大的AI/ML和自動化潛力，但也存在巨大的數據和延遲影響。

　　Iterate.ai公司首席技術官Brian Sathianathan表示：“讓智能機器在邊緣無縫工作需要大量數據。良好的人工智能需要數據。偉大的人工智能要求大量數據，而且需要立即獲得。”

　　在上述來自Red Hat公司的Haff描述第一個數據流的場景中，這可能會成為問題：傳感器數據從邊緣流向核心。

　　Sathianathan說：“我在制造設施中看到過這樣的情況：工廠中的機器人通過本地網絡傳輸‘太多’的數據，然后一直到云端再返回。這種做法并不理想，因為正如制造業公司的首席信息官所知，必須立即做出決策才能有效。”

　　如果延遲是一個問題，那么實際的停機時間就是一個致命的殺手——尤其是在工業環境中(例如，數據中斷或網絡問題可能導致天然氣管道關閉)和制造等相關領域。

　　雖然在標準IT環境中，一些停機時間通常是可以接受的，但在制造業中卻并非如此。由于邊緣應用程序不穩定而停止生產線的成本可能達到每分鐘幾十萬美元，因此根本沒有出錯的余地。

　　在邊緣保留必要的數據將是使邊緣計算與AI/ML用例相結合的推動因素，并最大限度地減少Sathianathan所描述的“數據過多”場景。

　　(3)改善能源管理

　　擁有可以自動監控和優化工業場所能源消耗的邊緣應用程序不僅能夠提高工作效率，還可能提高企業的收入。

　　Insight公司的Nelson說，“在制造和工業應用中監控能源使用和控制負載有很大的推動力。在工業領域，只需在高峰時間關閉或計量電力負載，就可以節省大量成本。”

　　事實上，工業組織中不斷上升的能源消耗和成本是一個很大的問題，以至于它成為2021年會議演講和論文的主題：工業設施的邊緣計算能源管理系統。

　　首席信息官和其他IT領導者當然可以理解它的收入：設計一個能夠根據價格波動自動調整和優化能源消耗的邊緣應用程序可能是一個真正推動發展的用例。

　　該報告的作者寫道，“降低電力成本已經成為亟待解決的問題，與此同時，連接設備的遠程監控和被推到監控設備邊緣的智能在工業物聯網中變得至關重要。”

　　(4)加強員工安全和現場安全

　　在這里將看到一種模式：工業邊緣/物聯網用例依賴于這些環境中的大量傳感器和其他機器。但這不僅與機器有關，還與人員有關。Nelson表示，工業優勢也具有重要的員工安全和現場安全可能性。

　　Nelson說：“跟蹤員工和承包商并在他們不在應該工作的地方時發出警報對于安全和安保來說是一件大事”。

　　與許多邊緣應用程序一樣，這是一個通常涉及或與其他技術(如AI/ML)集成的類別。這也是一種看似低技術的設備(例如無處不在的員工ID徽章)可以進行現代改造。

　　Nelson說，“計算機視覺、RFID和BLE都可以在這個用例中使用，建立安全徽章閱讀器和安全攝像頭是一種有用的集成。”

　　或者嘗試另一種普遍認可的安全產品，它早于邊緣、云計算以及人們所知道的數字計算：安全帽。

　　Nelson說，“他們制造了帶有內置傳感器的安全帽，可以通過WiFi接入點對這種用例進行跟蹤。”