随着物联网的发展，工业生产设备所产生的数据量将更加多。如果这些数据都要放在云端处置，就必须无穷无尽的频谱资源、传输比特率和数据处理能力，“云”不免不堪重负，此时就必须边缘计算出来来承担云计算的压力。“我们收集到的数据，90%都是垃圾”，坐落于江苏昆山的某工厂老板感慨道，“去年365天的每时每刻，我们完全都展开了数据采集，收集到的数据却不告诉该如何利用。

与投放到收集数据的各种费用比起，我指出并不有一点。”一年的数据采集经历让这位老板对工业互联网失去了最初的热情，甚至产生了这样的疑惑：我们当前知道必须大量工业数据吗?“只要减少几个工人就能解决问题的问题，我为什么要费力去收集数据，去做工业互联网?还不一定有效果!”的确，无论工业物联网、大数据驱动、数字孪生这些概念说道的如何天花乱坠，在实际工业生产过程中，如果无法解决问题企业的核心问题——提升利润、降低成本，都不免是纸上谈兵。

虽然数据本身很最重要，但能必要解决问题的服务应用于对企业才更加有价值。当前，除了如何收集数据之外，绝大部分企业面临的关键问题是什么数据有一点采行?说白了，就是如何运用数据产生价值!我们告诉，工业数据的收集和传输基本都是“末端-管-云”的模式。在应用于的现场，“末端”负责管理搜集数据、继续执行指令，“管”切断数据的传输路径，而“云”负责管理所有的数据分析和掌控逻辑功能。

整套流程能否成功切断，对数据采集、分析、应用于能力至关重要。然而，随着物联网的发展，工业生产设备所产生的数据量将更加多。如果这些数据都要放在云端处置，就必须无穷无尽的频谱资源、传输比特率和数据处理能力，“云”不免不堪重负，此时就必须边缘计算出来来承担云计算的压力。比如一个公司，在规模小的时候，董事会可以对公司的管理超过事无巨细的程度，但是当公司发展到一定规模时，就必须给与一线员工适当的自律权力。

所以，在工业现场的边缘外侧展开数据采集、处置及传输的边缘计算出来网关分担着切断工业数据传输“任督二脉”的重任，再行与云平台展开融会贯通——边云一体化，最后利用大数据分析，赋能生产，才能充分发挥工业数据的确实价值。由此产生的两个关键问题是我们被迫面临的：一、在大量工业数据沉降的情况下，数据的有效性该如何确保?二、“边-云”一体化能给工业物联网带给什么价值?“外行看热闹，内行看门道”，关于这两个问题的答案，在工业物联网领域早已深耕17年的映翰通网络有充份的发言权。加码边缘计算出来，解决问题数据沉降的痛点Gartner《2018年十大战略技术趋势:从云到边缘》报告指出：到2022年，随着数字业务的大大发展，75%的企业分解数据将不会在传统的集中式数据中心或云端之外的方位创立并获得处置。

随着工业物联网的发展，必定不会经常出现更好的本地以备掌控和现场数据，面临这些渐渐激增的现场数据，该如何处置才能在确保其有效性的同时又增加云计算的压力?工业世界任何微小的提高都会带给相当大的优势;工业世界任何微小的故障也有可能带给相当大的损失——工业现场的很多数据“保鲜期”很短，一旦处置延后，就不会很快“变质”，数据价值呈圆形断崖式跌入，工业现场的数据处理可以称作“走钢丝”。此时，“边缘计算出来”之后充分发挥了不能替代的起到。如果把大脑比作云端，那么边缘计算出来就是神经末梢，对非常简单的性刺激展开自处置并将处置的特征信息反馈给云端大脑。尽管当前工业企业执着的核心问题是如何让数据赋能生产，产生价值。

但是也无法忽略该进程中后遗症工业企业多年的普遍性问题，数据处理的前置关键环节——如何收集数据?对于任何工业企业来说，挖出数据金矿的第一步都是收集数据，不讲数据采集的大数据分析是空中楼阁，没数据的工业云平台相等于无本之木。在有所不同的工业生产过程中，由于自动化产品品牌众多，工业模块多样化、工业协议不统一，所以看起来非常简单的数据采集并没那么更容易。除了数据采集，在数据处理运用方面，由于工业现场的数据面对着“保鲜期”很短，以及大量“垃圾”数据并不需要传送到云端的问题。

虽然从产业角度来看，边缘计算出来发展如火如荼，但从应用于角度来看，它还正处于落地的前期。边缘计算出来与云计算的融合才能确实反映工业数据的价值。

实质上，产业界早已认识到边云协同的重要性，并积极开展了大力的探寻。例如，华为在其HC2018大会公布的智能边缘平台IEF明确提出了边缘与云协同的一体化服务概念;西门子2018年公布了IndustrialEdge的概念，大体理念是通过云端部署IndustrialEdgeManagement构建边缘计算出来与云计算的协同，映翰通网络在今年的汉诺威工业博览会上，以边缘计算出来网关为基础，展出了“映翰通设备工业云(InHandDeviceNetworksCloud)+边缘计算出来网关(EdgeComputingGateway)”，构建边云协同。既然边云协同对工业数据如此最重要，那么怎么解读边云协同呢?边云协同处理数据的关键在于数据的融合。在工业场景中，一方面通过边缘计算出来必要运营动态分析算法，另一方面则利用边缘与云的协同，构建模型大大茁壮和优化，从而让边缘分析技术强化了平台动态分析能力。

当然，边云协同的能力与内涵落地到各应用于场景时其明确能力与关注点又不会有所不同，因为每种边缘计算出来业务形态对于与云计算协同的业务市场需求不尽相同。比如，在柔性生产的过程中，现代工业机器人的应用于更加普遍。

生产线上的机器人、机械臂的平稳可靠性对企业生产的经济效益确保意义根本性。工业机器人的大规模部署，工业机器人结构复杂、确保成本高对生产企业技术人员的确保能力明确提出了极高拒绝。

主要反映在，要在机器人再次发生故障之前检测到机器人机构部件、掌控装置等方面的出现异常，并警告用户在停机再次发生前展开有针对的确保修理，从而使停机时间增加为零，构建倒数生产。这里的核心点在于通过边云协同展开预防性确保，构建持续有效地的生产。

在云端，设备云可以汇聚工业现场动态生产数据展开集中于存储、分析、处置、预测，从网络管理、现场探接再行到感官与号召，可以大大提高运营和确保效率。结语：现如今，把数据比作石油从不过分，石油必须收集、运输、加工、萃取才能用于，工业数据某种程度如此。

边缘计算出来对收集的数据有更加强劲的洞察和分析力，边缘计算出来的应用于，边缘计算出来网关的部署则不会使数据产生的收益清晰可见，以求萌生工厂老板对工业数据的顾虑，工业互联网才能确实实施到“一线”中去。边云协同，对于ICT厂商、OT厂商、OTT厂商以及电信运营商都带给了不可估量的价值，通过对数据的深度挖出，促成业务创意和商业模式创意，加快数字化转型。

在智能生产时代，生产的各个环节必须切断并能动态交互，比如生产、仓储、物流等环节的生产数据和设备数据必须动态监控、追踪，然后通过大数据处理来展开智能预测，还包括提早备货、安全性防止等。映翰通网络的工业物联网布局正是找寻工业4.0的脚步，基于“边缘计算出来网关+设备云+大数据分析”，使用边云协同，切断数据采集、传输、处置的地下通道，并展开大数据分析，充分发挥数据的价值，最后全方位赋能工业物联网。

本文来源：1050开元网站-www.9023.com.cn