边缘计算的力量：机器人资产监控用例

早在“物联网”一词被创造出来之前，技术行业就已经连接了一系列联网对象来收集和交换数据。然后是云计算，它为行业提供了一个存储所有这些数据的地方。进入现代，现在边缘计算将继续作为图片的一部分——从云中获取一些基本的数据处理和分析工作，并将其带到边缘设备。Gartner预测，虽然目前只有10%的企业生成数据在边缘处理，但到2022年，这一数字将达到50%。预计一半的处理能力将慢慢从云转移到边缘设备，从而导致物联网项目利用云计算和智能边缘的力量来做出明智的业务决策。

随着边缘计算的成熟，我经常分享工业用例，以展示边缘计算框架在处理和利用边缘数据方面有多强大。一个很好的例子是制造机器人机械的客户，该客户可以通过边缘计算平台减少停机时间和维护成本。

机器人资产监控旨在跟踪整体设备效率 （OEE） 和服务水平协议 （SLA） 参数的正常运行时间和停机时间。传统上，工厂经理和维护专业人员将许多定量和定性技术结合起来，以确定故障的可能性并减少机器人资产的停机时间。这些糟糕的维护策略会降低制造商的生产能力，每年花费数百万美元。如今，使用机器人资产的公司需要能够连接、收集和分析数据，以防止故障的即时成本。

机器人系统的不断使用与先进制造工厂的性质相结合，需要采取各种措施来维持运营。故障的瞬时成本可能会扰乱整个工厂周期，导致制造商、其合作伙伴和客户出现延误和成本高昂的结果。过去，需要极其昂贵的技术投资来处理大量数据来监控机器人资产，这限制了仅大型组织的部署。

智能互联技术现在在成本和可访问性方面都已实现，使工业4.0经验有限的工厂经理能够监控机器人资产，并使用这些信息来维持运营并防止故障的即时成本。复杂的边缘计算平台允许制造商直接从任何机器人系统或控制器实时收集数据，而无需互联网连接。然后，可以使用该平台在本地处理和可视化数据，或者在需要时推送到物联网云平台，该平台将在一个集中且易于使用的仪表板中显示OEE和所有其他必需参数。

该解决方案允许工厂经理确定远程状态监测的最佳因素，无论是温度、振动还是特定于其操作的其他参数。设置参数后，工厂经理会在出现问题时收到警报。在分析数据后，系统能够自我学习并动态调整模式，并使预测性维护系统能够监控并因此维护机器人资产。

边缘计算平台使公司能够访问其工业系统中可用的大量数据，然后允许他们理解数据以推动进一步的智能行动。他们可以预测何时何地可能发生故障，最大限度地提高制造工厂的效率并随着时间的推移改善运营，同时最大限度地降低带宽和云成本。主动维护可以延长设备的使用寿命，减少停机时间并降低维护成本。

审核编辑：郭婷