IIoT成本对云端和边缘运算策略的影响

工业物联网(IIoT)对工业企业有很多好处，能为其带来宝贵的商业见解，提高效率及生产力等。但随著企业开始采用IIoT策略，围绕这些实施的成本带来了新问题，尤其是应采用哪里种运算的问题。答案是，云端运算和边缘运算对成功的IIoT框架不可或缺，但成本和投资回报率将决定其个别作用。

据报导，一般认为云端运算为IIoT的支柱。向云端发送数据对大多数公司来说是流行而正确之举。内建传感器的设备会将数据传输到云端，再由云端机器学习引擎加以分析，产生可操作的见解。这些见解让企业能进行简化生产、提高质量，至至于改进维护等优化。

但企业要全面实施IIoT时可能会遇到问题。在云端利用分析和无线连网时，成本会迅速升高。云端模型的本质是按使用付费，这意味著成本会随著时间推移而改变。有些方法可缓解这种情况，包括转向更多的营运支出(OPEX)模型。

另一种方法则是使用内部基础设施和闸道器，引进边缘运算。随著企业持续推动其IIoT策略并开始取得进展，他们将意识到云端基础架构仅为IIoT方程序的一部分。

营运商发现，当涉及实时运算需求时，某些流程无法推送到云端。由于成本和延迟问题，他们开始将越来越多运算推向网络边缘。这也有助于解决自动化行业营运技术人员面临的另一个挑战，亦即网络安全的持续威胁。

向工厂外传输数据堪称工业自动化领域面临的最大挑战之一。边缘运算平台可充当多个传感器的本地储存点，实现更多实时反馈的分析，并执行预处理，因此仅需将必要数据发送到云端。若数据是从多个传感器点所收集，则这种混合方法还可减少攻击面的数量。

边缘系统支持广泛的应用，包括小规模、本地化的监控及资料撷取(SCADA)、人机接口、历史资料库和瘦客户端，并以具竞争力的价格提供。它们收集的数据可用于车间的实时分析以改善操作，包括先进的过程控制、质量检查和预测性设备故障。边缘设备还可将某些信息上传到控制系统，并将云端用于资产绩效管理、后处理分析或规画。

事实上，在边缘和云端之间找到适当平衡将是IIoT框架的成功关键。透过使用适当工具，企业也将看到宝贵的投资回报。企业须了解数据是IIoT实施中的关键资源。数据差距可能会对本地和云端分析产生不利影响。若想确保数据能从收集，储存、维护和安全角度获得充分保护，就得从投资回报运算中的人力和风险角度进行评估。

例如，企业在为IIoT确定最佳工具时，需考虑到随著运算能力和应用靠近工厂车间，将缺乏能解决问题的专业人员。这意味著系统要易于安装，而且容易由本地化操作技术人员维护，因为这些新型边缘环境大多在IT支持领域之外。