嘉宾博客由Greenwave的Artur Menzeleev

物联网(IoT)边缘分析正在经历一个戏剧性的变化高潮兴趣。移动分析对边缘的影响是其在工业自动化，工业资产优化和工业物联网（IIT）部署中的潜力。由于硬件处理和软件分析在边缘变得更加强大，该行业已开始将传统的分析到行动环路从云端转移到“事物”的边缘：网关和设备。真正的边缘设备智能长期以来一直是IOT解决方案的M2M系统设计师和开发人员的驾驶野心：摩尔法只花了一段时间，以使其在广泛的基础上可行。

边缘分析必须小

尽管我们有可能使我们的电视中的一切都达到我们的电视机“智能”，但这并不意味着边缘设备智能位于标准附近的任何地方。最新的IOT / IIT实现仍然是云功率。这是因为，无论您要在边缘执行哪种类型的分析功能，您都有强大的运行机会处理资源和功率约束。设备越小，专用于满足其主要功能的有限资源的机会越大（例如，灯泡的目的是可靠地提供光，而不是收集有趣的使用数据，或利用该数据优化灯泡生命或能量。消费）。本质上，边缘设备永远不会有很多额外的空间或RAM或CPU。因此，为边缘带来智能的中央挑战在分析引擎的能力和资源使用之间的良好平衡方面突击了良好的平衡。

物联网领域的许多软件公司都采用了他们原来的分析平台，并试图将其缩小到“适合”边缘约束，但取得了有限的成功。你不能为了得到一只灰狗而饿死一只獒犬。边缘分析引擎必须是专门构建的，以便在边缘设备上本机运行轴突预测™。

边缘分析必须快速

如果您处于边缘状态，那么您希望能够以“实时”的方式进行操作(根据应用程序的不同，这可能意味着次秒、秒或分钟)。经典的例子是自动驾驶汽车，它的即时响应能力是生死攸关的问题。但是，即使是不那么关键的边缘计算应用程序，也可以从减少进出云的数据流和不需要持续云连接的潜在自由中获益。边缘计算的一个关键价值是“在地面上”的快速和自主响应。如果你有足够的数据在边缘做出决定，你希望能够处理它，然后做出决定。

边缘分析必须强大

虽然边缘分析的神奇之处通常体现在自动驾驶汽车或无人驾驶飞机上，但用例不需要太雄心勃勃，也能产生难以置信的威力。异常检测和预测性维护是工业物联网边缘计算应用在工业自动化和工业资产优化中的非常有用的简单例子。嵌入式引擎能够检测即将发生的设备故障，甚至是不理想的功能，并生成适当的警报、操作或指示，这在许多上下文中都是非常宝贵的。考虑一些昂贵、难以维护、通常与云无关的设备:钻井平台上的钻机、风力涡轮机、起重机、卡车、传送带等。对于这些复杂、不相连的设备，边缘分析以指数形式证明了其价值。正如最近的一篇文章所指出的TNWIIT的文章：“在合适的时间完成维护降低了成本。毕竟，修复了太晚的东西，它再次破碎;修复太早，不需要维护成本。例如，常规预防性维护价值为32,900美元的10岁的空气压缩机可以将机器的生命延长到长达四年，导致总节省高达6,359美元。“那只是一块设备。

边缘分析使现代预测性维护能够实现现代预测性维护，即使对于没有恒定的云连接而悬浮的资产。该技术有无数的其他工业应用和用例，这将继续推动IIOT应用的优化创新进入未来。