隨著物聯網的發展，工業制造設備所產生的數據量將越來越多。如果這些數據都要放到云端處理，就需要無窮無盡的頻譜資源、傳輸帶寬和數據處理能力，“云”難免不堪重負，此時就需要邊緣計算來分擔云計算的壓力。

“我們采集到的數據，90%都是垃圾”，位于江蘇昆山的某工廠老板感嘆道，“去年365天的每時每刻，我們幾乎都進行了數據采集，采集到的數據卻不知道該如何利用。與投入到采集數據的各種費用相比，我認為并不值得。”

一年的數據采集經歷讓這位老板對工業互聯網喪失了最初的熱情，甚至產生了這樣的疑問：我們當前真的需要大量工業數據嗎?

“只要增加幾個工人就能解決的問題，我為什么要費力去采集數據，去搞工業互聯網?還不一定有效果!”

的確，無論工業物聯網、大數據驅動、數字孿生這些概念說的如何天花亂墜，在實際工業生產過程中，如果不能解決企業的核心問題——提高利潤、降低成本，都難免是紙上談兵。雖然數據本身很重要，但能直接解決問題的服務應用對企業才更有價值。當前，除了如何采集數據之外，絕大部分企業面對的關鍵問題是什么數據值得采?說白了，就是如何運用數據產生價值!

我們知道，工業數據的采集和傳輸基本都是 “端-管-云”的模式。在應用的現場，“端”負責收集數據、執行指令，“管”打通數據的傳輸路徑，而“云”負責所有的數據分析和控制邏輯功能。整套流程能否順利打通，對數據采集、分析、應用能力至關重要。

然而，隨著物聯網的發展，工業制造設備所產生的數據量將越來越多。如果這些數據都要放到云端處理，就需要無窮無盡的頻譜資源、傳輸帶寬和數據處理能力，“云”難免不堪重負，此時就需要邊緣計算來分擔云計算的壓力。比如一個公司，在規模小的時候，董事會可以對公司的管理達到事無巨細的程度，但是當公司發展到一定規模時，就需要給予一線員工必要的自主權力。

所以，在工業現場的邊緣側進行數據采集、處理及傳輸的邊緣計算網關承擔著打通工業數據傳輸“任督二脈”的重任，再與云平臺進行融會貫通——邊云一體化，最后利用大數據分析，賦能生產，才能發揮工業數據的真正價值。

由此產生的兩個關鍵問題是我們不得不面對的：

一、在大量工業數據下沉的情況下，數據的有效性該如何保證?

二、“邊-云”一體化能給工業物聯網帶來什么價值?

“外行看熱鬧，內行看門道”，關于這兩個問題的答案，在工業物聯網領域已經耕耘17年的映翰通網絡有充分的發言權。

加碼邊緣計算，解決數據下沉的痛點

Gartner《2018年十大戰略技術趨勢:從云到邊緣》報告認為：到2022年，隨著數字業務的不斷發展，75%的企業生成數據將會在傳統的集中式數據中心或云端之外的位置創建并得到處理。

隨著工業物聯網的發展，必然會出現更多的本地就近控制和現場數據，面對這些逐漸增多的現場數據，該如何處理才能在保證其有效性的同時又減少云計算的壓力?

工業世界任何微小的提升都會帶來很大的優勢;工業世界任何微小的故障也可能帶來很大的損失——工業現場的很多數據“保鮮期”很短，一旦處理延誤，就會迅速“變質”，數據價值呈斷崖式跌落，工業現場的數據處理可以稱之為“走鋼絲”。此時，“邊緣計算”便發揮了不可替代的作用。

如果把大腦比作云端，那么邊緣計算就是神經末梢，對簡單的刺激進行自處理并將處理的特征信息反饋給云端大腦。

盡管當前工業企業追求的核心問題是如何讓數據賦能生產，產生價值。但是也不能忽視該進程中困擾工業企業多年的普遍性問題，數據處理的前置關鍵環節——如何采集數據?對于任何工業企業來說，挖掘數據金礦的第一步都是采集數據，不談數據采集的大數據分析是空中樓閣，沒有數據的工業云平臺相當于無本之木。

在不同的工業生產過程中，由于自動化產品品牌眾多，工業接口多樣化、工業協議不統一，所以看似簡單的數據采集并沒有那么容易。

除了數據采集，在數據處理運用方面，由于工業現場的數據面臨著“保鮮期”很短，以及大量“垃圾”數據并不需要傳遞到云端的問題。

雖然從產業角度來看，邊緣計算發展如火如荼，但從應用角度來看，它還處于落地的前期。邊緣計算與云計算的融合才能真正體現工業數據的價值。

實際上，產業界已經認識到邊云協同的重要性，并開展了積極的探索。例如，華為在其HC2018大會發布的智能邊緣平臺IEF明確提出了邊緣與云協同的一體化服務概念;西門子2018年發布了Industrial Edge的概念，大致理念是通過云端部署IndustrialEdge Management實現邊緣計算與云計算的協同，映翰通網絡在今年的漢諾威工業博覽會上，以邊緣計算網關為基礎，展示了“映翰通設備工業云(InHand DeviceNetworks Cloud)+邊緣計算網關(Edge Computing Gateway)”，實現邊云協同。

既然邊云協同對工業數據如此重要，那么怎么理解邊云協同呢?邊云協同處理數據的關鍵在于數據的融合。

在工業場景中，一方面通過邊緣計算直接運行實時分析算法，另一方面則利用邊緣與云的協同，實現模型不斷成長和優化，從而讓邊緣分析技術增強了平臺實時分析能力。當然，邊云協同的能力與內涵落地到各應用場景時其具體能力與關注點又會有所不同，因為每種邊緣計算業務形態對于與云計算協同的業務需求不盡相同。

比如，在柔性制造的過程中，現代工業機器人的應用越來越廣泛。生產線上的機器人、機械臂的穩定可靠性對企業生產的經濟效益保證意義重大。工業機器人的大規模部署，工業機器人結構復雜、維護成本高對生產企業技術人員的維護能力提出了極高要求。主要體現在，要在機器人發生故障之前檢測到機器人機構部件、控制裝置等方面的異常，并提醒用戶在停機發生前進行有針對的維護維修，從而使停機時間減少為零，實現連續生產。

這里的核心點在于通過邊云協同進行預防性維護，實現持續有效的生產。

在云端，設備云可以匯集工業現場實時生產數據進行集中存儲、分析、處理、預測，從網絡管理、現場探接再到感知與響應，可以大大提高運營和維護效率。

結語：現如今，把數據比作石油毫不過分，石油需要采集、運輸、加工、提煉才能使用，工業數據同樣如此。邊緣計算對采集的數據有更強大的洞察和分析力，邊緣計算的應用，邊緣計算網關的部署則會使數據產生的收益清晰可見，得以打消工廠老板對工業數據的疑慮，工業互聯網才能真正落實到“一線”中去。

邊云協同， 對于ICT廠商、OT廠商、OTT廠商以及電信運營商都帶來了不可估量的價值，通過對數據的深度挖掘，促使業務創新和商業模式創新，加速數字化轉型。

在智能制造時代，生產的各個環節需要打通并能實時交互，比如生產、倉儲、物流等環節的生產數據和設備數據需要實時監控、跟蹤，然后通過大數據處理來進行智能預測，包括提前備貨、安全防范等。映翰通網絡的工業物聯網布局正是追尋工業4.0的腳步，基于“邊緣計算網關+設備云+大數據分析”，采用邊云協同，打通數據采集、傳輸、處理的通道，并進行大數據分析，充分發揮數據的價值，最終全方位賦能工業物聯網。