什么是邊緣設備？哪里是邊緣層的邊界？隨著邊緣計算的快速發展，這些問題越來越難以回答。越來越多樣化的邊緣設備和越來越模糊的邊緣層給傳統的工業物聯網架構帶來了很大的改變——這些改變既促進了技術和業務的發展，也帶來了極大的安全隱患。這篇譯文主要講了邊緣設備給工業物聯網帶來的影響。在翻譯完這篇文章之后，譯者結合國內工業互聯網的現狀，分析了可能存在的安全隱患，并呼吁政府相關部門盡快聯合邊緣設備廠家、安全廠商一起討論制定邊緣設備的相關安全規范，保證工業互聯網的快速安全發展。

在2019年，我們已經不再爭論工業物聯網或工業4.0是否會發生了。取而代之的，我們開始研究它將采取什么樣的形式加速制造業的數字化轉型——主要是為了促進生產優化并降低維護成本。雖然這些好處可能聽起來很普通，但它們實際推動了對工業物聯網基礎設施的實際投資，因為這些設施能立竿見影地帶來可衡量的收益。

按照IDC的統計數據：“預計2018年在物聯網解決方案上花費最多的行業是制造業（1890億美元），交通運輸業（850億美元）和公用事業（730億美元）”。所有這些都是物聯網的工業應用。事實上，正如IDC所說：“2018年消費者物聯網支出將達到620億美元，成為第四大行業。”（參考鏈接：https://www.idc.com/getdoc.jsp？containerId=prUS43295217）

制造過程中會產生大量數據，這些數據可用于實現非常重要的目標——預測故障、優化設備壽命、獲得新的收入來源、甚至優化生產流程以更好地滿足市場需求。任何工業網絡的第一步工作就應該加強這些數據的收集，在本地做好實時數據處理和長期離線數據存儲之間實現適當平衡，最后采取有效措施優化工業處理過程。

實際上，很多時候需要在本地實時處理數據，這導致我們需要不同類型的邊緣計算設備。正如麥肯錫在最近的一篇文章中寫道的那樣，“計算能力從云端走向邊緣——正在開辟一個新的領域：邊緣計算。”麥肯錫這篇文章認為，將數據處理轉移到網絡邊緣的需求，和不斷增加的處理能力要求，創造了一種不同類型的工業物聯網網絡——這種網絡可能沒有嚴格的層次結構，在眾多形式的邊緣設備中，將體現多種多樣的連接方式和處理方式。（參考鏈接：https://www.mckinsey.com/industries/high-tech/our-insights/new-demand-new-markets-what-edge-computing-means-for-hardware-companies）

工業物聯網：邊緣計算

在工業世界中，數據處理正向邊緣轉移。讓我們舉幾個例子來說明這一點：

我們現在擁有可以精確測量和記錄局部溫度的傳感器，而不是傳統上在溫度超過某個閾值時跳閘的溫度傳感器。傳感器可以將一系列運行的溫度數據點與設定的基線進行比較，以確定被測設備何時可能開始出現磨損跡象。如果機器在預設范圍內運行，這樣的傳感器可能永遠不會與中央控制系統通信。但它也可以根據需要標記預防性維護。

振動傳感器可以連續記錄伺服電機的振動。通過對振動數據進行局部快速傅立葉變換（FFT）分析并比較主要振動頻率，它只能在振動頻率超出規格時標記控制器。

Enterprise IOT Insights雜志描述了現實生活中的一個例子（參考鏈接： https://enterpriseiotinsights.com/20180724/channels/use-cases/how-intel-is-using-iiot-edge-computing-to-reduce-downtime-tag40-tag99）。在本案例研究中，他們描述了英特爾如何決定在其半導體生產設施中監控其風扇過濾器單元（FFU）的運行狀況。FFU的主要任務是過濾和清潔工業機器內的空氣，它們遍布工廠地板上各個地方。英特爾在每個FFU的頂部放置了一個加速度計，用于測量風扇功能的變化，并在本地網關中進行所有處理，只有摘要數據和報告被發送到云端。如圖1所示：

工業物聯網：不同的模型

在傳統的物聯網模型中，傳感器/硬件位于底部。他們的工作是收集數據并通過內置的網絡連接，將數據發送到上層的物聯網服務器/平臺。基于這些收集的數據，進一步做數據分析，數據可視化和應用程序開發。然后管理層使用該分析的結果來確定正確的行動方案，可能是預定的機器維護、生產過程優化或其他行動。這種層次化非常清晰的網絡結構如圖2所示：

圖 1： 傳統物聯網分層架構

事實上，工業場景中的大多數網絡都不是這樣的。首先，在每個傳感器中放置5G終端或Wi-Fi是沒有意義的，特別是那些在煤礦，水下或熱的振動伺服電機旁等惡劣條件下運行的傳感器。其次，傳感器正在采集的大多數瞬時數據只具有實時值。比如，一個探測器的功能是檢測到有人接近的危險后去關閉電機（STO），或控制它達到安全速度（SLS），這些數據不需要到上層的網絡架構中進行管理決策。最后，在某些情況下，例如通過網絡發送逐秒振動數據是浪費帶寬，因為最終匯總報告（關于FFT分析）主要關注離線或異常分析等內容。現實生活中的工業物聯網網絡更接近在圖3中的描述：

圖 2：實際的工業互聯網架構

大部分數據處理是在本地完成的，或者使用邊緣服務器分析處理多個傳感器數據。網絡連接也并不總是通過TCP/IP網絡連接，而是使用傳統的穩定的工業網絡協議，可能是工業現場總線、RS-485、BACNet或其他一些工業標準。通常，邊緣服務器將數據匯總處理后上傳到上層網絡中，然后將這些數據存儲在物聯網平臺或IoT服務器上進行分析和可視化，并在上層為其開發不同的應用程序。一個代表性的工廠網絡如圖4所示：

圖3：工廠網絡示例

結 論

邊緣處理在各種工業物聯網應用中將變得非常重要。用于邊緣處理的系統/設備必須具有較小的外形和較低的功耗。除此之外，他們可以非常不一樣。過程工業中的敏感溫度測量裝置將與智能建筑中的占用檢測器不同，智能建筑本身將與用于實現精確農業的傳感器不同。

不同領域的邊緣設備將由不同領域的專業公司開發完成，隨著邊緣設備的激增，工業物聯網的架構將和現在普遍存在的架構發生巨大變化，這個過程將會觸發大量價值將從云設備制造商向特定領域應用的邊緣設備制造商的流動。