智能工厂如何利用优势

根据谷歌Trends的数据，“边缘计算”的全球搜索量在过去五年中增长了10倍。仅谷歌就有3.4亿搜索结果，对于那些对这项技术好奇的人来说，这可不是简单的修改。在各种噪音和对边缘计算实际是什么的不同定义中，这项技术在某种程度上被误解了。

边缘计算描述了一种分布式计算版本，使数据分析更接近数据源。在工厂设置中，可以看到数据处理发生在机器级别。与将信息发送到数据中心或云端的集中式模型不同，边缘计算允许在流程的边缘执行数据捕获、分析和操作，因此得名。

尽管边缘计算功能强大，但它并不是集中式数据存储方法的替代品，也不是其他数据处理和管理技术的替代品。事实上，这些架构必须一起工作才能真正有益。

此外，边缘计算并不是一个全新的概念。在工业物联网(IIoT)的背景下，工厂长期以来一直在使用与数据源密切合作的系统。例如，通过可编程逻辑控制器和传感器使用监控和数据采集系统。

边缘设备只是同一技术的新品牌吗?不完全是。

边缘设备的独特之处在于，它们在将信息发送到其他地方之前提供数据的第一阶段处理。它们的智能功能意味着它们可以在设备本身的领域内对这些数据采取行动，使用人工智能和机器学习来帮助决策。因为一切都发生在设备上，这种方法可以显著减少延迟，消除与远程数据中心共享信息和等待反馈之间花费的时间。

在实践中，这可以帮助制造商避免重大故障和停机时间。例如，在石油和天然气应用中，边缘设备可以检测管道中的危险高压。该设备无需等待数据在其他地方处理后再发送回站点管理员，而是可以触发即时关闭或调整以避免灾难。同样的方法也可以用于对过程进行自动调整，以改善结果——这可能与能源效率、准确性或生产率有关。

边缘计算并不是每个单独的进程都需要。然而，在某些生产领域部署边缘设备可能是有价值的。它可以显著减少发送到这些更广泛的软件平台的数据量，减少所需的带宽并改善反应时间。对于关键工艺，edge是数字化转型的理想下一步。

工业物联网技术导致整个行业的数据大幅增加。如今，制造商提供从能源效率和生产率到运营洞察和预测性维护等方方面面的数据并不罕见。事实上，研究表明，智能工厂平均每周生产5pb的数据——也就是500万g，相当于30多万部16g的iphone。

制造业的大数据已经迅速变得庞大，边缘计算提供了一种减少发送到集中空间的数据量的方法。

对于依赖数据完整性实现合规性的行业来说，部署边缘计算来管理一些数据分析可能成为数据管理策略的重要组成部分。例如，美国的制药商必须遵守美国食品和药物管理局(Food and Drug Administration)的21 CFR第11部分规定。该标准适用于药品制造商和生物技术公司，相当于欧盟的GMP附录11，要求组织保持准确的审核跟踪和电子记录。

在这些行业中，对某些数据的边缘分析可以减少发送到云或数据中心的信息量。至关重要的是，这确保了对时间敏感的数据不会在信息洪流中丢失。

通常用于疫苗和注射器灌装的小瓶的灌装和整理过程是这种方法如何有益的一个很好的例子。通常，输送机与机器人设备一起工作来分配液体。这必须快速准确地完成，同时还要确保体积的一致性。除了灌装，小瓶在重复使用前通常要清洗和热消毒。空气压力也被控制，以阻止污染物漂浮在小瓶。可以想象，这是一个生成大量数据的操作。

实时分析数据可以让设备对潜在问题做出即时反应。在这样的应用中，它可以消除批次被污染的可能性，为制药商节省大量时间和成本。同时，在中央数据存储处，审计员在编制合规证据时需要筛选的记录数量可能会减少。

虽然一些流程确实受益于即时数据分析，但智能工厂不能孤立运作。边缘技术的兴起并不意味着其他数据管理技术的衰落。事实上，它加强了它们的必要性。

能够与边缘设备通信的软件平台对于使边缘技术可扩展至关重要。此外，能够从边缘收集、分析和可视化数据的平台——同时与各种其他类型的设备进行编译——对于构建工厂运营的整体视图至关重要。

实际上，大多数制造工厂都没有能力广泛部署边缘设备或边缘平台来融合这些技术。相反，制造商在数字化之旅中需要可扩展的选项，而独立软件可以成为实现这一目标的粘合剂。

马丁·威廉姆斯是COPA-DATA英国．