“云 + 边缘”协同发展，在IIoT时代蓬勃发展

前沿行业中，越来越多的设备分布在各个工业现场。鉴于长期运行，其中一些设备难免会出现故障。为了尽早发现问题并采取预防措施，有必要跟踪它们的工作状态。传统上，维护工程师经常被派往现场巡查。然而，这会产生相当大的成本，而且往往无法及时发现一些问题。

工业物联网（IIoT）的发展使得现场设备能够连接到互联网，从而可以从中央位置持续监控其运行状态。无论发生什么情况，都可以从云端实时看到，一旦发生故障，工程师可以轻松定位问题并立即采取行动。

随着越来越多的设备连接到互联网并产生越来越多的数据，制造商和用户不仅在寻求更高效的维护，还在寻求从数据中获得更多洞察以促进增长。这意味着需要更深入地挖掘数据、更好地处理和分析。所有这些需求都为协调的“云 + 边缘”IIoT生态系统带来了更大的技术挑战。

1. 从不同设备收集数据

部署在工业现场的设备不断从现场的不同部分捕获数据，监控机器和环境。由于这些设备配备了不同的接口（串口、以太网端口、蓝牙、Wi-Fi等），因此从所有设备获取数据并不容易。现场的各种类型设备正在生成大量数据，这对期望收集和处理这些数据的网关来说是一个巨大挑战。

不同设备使用不同协议进行通信。即使在同一类别中，也有不少选项。同时，一些制造商通过其专有协议进行通信。这会给用户带来兼容性问题，因为大多数传统网关仅支持少数几种协议。这意味着单个现场需要多种网关，这会导致设备支出巨大，品牌切换成本高昂。

随着现场设备日益多样化，上述问题日益突出，因此有必要集成多种工业协议，并兼容私有协议，以便通过单一的“多合一”IIoT网关传输来自不同来源的数据。

2. 在边缘预处理数据

在云计算时代，数据被上传到云端进行处理、存储和分析。随着大量数据的不断生成，云端的负载越来越重。试想一下，如果所有数据都必须一点一点地发送到云端，等待云端接收所有数据，并回复命令（有时根本不回复命令），然后再采取进一步行动，这意味着数据传输的延迟非常大。即使5G能够解决速度问题，云端也会因大量数据而超负荷。

因此，边缘计算的概念应运而生。通过预配置的条件或编程工具，可以在数据生成的附近（“边缘”）过滤从不同设备收集的数据。其中一些可以在本地处理。例如，如果达到某个阈值，网关可以立即响应，例如向维护人员发送警报，或更改PLC的参数。它还可以在满足某些条件时通过输入/输出控制其他下游设备，以便使用不同协议的控制器可以交换数据。

然后，剩余的“清理”数据被发送到云端。这不仅节省了数据流和带宽，更重要的是，减轻了云端的过度负载。

3. 将数据上传到云端

如今的世界越来越依赖数据。作为IIoT生态系统的核心部分，云在集中管理、数据分析和决策能力方面发挥着重要作用。

正如数据采集设备在通信协议上存在差异，不同的云在连接和交互方式上也各不相同。云之间的交互逻辑以及边缘请求的功能也不同。因此，将数据发送到云端意味着需要在网关和云之间进行大量集成工作。

云网关使系统集成商能够轻松连接到云端，大多数用户需要与云端进行自定义交互，以便上传他们的数据。幸运的是，随着技术的进步，如今的云网关通常支持主流IoT云。只需几个步骤即可配置云端，使数据能够轻松地从源头传输到云端。

系统集成商希望通过云端监控一切，以确保其系统正常运行，而制造商则需要通过SCADA管理其工厂。因此，网关使本地SCADA系统能够通过工业协议获取数据，并通过MQTT获取云端数据。

4. 实施数字化项目

实现全面数字化需要时间。启动新项目通常需要大量工作来准备设备、集成设备并编写应用程序。在这个瞬息万变的世界里，时间就是一切。

“云 + 边缘”解决方案应易于部署和配置，以便尽快实施新项目。随着更多管理工具的出现，几乎可以默认这些网关能够从云平台进行管理。支持Web配置，配置可以导入和导出。部署和批次管理可以轻松地在平台上完成。

为了满足不断变化的业务需求，并在项目进展过程中灵活应对新要求，定制化变得势在必行。例如，云平台在迭代过程中需要网关提供不同的支持；随着数据分析的深入，边缘端的一些数据处理逻辑需要进行调整。

总结

在IIoT中，云和边缘的协作前所未有地紧密。通过高效的“云 + 边缘”协调，我们可以更好地利用边缘，更好地了解现场情况，确保设备高效稳定地运行，从而提供更好的用户体验。通过更高效、更完善的数据库，我们可以为产品改进和参数优化提供更好的见解，从而增强工业4.0时代的竞争力。