工业物联网( iiot )将最初独立编程的设备组合到一个智能网络系统中。这些系统通常具有实时计算、数据互连、数据安全集成、高性能、可靠性、可扩展性等功能。由于当前使用的云解决方案的局限性，越来越多的高级和高价值iiot用例正在从云计算转向雾计算。
Embedded Computing Design报导指出，IIoT的演变，根据数据互连和人工智能( ai )的程度，可以将其分为三个层次:监控、优化和自主。监控包括资产性能管理，如预测维护和资产跟踪。此级别的数据仅从边缘流向后端云或控制中心，彼此之间没有连接。人工智能和高级分析都只在后端运行。
这种级别的用例侧重于过程优化，它使用传感器捕获的数据来监视和改进整个工业过程。随着使用的传感器数量的增加，为了减少传输到后端的数据量，系统开始产生对边缘分析的需求，这将继续提高P2P数据互连的过程。因此，iiot系统具有数据连接和分层计算能力，所有这些都由雾计算支持。
进入自主性层级的IIoT，主要利用AI管理系统，不再需要人为介入。各项决策权与控制将依据反应时间要求与数据规模，分配到IIoT系统的不同阶层。这个层级的实时数据会在各个运算节点间移动。如果没有雾计算，系统便不可能拥有自主性，而透过雾计算，业者便能开发出更有弹性、韧性的自主化系统。
举例而言，离岸风力发电农场引进物联网技术后，每座风力发电机内的数据总线(databus)便可在各个运算节点的分析与控制应用间进行数据分享。当安装在某一座风力发电机的传感器侦测到风向或风力变化时，便可通知其他下风处的风力发电机做出调整，以维持整座风力发电农场的稳定输出。
发电农场的数据也可在传回至后端的控制中心后，与气象、整合业务系统等其他服务结合，产生长期的预测及分析数据。监控层级的IIoT并无部署雾计算的必要，但对于优化使用案例而言，雾计算可说是十分理想的功能；对于自主性使用案例，雾计算更是关键。
灵活的计算框架(如Linux容器)有助于简化ai应用程序的部署和管理，而网络标准(如数据分发服务( DDS ) )则是优化和自动化用例中数据连接的重要基础。
热门专题
