为什么边缘计算对工业物联网至关重要？
随着物联网的发展，工业制造设备生成的数据量将增加。如果要在云端处理这些数据，则需要无限的频谱资源、传输带宽和数据处理能力。“云”难免不堪重负，此时，需要边缘计算来分担云计算的压力。
无论工业物联网、大数据驱动和数字孪生的概念如何，在实际的工业生产过程中，如果不能解决公司的核心问题，提高利润和降低成本，那难免是纸上谈兵。尽管数据本身很重要，但直接解决问题的服务应用对企业而言更有价值。当前，除了如何采集数据外，大多数企业面临的关键问题是哪些数据值得收集。总之，就是如何利用数据创造价值！
我们知道，工业数据的收集和传输基本上是“端-管-云”的模式。在应用程序站点，“端”负责收集数据，执行指令，“管道”打通数据传输路径，“ 云”负责所有数据分析和控制逻辑功能。能否顺利打通整套流程对于数据获取、分析和应用能力至关重要。
所以，在工业现场的边缘侧进行数据采集、处理及传输的边缘计算网关承担着打通工业数据传输“任督二脉”的重任，再与云平台进行融会贯通——边云一体化，最后利用大数据分析，赋能生产，才能发挥工业数据的真正价值。
由此产生了两个关键的问题：
一、在大量工业数据下沉的情况下，数据的有效性该如何保证?
二、“边-云”一体化能给工业物联网带来什么价值?
加码边缘计算，解决数据下沉的痛点
Gartner 《2018年十大战略技术趋势:从云到边缘》报告称，到2022年，随着数字业务的不断发展，75%的企业生成数据将会在传统的集中式数据中心或云端之外的位置创建并得到处理。
随着工业物联网的发展，不可避免地会出现更多的本地就近控制和现场数据。面对这些不断增加的现场数据，该如何处理才能在保证其有效性的同时又减少云计算的压力?
工业界的任何微小改善都会带来巨大的优势；工业界的任何小故障也可能带来巨大的损失。工业现场的很多数据“保鲜期”很短，一旦处理延误，就会迅速“变质”，数据价值呈断崖式跌落，工业现场的数据处理可以称之为“走钢丝”。此时，“边缘计算”便发挥了不可替代的作用。
如果把大脑比作云端，那么边缘计算就是神经末梢，对简单的刺激进行自处理并将处理的特征信息反馈给云端大脑。
尽管当前的工业企业追求的核心问题是如何让数据赋能生产，产生价值。但是我们不能忽视困扰工业企业多年的普遍问题，数据处理前的关键环节——如何采集数据？对于任何工业企业而言，挖掘数据金矿的第一步就是采集数据，不谈数据采集的大数据分析是空中楼阁，没有数据的工业云平台相当于无本之木。
在不同的工业生产过程中，由于自动化产品的品牌众多，工业接口多样化以及工业协议不一致，看似简单的数据收集并不是那么容易。
除了数据采集，在数据处理运用方面，由于工业现场的数据面临着“保鲜期”很短，以及大量“垃圾”数据并不需要传递到云端的问题。
尽管从工业的角度来看，边缘计算的发展正在如火如荼地进行，但从应用的角度来看，它仍处于落地的前期。边缘计算和云计算的融合可以真正体现出工业数据的价值。
既然边云协同对工业数据非常重要，那么如何理解边云协同？ 边云协同处理数据的关键是数据融合。
在工业场景中，一方面通过边缘计算直接运行实时分析算法，另一方面，利用边云协同来实现模型的不断增长和优化，从而让边缘分析技术增强了平台的实时分析能力。当然，由于每种边缘计算业务形态对于与云计算协同的业务要求不尽相同，边云协同的能力与内涵落地到各应用场景时其具体能力与关注点又会有所不同。
例如，在柔性制造过程中，现代工业机器人的应用越来越广泛。生产线上机器人和机械臂的稳定性和可靠性对生产的经济效益具有重要意义。工业机器人的大规模部署，工业机器人的结构复杂以及维护成本高，对生产企业技术人员的维护能力提出了极高的要求。它主要体现在机器人发生故障之前对机器人机构组件和控制设备等进行异常检测，并提醒用户在停机之前进行有针对性的维护和修理，从而将停机时间减少到零并实现连续生产。
这里的核心点在于通过边云协同进行预防性维护，实现持续有效的生产。
在云端，设备云可以从工业现场汇集实时生产数据，以进行集中存储、分析、处理和预测，从网络管理、现场探接到感知与响应，都可以大大提高运营和维护效率。
如今，可将数据比作石油，在使用石油之前，需要对其进行收集、运输、加工和精炼。工业数据也是如此。边缘计算对收集的数据具有更强大的洞察力和分析能力。边缘计算的应用和边缘计算网关的部署则会使数据产生的收益清晰可见，这可以消除工厂老板对工业数据的疑虑，这样，工业互联网才能真正落实到“一线”中去。
边云协同样，对于ICT制造商、OT制造商，OTT制造商和电信运营商而言，它们通过深度挖掘数据，促进业务创新和业务模式创新，加速数字化转型，由此而带来了不可估量的价值。
在智能制造时代，生产的各个环节需要打通并能实时交互，比如生产、仓储、物流等环节的生产数据和设备数据需要实时监控、跟踪，然后通过大数据处理来进行智能预测，包括提前备货、安全防范等。数据分析，充分发挥数据的价值，最终实现全面的赋能工业物联网。