工业物联网设备和它们生成的数据正在激增。边缘计算可以提高这些环境中分析的有用性。

随着2019年的开始，几乎不可能忽视工业物联网和边缘计算之间正在形成的伙伴关系。

工业物联网（IIOT）使用物联网科技来增强制造和工业过程。这些过程越来越需要连接的设备来有效地执行任务。
 

边缘计算体系结构使计算处理更接近需要它的用户和设备，而不是集中在本地数据中心或公共云中进行处理。对于使用大量数据的工业和制造过程来说，边缘已经变得至关重要，这些数据需要快速的反应时间，并且需要严格的安全性。
 

纯粹的数据量足以证明加速的合理性，因为物联网生成的数据比存储数据的传统云环境呈指数级增长。此外，作为目的地的云引入了数据传输问题——延迟和频宽——这使得旅程的速度成为了中心问题。EDGE是解决IIOT到云架构效率低下的一种解决方案。
 

工业物联网设备和边缘计算以惊人的速度增长。埃森哲预计，到2020年，iiot市场将达到5000亿美元；iiot每年已经产生400兆字节。Gartner估计，物联网现时约产生10%的企业数据；到2022年，Gartner预测这一比例将新增到50%。
 

据IDC称，每年对边缘基础设施的投资将达到物联网总支出的18%；根据去年的Forrester Analytics全球业务科技图形移动调查，27%的全球电信决策者表示，他们的公司今年将实施或扩大边缘计算。

工业物联网设备满足智慧都市的需求
 

当工业物联网设备和边缘计算协同工作时，数字信息变得更加强大，尤其是在智慧都市这样的环境中，数据可能需要在经典的边缘环境中收集，例如在停车定时器处或从住宅街道上连接的垃圾箱收集。对于聪明的都市工程师来说，在整个大都市的垃圾桶里安装互联网传感器已经变得司空见惯了。然后可以通过传感器对容器进行远程监控；当容器装满时，都市卫生部门会收到一个通知，并且可以记录一个清空容器的命令。

卫生系统的效率提高了。但是，更重要的是，随着数据更接近这些设备，系统可以随着时间的推移而学习。在这个例子中，系统开始认识到哪些容器将在哪些天内充满容量，它可以计划清空这些容器并相应地优化收集路线。
 

通过将处理资源投入到IIOT环境中，使处理成为可能，目前正在解决工业中的传统IT问题。

旧硬件的新安全性

制造设备和软件在其生命周期中常常严重不匹配，为未定期修补的传统制造设备造成安全性漏洞。

边缘计算在这些旧连接和处理数据的资源之间放置网关。如果一个设备被恶意攻击者访问，那么漏洞就到此为止。攻击者获取设备的数据，但无法访问网络或其它设备。限制数据到边缘的传输，而不是往返于一个集中的资料中心或云，消除了一个容易被利用的威胁。

工业物联网设备带来更快的数据和更快的决策
 

通过将人工智能引入设备本身，边缘计算还可以使决策在边缘上更具上下文驱动力和快速性。
 

例如，紧急医疗科技人员必须迅速确定遇险人员的生命体征，并从该地区的人员那里收集信息。如果一个工厂工人在工作中崩溃，而他戴着一个智慧手表来监测他的身体状况，EMT可以在崩溃的瞬间和之前立即获得生命体征。他们还将看到事故发生时的环境信息：温度、噪音水准、烟雾的存在，以及可能为快速有效治疗提供背景的任何其它数据。
 

从以云为中心的处理转移到消除云绑定事务的时间，不仅意味着更快的系统——这是信息驱动决策的下一步。
 

原始数据在完成本地工作、为更多的全球人工智能行程做出贡献或在那里存盘后，可以一直移动到云。
 

随着工业物联网设备与EDGE的结合，高保真分析和更小的占地面积将成为2019年的人工智能标准。

边缘的人工智能

也许工业物联网设备和边缘计算之间合作的最大产品将是它为世界上新兴的人工智能功能提供的推动力。

工业人工智能将不仅仅是机械的——它将是“艺术的”，包括自然语言处理和计算机视觉等新领域——这两个领域也将从边缘计算中得到巨大的推动。
 

世界上的大多数摄像机已经在本地网络上。从定义上讲，将这些监视器连接到云端是一个主要的数据传输负担。安装监视器所在位置的视觉处理资源要比保留集中式连接容易得多。自然语言处理也是如此；语音通信发生在现场，而不是服务器机房。
 

在公民竞技场的娱乐活动中，摄像机可以根据摄像机量测的交通量边缘的实时分析，有效且舒适地识别额外的座位，并重新安排进入的与会者的路线。
 

随着iiot中边缘网络的建立，这两种科技都将迅速发展，加速的开发将在所有这些科技中都有好处。
 

在数字科技的发展史上，很少有这样完美的时机，当涉及到满足紧急需求的创新和资源时。