边缘 据说，计算是物联网发展的关键。为什么这么说？在本博客中，我们将介绍边缘 计算，解释物联网与边缘 计算之间的联系，并分享边缘 计算使用案例。
什么是边缘 计算
在计算机网络中，云（例如数据中心）位于网络的中心。但是，”边缘”代表什么呢？边缘 可以是智能手机或平板电脑，也可以是在现场前线发挥积极作用的工业设备。边缘 计算在”边缘”或操作现场或附近处理数据。
尽管如此，边缘 计算并不局限于边缘 的数据处理 – 它是一种分布式开放 IT 架构，以强大的分布式处理能力而著称。
在边缘 端处理数据以提高响应速度的同时，将不需要高速处理的数据积累到云端。通过这种方式进行分布式处理，边缘 计算最大限度地发挥了数据的价值，并优化了每种数据所需的利用方式。
有关边缘 计算的更详细概述以及与云计算和内部部署计算的区别，请阅读此博客：
边缘 计算为何备受关注 – 与云计算和内部部署计算相比有何不同 |Stratus 博客
边缘 计算为物联网增添精确性
边缘
边缘 计算将对物联网产生哪些影响？物联网将如何因 计算而发生变化？边缘
改进实时信息
边缘 计算最明显的影响是提高了信息和数据的实时性。通常情况下，在云中发送和接收待处理的数据时，可能会出现几百毫秒到几秒钟的时间差。即使传感器变得越来越精密，发送的数据也越来越精确，但数据处理的时滞仍会影响设备，导致运行速度减慢并影响操作。边缘 计算通过在边缘 处理所需数据来减少时滞，从而实现实时响应。
流量优化
随着物联网的普及，大量数据被发送和接收，未来数据量还将继续扩大。将这些数据汇集到云中会增加通信流量，造成数据拥塞。通过在边缘 上分布处理，企业可以减少数据拥塞和通信成本。
加强数据安全
边缘 计算的另一个好处是增强了数据安全性。在边缘 上处理数据可减少与外部的通信量，从而保护这些数据免遭网络攻击或数据泄露。
制定业务连续性计划
边缘 计算也可以成为业务连续性规划（BCP）的有效工具。如果在边缘 端处理必要的数据，即使云服务器宕机，业务也能继续进行。如上所述，边缘 计算最重要的特点是分布式处理能力。分布式数据可分散风险，提高业务连续性。
让物联网更上一层楼
通过连接边缘 计算和物联网，企业将获得上述优势。这将有助于企业做出准确的管理决策，提高业务连续性。
与云计算的合作提升了边缘 计算的价值
很多时候，云计算和边缘 计算会被相提并论。但实际上，边缘 计算和云计算并不相互排斥。
让我们来看看云计算和边缘 为什么以及如何协同工作。
云计算与边缘 计算的分离
最初，边缘 计算被认为是一种技术，它只是通过在边缘 和云之间划分处理流程来提高处理速度。
然而，随着物联网的发展，有必要在物联网设备附近高速处理大量数据。正因为如此，数据处理和数据积累这两个角色被划分开来。处理功能主要保留在边缘 ，而分析和机器学习等功能现在则在云端完成。了解云计算和边缘 如何协同工作非常重要，因为它们的利用方式将取决于各自是如何联系在一起的。
未来，边缘 计算有望具备生成分析和机器学习算法的能力，只是目前还没有完全实现。目前，云端负责 “大局分析和大规模判断”，边缘 负责 “局部分析和即时判断”。重要的是要同时利用云端和边缘 的能力。
将边缘 的优势与云的优势相结合
在云中运行有很多优势，包括高度自由、可扩展性和灵活性。云操作的这些特点并不局限于此。边缘 计算结合了边缘 和云中的处理功能–用户可以利用边缘 的实时处理功能以及在云中运行的优势。
同时利用边缘 和云，还可以降低网络和延迟问题的风险。这是因为边缘 计算平台可在边缘 处理重要的本地数据，并将不具有时间敏感性的数据发送到云端。
边缘 计算还可保护机密数据，将其保留在网络中，而不会在发送到云端时受到威胁。
边缘 和云的结合对业务运营和管理产生了积极影响。
边缘 计算的使用案例
下面我们将概述边缘 计算的几种使用案例及其优势。下面是一些例子。
通过声音检测故障的环境传感技术
经验丰富的工程师可以听到机器运行的声音，发现故障迹象和维护需求。虽然很难将其表述为一个准确的指数，但从一个方面来看，日本制造业得到了这种 “现场感知 “的支持。
对于日本制造业来说，如何通过数字化将与设施和设备相关的维护诀窍传承下去是一个挑战，而这些诀窍一直依赖于技术熟练的工程师。
已经开发出了检测异常噪音和通知员工故障迹象的解决方案。这些操作声音由麦克风收集，然后由系统计算异常程度。这些数据在云端汇总和积累，用于大数据分析和机器学习，并发送到远程监控部门。
边缘 计算是一种用于处理和收集操作声音并计算异常程度的工具。异常情况可在边缘 端检测到，从而实现低延迟的高级处理。
实时天气预报模拟
边缘 计算的分布式处理能力可用于观测数据的实时处理。这些数据因地区而异。
为了提高某一点天气预报的准确性，有必要对预报范围进行细分。然而，越是细分，发送到数据中心的数据量就越大。在成本、速度和处理能力方面，通信量是有限的，因此，预报范围的细分也是有限的。
，但随着边缘 计算的引入，企业可以超越这一限制。通过在边缘 对每个细分范围进行处理，并将大范围预测所需的数据发送到云端，就有可能在需要的地方进行必要的预测。
边缘 计算在特定地点实现高精度实时天气预报的日子可能很快就会到来。
利用无人机和机器人技术提高农业效率
边缘 计算在农业领域的应用潜力也在不断扩大。
过去，水果采摘需要人员到现场巡视，目测是否到了采摘时间。现在，由无人机和机器人来完成这项工作，并且有一套系统已投入实际使用。
，人工智能利用摄像头和人工智能进行图像识别，通过边缘 计算识别获取的图像，从果实的颜色和形状分析成熟度，并从叶子的颜色和形状检测病虫害。此外，还可以直观地显示活动范围内的可收获数量，并预测最佳收获时间。
边缘 计算被应用到这一处理过程中，通过将边缘 的图像识别和云端的数据分析分离开来，实现了机器人的流畅运行。
利用员工行为分析优化商店运营
在便利店等小规模商店，一名员工必须负责多项工作。其中一些任务可能包括产品库存、检查、收银工作，有时还包括烹饪工作。正因为如此，店员必须频繁移动，不能在店内的一个地方停留。
为了提高店内员工的移动效率，已经开发出了分析员工行为和优化店内位置的解决方案。放置在店内的摄像头拍摄的图像会被发送到店内的电脑上，在电脑上对人员进行识别并拍照，边缘 。因此，有关员工移动方式的数据会被积累到云端，并通过数据分析计算出店内布局，以实现最佳的流线。
，这项技术不仅可以应用于员工，还可以应用于顾客的购买行为，例如什么样的产品陈列会促进购买行为。然而，挑战在于如何确保提取的个人数据不包含识别个人身份的元素。
实时控制运行状态的智能工厂
虽然许多领域都在开发使用物联网和边缘 计算的系统，但制造领域，尤其是智能工厂的发展仍然最为迅猛。
智能工厂是指所有设备和传感器都与网络连接的工厂。
此外，一些工厂还引入了一套系统，通过视频感知生产线上人员的移动以及检查异常行为，从而防止人为错误。
边缘 计算已成为需要处理海量数据并实时响应的智能工厂不可或缺的技术。
支持社区医疗的大型医院医疗设备系统
边缘
大型医院在地区先进医疗保健中发挥着核心作用，使用大量医疗设备。如何利用这些设备输出的数据一直是个重要问题。因此，人们正在开发整合医疗设备和医院系统的医疗设备综合解决方案，以协调和简化操作、管理设备数据并推进医疗服务。 这种解决方案通过连接医疗设备和医院系统来提高效率和数据利用率。由于该系统深度参与医疗操作，因此无法停止。该系统还处理与病人护理相关的敏感数据，因此需要高度的安全性。 计算与该系统相结合，以提高可用性和安全性。 先进的医疗护理与数据利用之间存在联系，例如过滤医疗设备中的数据并将其传输到电子病历和科室系统中。
边缘
支持飞机安全飞行、起飞和着陆的气象观测系统
飞机气象观测系统需要实时信息和稳定运行，以确保时速数百公里的飞机安全飞行。
考虑到信息的实时性和运行的连续性，边缘 计算被认为是最佳选择。
它作为一个系统运行，不断收集风向和风速、能见度、云基高度、温度、湿度、降雨量和大气压力等气象信息，并对这些观测数据进行集体处理和显示。
能源转运站的海洋石油运输管理系统
在为城市地区和大型工业区提供支持的综合能源配送基地，用于海洋石油运输管理的网关服务器必须每天 24 小时运行，不得出现计划外停机。
在运行连续性方面，进行分布式处理比在设施内建立大型服务器更具优势。
另一方面，工厂设施不具备适合安装服务器的环境，或缺乏操作人力资源的情况并不少见。
维护工作必须由少数人员完成，而且设备不能停止运行。
在这些条件下，可确保高效数据处理和稳定运行的边缘 计算正在工厂设施系统中得到应用。
边缘 计算：在需要更高精度的时代日益重要
正如我们在这篇文章中所看到的，边缘 计算与物联网结合使用在不同的地方。在生产现场，物联网实现了各种事物的可视化，但物联网的使用正在进入下一个阶段。这就是物联网利用的第二阶段，”如何利用收集到的数据”。目前，边缘 计算需要在不影响数据实时性的前提下进行高精度处理。边缘 未来，计算将成为物联网利用不可或缺的技术。
