工业边缘计算

工业部门是世界经济的重要组成部分。我们所穿的衣服、所用的电话和笔记本电脑、所驾驶的车辆以及其所用到的汽油均来自工业部门。 工业 4.0 是工业革命的第 4 次浪潮，通过人工智能帮助公司充分利用数据并在竞争激烈的市场中脱颖而出。

但是，采用现代智能系统的工厂面临独特的基础架构挑战。工厂必须具有有效的机制来捕获、存储和处理大量数据，并实时或准实时地进行处理。例如，通过基于相机的智能产品检查系统获取的详细信息，每天可以在每个工厂生成 PB 级的数据。制造商还必须确保其信息、物联网 (IoT) 设备、物联网网关、制造软件和系统的安全性。漏洞可能会危及敏感数据或阻碍工厂流程。

通过让数据和安全的计算基础架构接近工厂车间和依赖它的流程，制造业中的边缘计算旨在解决这些问题。这种方法带来了大量优势。首先，制造商可以通过避免与远距离数据传输相关的延迟来存储和处理信息。其次，该方法消除了与将大量数据流传输到异地存储相关的带宽成本。

边缘计算挑战

尽管通过边缘分析产生分析结果为竞争差异化提供了机会，但将数据转化为分析结果涉及多个考虑因素。

工厂通常缺乏内部专家，无法经济高效地部署所需的基础架构，管理这些系统以及有效地连接数据。

借助英特尔的工业边缘计算平台，解决方案开发商和制造商可以利用云服务提供商的长期数据存储、虚拟开发环境和应用程序管理功能，同时仍能达到适合边缘的延迟和带宽目标。

当今市场提供了数百种工业物联网 (IIoT) 平台和数千种工业物联网设备。由于这种多样性，协议和操作系统造成了系统之间的兼容性挑战。因此，最终用户需要开放且敏捷的平台，以促进系统之间的兼容性。

制造商需要安全、可互操作、支持人工智能的边缘软件解决方案。他们还需要能够将所有不同的计算基础架构、物联网边缘设备和应用程序整合到一个端到端系统中。

英特尔的工业边缘计算平台

英特尔的工业边缘计算平台利用了现代微服务架构的优势。 这种方法可帮助 OEM、设备制造商和解决方案提供商更快地集成来自传感器网络、运营来源、外部提供商和工业系统的数据。经过产品验证的模块化软件可以在边缘提取机器数据。它还使数据可以跨协议和操作系统安全地进行通信，进行聚合管理和快速分析。

实现机器在不同协议和操作系统之间的互换通信，可以简化数据提取、分析、存储和管理的过程。这样做还可以帮助工业公司轻松构建强大的分析和机器学习模型，并在边缘生成可行的预测分析结果。

边缘计算软件部署占据了操作系统和构建在其上的应用程序之间的中间层。英特尔的工业边缘计算平台是针对基于英特尔® 架构的平台而创建和优化的，并已针对基础操作系统进行了验证。其功能支持多个关键的边缘英特尔® 硬件组件，例如 CPU、FPGA、加速器 (英文) 和英特尔® Movidius™ 视觉处理器 (VPU)。而且，其模块化架构为 OEM、解决方案提供商和 ISV 提供了灵活性，以选择他们希望包括或扩展到定制解决方案的特性和功能。因此，他们可以将解决方案快速推向市场并加速客户部署。

英特尔的工业边缘计算平台带来的其他优势

英特尔的工业边缘计算平台支持许多使用场景，使软件开发人员可以从中扩展其物联网应用。开发人员还可以增强 GUI，以简化对有意义信息的访问。

支持物联网设备、应用程序和工具的广泛生态系统

英特尔软件支持管理一系列第三方计算、存储和工业物联网设备解决方案。英特尔的工业边缘计算平台针对工业应用和用途进行了简化。

视频摄取

英特尔的工业边缘计算平台提供了现成的视频摄取功能。英特尔提供的基础架构能够捕获元数据并创建关系数据库，以在机器视觉系统学习过程中提供帮助。

它还可以与英特尔® 分布式 OpenVINO™ 工具包 一起支持高性能推理。 借助 OpenVINO™ 工具套件，机器视觉系统可以使用深度学习和神经网络扩展其能力。以此可以在边缘实现智能分析。在计算机视觉系统经过解读周围对象的训练之后，该人工智能就可以执行重复而细致的任务，这些任务对于员工而言乏味且具有挑战性。

机器视觉系统为工业应用提供了出色的质量控制机制。中国的一家制造企业与英特尔紧密合作，将其产品检测技术转换为机器视觉系统。这一变化将其缺陷检测的准确性提高到 99.9% (英文)。¹ 与以前相比，新系统执行这些检查的速度要快得多。

计算机视觉还可以分析制造中所涉及的工业流程。通过识别程序瓶颈，智能系统可以识别提高生产车间效率的契机。

边缘数据的收集与存储

工厂的工业物联网设备、传感器和摄像头会产生大量业务关键信息。第一步当然是摄取和处理这些数据，以供分析系统和其他应用程序快速访问。

边缘网络通常需要用于信息存储和处理的现场服务器。但是，在某些情况下，靠近边缘的低延迟云解决方案可以提供实用的替代方案。例如，多路访问边缘计算使开发人员可以将关键应用程序放置在离客户更近的地方，从而减少延迟和带宽成本。

边缘分析的快速分析结果

英特尔的工业边缘计算平台具有内置的快速分析功能，可以解读从整个制造工厂的设备捕获的任何量级的数据。 通过最小的数据吞吐量延迟，其可以实现近乎实时的事件驱动控制。快速的响应能力确保关键信息以惊人的速度到达必要的装置、设备和人员。

物联网设备及其背后的智能功能定期使用预测性维护来监控关键任务机械。如果系统通过异常活动解读到即将发生设备故障的警告信号，则该机器可以立即关闭以进行维修。

如果没有基于边缘的分析系统，则在集中式数据中心或云解决方案中处理数据所导致的延迟可能会成为问题。边缘计算省去了将物联网边缘数据往返于公司的中央数据收集系统进行更深入分析的需求。即使使用快速网络或5G连接，此数据移动也可能需要几秒钟。当工业机器的关闭命令返回到远程制造工厂时，可能为时已晚。尽管边缘设备本身发出了所有早期预警信号，但信息延迟仍可能导致设备故障。但是，借助本地数据和边缘分析，来自设备数据的分析结果可以在数毫秒内触发智能操作。

客户反馈

日立公司（一家位于日本的世界领先的工业 OEM 企业）控制和服务平台系统部总经理 Naohiko Irie 博士表示，“通过工业边缘计算平台，OT 开发人员可以拥有灵活的开发框架，以采用 IT 的前沿技术。借助工业边缘计算平台提供的敏捷性，我们可以快速满足公共基础设施和工业系统中的各种客户需求。因此，我们自信可以帮助各个行业加速数字化转型。”

台湾 ODM 厂商 Axiomtek 首席执行官 Albert Huang 表示：“英特尔的工业边缘计算平台提供了一个强大且可立即部署的解决方案，该解决方案整合了在工厂车间加速边缘计算实施所需的所有要素。它支持多种英特尔硬件和软件组件，以推动数据采集、分析、机器视觉检查等各项任务。

Axiomtek 的人工智能入门套件包含基于英特尔® 酷睿™ 的平台和工业边缘计算分析功能，可帮助用户以智能方式部署视觉应用程序。借助完整的开发套件，客户可以节省时间和成本，我们则可赢得客户的信任。英特尔的工业边缘计算平台软件可帮助创建一个统一、节省成本的边缘平台，制造商可以在该平台上快速集成来自各种工业物联网来源的数据，以生成可行的分析结果并优化生产流程。”

另一位台湾 OEM 客户 Vecow 表示，通过集成英特尔的工业边缘计算平台，他们在推理方面的性能提高了 40%，在项目部署中的速度比原来的框架提高了 20%。²