市場洞察提供商IoTAnalytics的研究表明，通過集成智能工具使邊緣計算系統變得“智能”是該技術持續增長的關鍵驅動力。邊緣分析是智能邊緣解決方案的主要推動者，通過支持低延遲、高容量數據操作來擴大其用例范圍。

長期以來，對更靈活和更具成本效益的運營的需求一直是制造公司的首要議程。工業自動化提供商橫河(Yokogawa)在2020年進行的一項調查顯示，48%的受訪者將生產率視為其數字化戰略的關鍵重點，40%的受訪者將運營效率視為其主要目標。這場大流行進一步增加了對自動化流程和技術的需求，以保持業務的暢通。

大流行的持久影響是該行業數字化轉型的加速器。邊緣計算在促進這種加速方面發揮著關鍵作用，但使邊緣智能化對于保持其價值至關重要。邊緣分析是直接從邊緣收集、分析和處理從IIoT設備收集的數據的過程。通過盡可能靠近數據源處理數據，邊緣分析使制造商能夠提高效率并加快創新速度。但怎么做?

訪問機器數據

大數據奠定了工業4.0的基礎，但以正確的方式訪問它繼續挑戰制造商。工廠車間有許多不同的機器，它們都收集了可能提供有價值洞察力的數據。以正確的格式檢索相關數據是制造商希望充分利用其邊緣功能的第一個障礙。需要選擇要處理和使用哪些數據來觸發本地操作以及將哪些數據發送到云進行存儲、模型訓練和歷史分析，這一點至關重要。

然而，邊緣分析控制的不僅僅是數據量。它還用于通過將不同的數據集轉換為用于機器兼容性和比較的通用格式來協調數據。工廠車間擁有多代設備，它們都以不同的方式收集數據。許多不同的數據源——例如PLC、DCS、歷史數據和數據庫——以及許多不同的協議——Modbus、MQTT、OPC、西門子和ABB——都需要以不同的方式進行處理。

在邊緣處理大量數據可以防止云系統不堪重負，并顯著降低相關成本。通過避免昂貴的入云服務，僅在云上處理和存儲相關數據可以降低高達99%的成本。

簡化工業流程

解決數據訪問問題是邊緣分析對制造商的第一個好處，但如何充分利用收集到的數據將是下一個難題。全球市場分析師Forrester進行的研究估計，收集的所有數據中有60%至73%未用于分析。然而，實時利用數據可以提高機器性能并簡化運營效率。

在邊緣分析數據使制造商有機會在生成數據時對其進行評估，并通過直接向機器部署操作以提高其性能來做出響應。例如，機器的運行速度或它分配的材料數量可以根據從工廠車間下一臺機器收集的數據立即修改。

選擇在邊緣而不是在云上執行此操作，使此應用程序成為可能。將數據保持在本地有助于在不同協議上運行的不同代設備之間進行有價值的機對機(M2M)通信，從而簡化了制造流程。此外，將數據保存在本地可以緩解業界普遍存在的安全性和數據策略問題——分發處理和算法，而不是分發數據。

提升企業管理

工廠車間的效率會影響每一項業務運營——如果生產放緩或設備出現故障，整個供應鏈可能會發生重大中斷。正如邊緣分析可以在不將數據發送到云的情況下連接機器和流程一樣，它也可以將數據集成到企業資源規劃(ERP)系統中。ERP系統是一種業務流程管理軟件，可在一個地方管理公司的財務、供應鏈、運營、制造和人力資源活動。

ERP系統正越來越多地轉向事件驅動架構(EDA)，它使用信息通過響應“事件”來實時連接業務功能。這些可以是從客戶請求到傳感器讀數再到庫存更新的任何內容。當事件發生時，基于事件的ERP系統使用一組規則來確保將相關數據發送到可能需要它的所有業務領域。

現代事件驅動的邊緣分析軟件可用作工廠車間和ERP系統之間的連接層，將相關數據實時發送到其他業務功能。這樣，直接從工廠車間收集的數據可用于多個業務領域，以改進質量控制、滿足產品需求的增長并避免因設備意外停機而造成的中斷。

邊緣分析是充分利用智能邊緣基礎設施的關鍵技術。通過促進機器、流程和其他業務領域之間的實時通信以實現更高效的生產輸出，邊緣分析允許制造商最大限度地提高機器數據的潛力，不僅在工廠車間而且在整個公司的運營中提高效率。