边缘：智能工厂的未来

当今的数据经济依赖于人们生成的数据，以及构成物联网 (IoT) 的设备、电器和机器，而后者的重要性在逐渐上升。借助数据，商家可以精准确定人们的喜好，消费者对更加个性化产品的期待也随之提高。虽然应用程序已经实现智能化，但新兴的机器人和虚拟助手会将个性化提升到一个新的水平，极大地改变消费者的思维方式。为了满足这类新消费者的需求，制造业需要设计出智能、个性化、定制、互联且价格低廉的产品。

当今的工厂需要生产满足不同要求的定制产品，这将促使它们向智能工厂转变，在生产经营中引入人工智能 (AI) 和物联网等新兴技术，或所谓的工业物联网 (IIoT)。在数据经济中，工业企业需要快速采取行动，因为在生产中依靠静态调度不足以应对不断变化的订单信息。此外，它们还需要在机器人和机器之间动态分配工作负荷，同时兼顾设备的能耗，而大多数传统工厂恰恰没有配备能实现上述目标的设备。

必不可少的边缘计算

在这种背景下，通过动态任务分配来个性化服务需要一种技术，能使分配生产任务的本地机器实现超低延迟。将这些数据发送到云制造平台进行分析是一种负担，对于这种场景，建议使用边缘计算，因为它能支持实时生产周期。对于追求高度个性化并从事各种机器自动处理任务的智能工厂而言，除非建立一个智能边缘节点，该节点可以利用其自身的自组织协调能力与其他节点协商，进而并行解决大规模问题，否则预定义规则将不起作用。工厂中的机器和机器人现在开始配备可以测量能耗的边缘节点。这些节点还嵌入了分析功能，如集群智能等优化算法，可以根据每台机器的能耗确定任务的优先级。

在上面的场景中，每个边缘节点都具有智能和自主性，因为每个节点都嵌入了推理、规划和机器对机器协调能力。这些边缘节点的作用不同于智能仪表，智能仪表只能估算一台设备的工作负荷与其消耗的能量之间的关系。相比之下，这些边缘节点担当数据存储、分析和智能信息交互节点。

这种边缘平台是什么样的？

如果没有适当的多接入边缘计算 (MEC) 平台，这种应用场景以及许多其他应用场景（包括通过实时变更进行预测性维护）将无法实现。与 5G 技术结合后，MEC 平台可支持超低延迟敏感型制造应用程序。智能工厂中的机器和机器人将生成大量数据，因此需要这种应用程序处理海量数据，同时在本地环境中借助位置感知提供所需的处理能力。MEC 平台由不同的层组成，这些层从 IIoT 机器收集数据，以跨越各层执行不同任务，如减少冗余和错误，解码和压缩数据，以及执行其他原始数据预处理操作，并存储数据。为了达到最佳效果，MEC 平台还必须能够支持深度学习处理密集型的低延迟功能，如实时异常警报，以满足利益相关者对增强的决策洞察力的需求。

MEC 平台为何需要数据虚拟化？

为了达到最佳效果，MEC 平台需要跨越所有不同层访问所有数据源。然而，依赖传统数据集成方法（如 ETL 流程）的 MEC 平台很难连接到这些差别巨大的数据源。因此 MEC 平台需要像数据虚拟化这样的敏捷数据集成技术才能发挥全部效能。数据虚拟化可以部署在边缘与数据中心或云之间的任何中间层，包括基于组织和区域的层。它通过对数据源进行抽象化并创建所有信息（即关于维护、库存、零件和经销商的信息）的统一视图，来优化流程并实现预测分析。

通过实施数据虚拟化，世界上最大的独立生物技术公司 提高了产量和工厂效率。它需要实时调整其制造数据，以识别“弱信号”趋势。“弱信号”趋势表示生产中可能存在会造成数百万美元损失的失误。为了确定其理想产量，该公司需要整合并分析其当前和历史数据。利用数据虚拟化，这家生物公司成功结合了来自 46 个源系统的数据，并创建统一视图，从而使采取纠正措施以确保理想产量更加容易。

最大限度提高产量，最大限度缩短停机时间

为了跟上供应和需求，制造商所需要的就是高度优化的系统，以最大限度提高产量，同时最大限度缩短业务停机时间。他们需要相互协同的先进技术。数据虚拟化是边缘计算和未来智能工厂发展的重要组成部分。

作者

Ali Rebaie 是 Rebaie Analytics Group 的行业分析师和顾问，专注于大数据、分析和新兴技术。他为众多软件供应商提供咨询服务，并帮助软件买家制定大数据和信息管理策略及架构。作为大数据和分析工作的一部分，Rebaie 领导并开发了多个跨商业智能的技术项目，涉及媒体、营销、石油和天然气以及运输等不同行业。Ali 是国际知名的 Boulder BI Brain Trust (BBBT) 的成员。