部署边缘计算时需要考虑的三个重要因素
- 2024/7/19 15:28:15 13409
- 来源：控制工程网
边缘计算正在改变分析、人工智能和机器学习应用。对库和框架的大量投资，为工程师和运营专家提供了一个将这些功能与过程控制相结合的新领域。虽然有多种方法来实施高价值应用，但在设计过程中必须仔细考虑安全性、管理性和可扩展性。
致力于部署边缘解决方案的公司需要考虑三个主要方面：在边缘运行的应用、支持边缘的基础设施以及边缘设备的安全性和协调性。
01 在边缘运行的应用
边缘计算是指在控制过程或机器附近执行应用。边缘设备通常与运营技术(OT)设备运行在同一网络上，并且在数据收集和响应中具有低延迟的特性。边缘设备可以是物理设备，也可以是与处理设备之间具有较低网络延迟的虚拟机(VM)。
在物理设备和虚拟机之间有一个权衡，就是对处理能力或灵活性的偏好。该决策可以简化为使用边缘虚拟机还是边缘物理设备。虚拟机可以根据需要向上或向下扩展，从而提供资源分配的灵活性。
但是，虚拟机增加了一层抽象层，会影响处理效率并带来延迟。物理设备可实现低延迟和强大的处理能力，但会丧失资源分配的灵活性，而且通常是为单一应用而采购。
边缘计算应用具有一系列优势，如快速响应时间(低延迟)、高效使用互联网资源(带宽效率)、实时处理数据的能力(实时分析可扩展性)和较强的应用可扩展性。本地应用无需将数据发送到中央服务器，从而可以减少从数据生成到数据处理之间的逻辑距离。如果应用得当，这种方法可以实现接近实时的解决方案；应用可以获得快速决策和快速响应的能力。扩展边缘基础架构对于增加需求、保持性能和响应能力至关重要。扩展是通过在基础设施中添加边缘设备来实现的。分布式工作负载减少了瓶颈，增加了节点管理并改进了负载平衡。
在边缘运行的应用通常是针对特定用例，需要专门设计的。例如，用于优化过程控制的分析或模型，如减少废品、提高产量、减少公用设施消耗、预测性维护等。数据从本地传输到边缘设备进行处理。将原始数据或聚合数据推送到企业服务器或云端以进行进一步分析；聚合数据可以减少因在云端传输和存储数据而造成的成本。
02 支持边缘计算的基础设施
在集成边缘应用时，支持边缘技术的基础设施往往是最未知的因素之一。需要详细了解边缘应用的范围，以了解需要收集哪些流程参数、应用的输出是什么以及流程成功的定义是什么。
其它需要考虑的因素，比如数据收集和高级分析过程的准备情况，可以从分析成熟度模型中得出。高级过程分析需要在数据收集、清理、情境化和存储方面进行投资，并通过互补的基础设施提供支持。并非所有企业都已准备好进行高级过程分析。请与分析专家合作，确保这些解决方案能够得到支持。
随着设备的部署和应用的扩展，网络负载也会随之增加。了解数据在网络上传输的位置对于最大限度地减少当前基础设施的负载问题至关重要。可能需要升级网络交换机以支持更大的数据规模，从而最大限度地减少带宽争用造成的网络中断。在规划阶段就与工厂底层网络集成商进行协商，有助于确定并提供缓解网络争用的解决方案。
03 边缘设备的安全性与协调性
在设计过程中，应首先考虑边缘设备的安全性。边缘应用的功能要求可用于指定处理数据的安全要求。这些安全要求的常见例子可能包括传输和静态数据加密、传输级安全(TLS)通信和系统修补。编排平台(orchestration platform)还可以保护边缘设备管理其生命周期，以及更新设备及其各自的应用程序。编排平台也可以实现大规模运行，为部署的大型边缘设备提供此类服务。可以跨设备组执行管理活动，例如更新应用程序的版本、推送新的分析模型或更新安全补丁。
在编排平台上构建解决方案可以加速应用的开发和可扩展性。可以对概念验证或试点解决方案进行小规模评估，并将其部署到与该过程一起工作的边缘设备组中。编排平台上的创新速度，加上内置的安全性，为开发人员提供一个强大的工具，可以专注于提供解决方案，而不是管理部署和架构。
嵌入人工智能的边缘计算为控制工程带来了新的可能性和挑战。边缘应用可以实现低延迟通信，并可以针对各种业务目标进行定制。了解并投资于支持边缘计算的基础设施，对于大规模分析和网络准备是必要的。具有安全第一的理念和强大协调功能的编排平台，可以确保边缘设备得到有效的管理和保护。
在提升安全性、协调性和基础设施方面的投入，有助于制造企业为边缘人工智能解决方案铺平道路，以更好地优化工厂运营。
全部评论