在瞬息萬(wàn)變、競(jìng)爭(zhēng)激烈的全球市場(chǎng)，企業(yè)需仔細(xì)考慮數(shù)據(jù)在哪里里及如何將數(shù)據(jù)轉(zhuǎn)化為商業(yè)價(jià)值，以強(qiáng)化營(yíng)運(yùn)、改善客戶體驗(yàn)。有時(shí)數(shù)據(jù)和分析需集中處理，如儲(chǔ)存在云端的數(shù)據(jù);有時(shí)營(yíng)運(yùn)決策則需立即進(jìn)行，因此集中式方案無(wú)法提供分析，而需要導(dǎo)入邊緣分析。

據(jù)Automation World報(bào)導(dǎo)，邊緣分析發(fā)生在營(yíng)運(yùn)網(wǎng)絡(luò)邊緣或附近，通常亦稱為分布式分析或邊緣運(yùn)算。然而，由于成本、復(fù)雜性、安全性和技術(shù)障礙等綜合因素，直到最近仍無(wú)法在行業(yè)邊緣進(jìn)行分析。

但情況正在改變，數(shù)碼化正在所有工業(yè)環(huán)境中發(fā)生。棕地基礎(chǔ)設(shè)施正在借助增設(shè)傳感器和閘道器等設(shè)備來(lái)增加智能，新的基礎(chǔ)設(shè)施則能透過(guò)嵌入式軟件和智能設(shè)備實(shí)現(xiàn)數(shù)碼化。

美國(guó)顧問(wèn)公司ARC Advisory Group研究主管Michael Guilfoyle表示，隨此變化的發(fā)生，市場(chǎng)焦點(diǎn)已從集中式的大數(shù)據(jù)和分析，轉(zhuǎn)向邊緣數(shù)據(jù)管理和分析。這點(diǎn)很合理，因?yàn)槲锫?lián)網(wǎng)(IoT)邊緣設(shè)備及其相關(guān)數(shù)據(jù)已大增，而且將持續(xù)下去。

但過(guò)度依賴設(shè)備及相關(guān)數(shù)據(jù)的邊緣分析，忽略了工業(yè)企業(yè)可獲得的一些最有價(jià)值的數(shù)據(jù)和見(jiàn)解，即操作數(shù)據(jù)(operational data)及流程知識(shí)。

傳統(tǒng)上，采用分層結(jié)構(gòu)來(lái)擷取、存取和傳遞整個(gè)企業(yè)的數(shù)據(jù)，但在使用數(shù)據(jù)上存在很多限制。早在互聯(lián)網(wǎng)之前，此數(shù)據(jù)結(jié)構(gòu)就已存在。隨著互聯(lián)網(wǎng)成為商業(yè)和營(yíng)運(yùn)環(huán)境中無(wú)處不在的一部分，這種傳統(tǒng)的數(shù)據(jù)結(jié)構(gòu)正在被取代。

企業(yè)現(xiàn)在開始看到更全面的數(shù)據(jù)和分析的價(jià)值。這種改進(jìn)的觀點(diǎn)包括集中式處理，例如在云端中，并且無(wú)縫地延伸到營(yíng)運(yùn)邊緣。由于企業(yè)領(lǐng)導(dǎo)者苦于處理爆炸式成長(zhǎng)的數(shù)據(jù)，將云端運(yùn)算視為相關(guān)數(shù)量、速度和復(fù)雜性問(wèn)題的解決方案。

云端方案可將復(fù)雜和大型數(shù)據(jù)集與先進(jìn)的分析技術(shù)相結(jié)合，帶來(lái)能解決問(wèn)題的龐大運(yùn)算能力。例如，將機(jī)器學(xué)習(xí)應(yīng)用于聲學(xué)數(shù)據(jù)以預(yù)測(cè)資產(chǎn)故障;集成文本分析以優(yōu)化流程，或使用圖象分析進(jìn)行產(chǎn)品保證。

而為因應(yīng)云端應(yīng)用的不斷成長(zhǎng)，企業(yè)邊緣的概念被定義為企業(yè)營(yíng)運(yùn)環(huán)境的最遠(yuǎn)延伸，無(wú)論是實(shí)體基礎(chǔ)設(shè)施、分布式營(yíng)運(yùn)點(diǎn)還是客戶互動(dòng)。邊緣分析則將數(shù)據(jù)處理和運(yùn)算擴(kuò)展到數(shù)據(jù)源或其附近。在工業(yè)營(yíng)運(yùn)中，邊緣執(zhí)行的分析通常支持提升效率、可靠性、意外停機(jī)時(shí)間、安全性和客戶體驗(yàn)的戰(zhàn)術(shù)用例。

在考慮邊緣分析的數(shù)據(jù)時(shí)，常見(jiàn)的誤解是它們僅包含串流數(shù)據(jù)，即基于輸入源的時(shí)間標(biāo)記。而其背后構(gòu)想是聯(lián)機(jī)、自動(dòng)化、邊緣分析和工作流程自動(dòng)化的組合，是從數(shù)據(jù)中獲取價(jià)值的關(guān)鍵。

盡管這是正確的，但僅描述工業(yè)物聯(lián)網(wǎng)(IIoT)策略中的部分情況。缺少的是對(duì)操作過(guò)程及其相關(guān)數(shù)據(jù)的價(jià)值的理解。這些數(shù)據(jù)通常是由主題內(nèi)容專家(Subject Matter Expert;SME)產(chǎn)生和擷取，因此常包含高價(jià)值的信息。

操作數(shù)據(jù)，特別是在邊緣產(chǎn)生的數(shù)據(jù)，通常未獲充分利用。除非存在正式流程，否則這些數(shù)據(jù)很少被系統(tǒng)化為營(yíng)運(yùn)數(shù)據(jù)庫(kù)的部分來(lái)源。除了營(yíng)運(yùn)數(shù)據(jù)，SME還了解營(yíng)運(yùn)流程和最佳實(shí)踐。這些高價(jià)值的員工具備如何操作設(shè)備、執(zhí)行維護(hù)和確保安全程序的具體知識(shí)。

例如，原油工程師就很了解精煉過(guò)程中的原油類型對(duì)設(shè)備故障的影響。當(dāng)然，這種智能產(chǎn)權(quán)非常寶貴，企業(yè)擔(dān)心會(huì)在工人退休或跳槽時(shí)跟著離開公司。

好消息是，現(xiàn)在已有技術(shù)能對(duì)數(shù)據(jù)進(jìn)行數(shù)學(xué)建模，并在分析后取得這些專業(yè)知識(shí)。而此流程知識(shí)可透過(guò)操作和IIoT數(shù)據(jù)來(lái)增強(qiáng)，知識(shí)和數(shù)據(jù)的融合可用來(lái)推動(dòng)IIoT策略所需的優(yōu)化決策流程和設(shè)備性能。