哈爾濱中軟分享：霧計算為工業物聯網自主化關鍵

工業物聯網(IIoT)將原本獨立編程的各種裝置，全結合在同一個智能網路系統。這些系統通常具備實時運算、數據互連、資安整合、高性能、可靠、可擴充等能力。由於當前採用的雲端解決方案仍有不少限制，因此有越來越多先進且高價值的IIoT使用案例，開始從雲端轉向霧計算(fog computing)。

Embedded Computing Design報導指出，IIoT的演變，根據數據互連性與人工智慧(AI)程度的不同，可分為監控、優化與自主性三個層級。監控包含了等預測性維修、資產追蹤等資產績效管理工作。這個層級的數據只是從邊緣流向後端雲端或控制中心，彼此間並未產生互連性。人工智慧與先進分析都只在後端運行。

這個層級的使用案例重點，在於流程的優化，也就是利用感測器擷取的數據，監控並改進整個工業流程。隨著感測器使用數量提升，為減少傳輸至後端的數據量，系統開始產生邊緣分析的需求，而邊緣分析也將持續提升流程的P2P數據互連性。如此一來，IIoT系統便具備數據互連性與分層的運算功能，而這都需有霧計算的支持。

進入自主性層級的IIoT，主要利用AI管理系統，不再需要人為介入。各項決策權與控制將依據反應時間要求與數據規模，分配到IIoT系統的不同階層。這個層級的實時數據會在各個運算節點間移動。如果沒有霧計算，系統便不可能擁有自主性，而透過霧計算，業者便能開發出更有彈性、韌性的自主化系統。

舉例而言，離岸風力發電農場引進物聯網技術後，每座風力發電機內的數據匯流排(databus)便可在各個運算節點的分析與控制應用間進行數據分享。當安裝在某一座風力發電機的感測器偵測到風向或風力變化時，便可通知其他下風處的風力發電機做出調整，以維持整座風力發電農場的穩定輸出。

發電農場的數據也可在傳回至後端的控制中心後，與氣象、整合業務系統等其他服務結合，產生長期的預測及分析數據。監控層級的IIoT並無部署霧計算的必要，但對於優化使用案例而言，霧計算可說是十分理想的功能;對於自主性使用案例，霧計算更是關鍵。

以Linux容器等靈活的運算框架有助於簡化AI應用的部署與管理，而數據分散式服務(DDS)等連網標準，是優化與自主性使用案例達成數據互連性不可或缺的基礎。

哈爾濱中軟卓越具有完善的IT職業教育體系，提供基於崗位的項目實戰訓練，投重金研發了專門針對大學生的准員工。「5R（5Real）」實訓課程體系，5R即：真實的工作環境、真實的項目經理、真實的項目案例、真實的工作壓力、真實的工作機會。課程設計主要培養學員的動手操作能力，通過實際項目讓學生熟知軟體開發的流程，每年有無數學子從哈爾濱中軟卓越走向IT行業，選擇通過正規培訓的職業教育進入IT行業。哈爾濱中軟卓越助您走近夢想，走進輝煌人生。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！