在IIC發(fā)布題為「IIC Introduction to Edge Computing in IIoT」白皮書，針對持續(xù)性邊緣計算在工業(yè)物聯(lián)網(IIoT)作出介紹。邊緣是一個邏輯層(Logical Layer)而非一個特定的實體分隔，所以，可由使用者自行釋義與說明它的所處位置，依據實際案例的不同，邊緣之定義取決于案例問題或要解決的“關鍵目標”，以下將論述四個應用案例與邊緣計算之效益。

[[272345]]

案例一：保護設備免受過熱損壞

名為「Dumb」的熱電偶(Thermocouple)可測量泵浦的溫度，具有邊緣計算功能的泵浦可執(zhí)行基本分析，以確定是否超過定義的臨界值(Threshold)并在幾毫秒內關閉泵浦。過程中沒有延遲決策，也不需要聯(lián)網才可執(zhí)行此功能，聯(lián)網不是必需，但可以用于通知使用。溫度信息的時間價值迅速衰減，因延遲可能會導致設備損壞。在此情況下，邊緣處于組件等級(Device Level)，因可實踐關鍵目標，即使聯(lián)網更高階系統(tǒng)或因特網鏈接中斷時亦可執(zhí)行。

案例二：監(jiān)測廠區(qū)或生產線的績效

設備與生產線的績效常透過設備效率評價(Overall Equipment Effectiveness, OEE)等績效指標進行呈現(xiàn)。可在本地網關(Gateway)上針對工廠內各傳感器的多個數(shù)據點以進行近實時分析(Near Real-Time Analytics)，并向操作系統(tǒng)或人員提供OEE趨勢和警示提醒。

在這種情況下，基本功能需要取得多個設備的信息，才能執(zhí)行簡單的分析。等待來自云端決策的響應時，將使得信息的時間價值變高，若有所延遲恐會導致重大損失，這樣的商業(yè)問題意味著邊緣計算適用于工廠場域的層級。

案例三：每兩天優(yōu)化當?shù)鼗蚬S之供應鏈

最適化當?shù)卦O施、工廠或油田的供應鏈流程需要取得多種數(shù)據源，并在短時間內運用優(yōu)化算法與分析，以使供應鏈管理(SCM)或企業(yè)資源規(guī)劃(ERP)等商業(yè)系統(tǒng)能應用該分析模式。

基本功能需要當?shù)鼗蚬S層次的聯(lián)網，并在幾小時內做出決策。工廠外圍以外的其他信息或許可能有用處，但并非強制性的有效優(yōu)化。在這種情況下，邊緣計算將設置于工廠、場域或當?shù)卦O施的外圍。

案例四：預測設備故障與主動回報行程表

機器學習模型預測潛水電泵(Electric Submersible Pump)故障，數(shù)據需要從多個離岸平臺(Offshore Platform)中獲得。分析模型非常復雜，需要大量數(shù)據進行訓練及重新訓練模型，還需定期數(shù)據饋送(Feed)，從操作潛水電泵確定每個單元的剩余使用壽命。此外，需要定期規(guī)律性分析來自各個潛水電泵的數(shù)據，但信息衰減比其他情景慢得多，且可每天或每周做出決策。計算通常執(zhí)行于企業(yè)級的公共云端或私有云端，且位于邊緣連續(xù)體(Continuum)的頂端。

為什么要在邊緣進行運算?

邊緣計算(Edge Computing)是一種分布式計算架構。其中，運算資源和應用服務可分布于數(shù)據源到云端的通訊路徑。邊緣可滿足運算需求，如：某處搜集數(shù)據的或用戶執(zhí)行某些動作，其帶來之效益為：提高績效;滿足遵循法規(guī)、數(shù)據隱私與數(shù)據安全性的問題;降低營運成本。