近年來，5G和物聯網不斷發展，智能終端設備不斷普及，網絡邊緣側數據呈現爆發式增長，這些因素極大地推動了邊緣計算的發展。對于工業互聯網來說，5G邊緣計算技術可以解決數據時延、帶寬、安全性等問題，滿足并加快整體建設需求。制造業也在積極向智能化、互聯化轉型，“互聯制造”已成為制造企業發展浪潮中新的轉折點和歷史機遇。

然而，隨著制造業的智能化發展，越來越多的數據類型也隨之顯現。根據IDC的一份報告顯示，實時數據的增長速度比靜態數據加快了50%，流數據分析的復合年增長率預計將達到28%。這使得專用于靜態歷史數據解決方案、在本地或離散云中運行的傳統數據平臺無法滿足當前制造企業進行實時分析的需求。流數據之所以出現如此快速的增長，也是因為其可以實現實時分析，以及更重要的自主決策。

實現傳統制造業向互聯制造轉型的因素包括：針對特定用途量身定制的經濟型過程傳感器，可重復進行自主決策的強大邊緣計算設備，進行分析和存儲的云計算，以及即將到來的5G應用。5G將打開一條數據“高速公路”，使制造過程擺脫連接線的束縛;但流數據的這些優點也讓管理各種制造企業業務流程中的龐大數據量，以及多樣化數據結構等方面變得更具挑戰性。

傳統互聯制造數據管理解決方案面臨挑戰

隨著新數據源的快速發展和數據規模的上升，許多制造企業面臨著解決數字化復雜性的壓力。企業機構在互聯制造數據管理方面的主要挑戰包括：

• 數據管理成本：傳統的數據管理機制成本高昂，并且無法捕獲和處理來自聯網設備的PB級物聯網數據流。如今，企業機構需要一個更靈活且可擴展的數據管理分析平臺，從而能夠以較低的成本輕松地采集、存儲和管理流數據。
• 處理物聯網數據的數量和種類：為了實現流程監控和優化、預測性維護以及新興的物聯網應用，信息架構師需要一個平臺來處理各類數據結構和方案，包括每秒溫度、壓力和振動讀數等，以通過各種受支持的驅動程序和協議從邊緣處理純非結構化數據(例如圖像、視頻、文本、頻譜數據)，以及熱成像、聲音信號等其他形式的數據。
• 管理實時數據的復雜性：為了推動連續過程監控、產量優化或預測性維護，數據管理平臺需要對流數據進行實時分析，并有效采集、存儲和處理這些數據，以便及時提供洞察，采取行動。
• 解放孤島中的數據：由于價值鏈中存在特殊流程(創新平臺、QMS、MES等)，因此需要針對每個獨立的孤島解決方案定制不同的數據源和數據管理平臺。鑒于跨企業數據僅能提供一小部分洞察力，這些窄點解決方案會限制企業價值;而且重復的孤島解決方案會分割業務，從而限制合作機會。因此，該平臺必須能夠將價值鏈中各點的流數據與ERP、MES和QMS來源相結合，并形成可執行的洞察。

Cloudera DataFlow從邊緣獲得洞察

鑒于制造業本身和物聯網數據的復雜性和多樣性，制造企業十分重視從邊緣到人工智能獲取清晰可見的洞察力。因此，在一開始就應將數據放入數據湖和企業數據平臺中。

Cloudera Data Platform通過Cloudera DataFlow(CDF)中的技術組合來應對這些挑戰。CDF可提供以下解決方案：

• 管理、控制和監視所有數據流和物聯網計劃邊緣的能力。Cloudera Edge Management(CEM)由邊緣代理和邊緣管理中心組成，通過管理、控制和監視邊緣代理，以收集邊緣設備中的數據并將情報發回。
• 獲取和管理實時流數據的能力。Cloudera Flow Management(CFM)是由Apache NiFi支撐的無需編碼的一種數據獲取和管理解決方案。通過NiFi直觀的圖形界面和300余個處理器，CFM可為企業提供具有高度可擴展性的數據移動、轉換和管理功能。
• 通過Apache Kafka實現的高級消息傳遞和流處理功能。Cloudera Stream Processing(CSP)使用Apache Kafka提供流數據的高級消息傳遞、實時處理和分析，以及Cloudera Streams Management支持的管理和監視功能。
• Cloudera Streaming Analytics(CSA)提供的實時洞察。在Apache Flink的支持下，CSA提供低延遲的處理能力，可從邊緣對流數據進行實時可行的智能處理。