工业边缘计算有哪些应用场景？

边缘计算是一种分布式计算系统架构。在其中，计算资源和应用程序服务可以分布在从数据源到云的通信路径中。边缘可以满足计算需求，因此也孕育而生出工业边缘计算，而工业边缘计算在工业物联网的应用有哪些?

工业边缘计算在工业物联网中具有下列的应用场景。

1、工业边缘计算可以保护设备免遭温度过高破坏

名以“Dumb”的热电偶可以精确测量泵的温度。具有边缘计算功能的泵可以执行基本分析，以确认其是否超过定义的临界点，并在几毫秒内关闭泵。执行的过程没有延迟，无需网络连接就可执行此功能。联网虽不是必须的，但可适用于通知。温度信息的时间值会迅速衰减，这样的延迟可能会导致设备破坏。在这样的情况下，边缘处于设备级别，即使达到更高级别的系统连接到互联网或网络出现中断，也可以实现关键目标。

2、工业边缘计算可以监测工厂或生产线的性能

设备和生产线的性能一般由性能指标显示，如总体设备效率(OEE)。可以在本地网关(网关)上的工厂中每个传感器的多个数据点上执行近实时分析，然后可以向操作系统或人员提供OEE趋势和警告。在这样的情况下，基本功能须要从多个设备获取信息以执行简洁明了分析。等待云决策的响应将使信息的时间价值更高。如果有延迟，将造成严重损失。这些业务问题意味着边缘计算适合在工厂领域。

3、工业边缘计算可以每两天优化一次本地或工厂供应链

要优化本地设施，工厂或油田的供应链工作流程，须要获取多个数据源，并在很短的时间内应用优化的算法和分析，以使像供应链管理(SCM)或企业资源计划(ERP)之类的商业系统得以应用。基本功能须要在几个小时内进行本地或工厂级的联网和决策。工厂外围以外的其他信息可能有价值，但是对于有效的优化不是硬性规定的。在这样的情况下，边缘计算将设置在工厂，现场或本地设施的外围。

4、工业边缘计算可以预测设备故障并主动报告时间表

机器学习模型可预测电动潜水泵(ElectricSubmersiblePump)的故障，然后从多个海上平台获取数据。分析模型非常复杂，要用大量数据来训练和重新训练模型，以及定期输入数据(Feed)来确认潜水电泵运行的每个单元的剩余使用寿命。另外，有必要定期分析每个潜水泵的数据，但是信息的衰减比其他情况要慢得多，且可以每天或每周做出决定。计算一般在企业级公共云或私有云中执行，然后位于边缘连续体的顶部。

总而言之，工业边缘计算可以降低网络延迟，然后无需通过网络将数据传输到数据中心或云进行处理。对于时间要求相对较高的工业而言，这尤其重要，因为工业行业要实时数据搜集和对自动化生产线的即时反馈处理。