發布日期：2022-07-14 點擊率：40
在低階領域傳統傳感器仍有生存空間，但在工廠設備監測這類需要較高精細度領域，朝智能化傳感器應用邁進仍有其必要性。邊緣計算有兩大優勢，其一為能夠在節點或網關端就進行實時決策，另一則是無需仰賴龐大的無線網絡基礎設施。
當前全球物聯網(IoT)應用日趨復雜，數據量也愈來愈龐大，業界也正在尋找如何處理這些來自物聯網傳感器所搜集大量數據的更佳方法，因此在選擇運算架構上便有其重要性。對此半導體業者ADI物聯網(IoT)營銷經理Grainne Murphy指出，智慧化物聯網傳感器在工業廠房應用等高級領域應用有其必要性，至于較低階物聯網應用領域仍是有傳統傳感器的生存空間。
據Design News網站報導，Murphy認為，物聯網一直由云端的討論所主導，這與分析及軟件公司有關，因此可見許多人從事概念證明且有很好的想法，不過卻不知道應如何落實這些想法，可能物聯網數據也不夠好到可提供其終端客戶價值，因此才需要先從物聯網系統中得到什么決定起，再向后決定要采用何種系統。
一直以來均有將智慧化放在邊緣端的呼聲，過去一年來ADI也在與業界人士談論此議題，Murphy也認為在低階領域傳統傳感器(Dumb Sensor)仍有生存空間，但在工廠設備監測這類需要較高精細度領域，朝智能化傳感器應用邁進仍有其必要性。
針對當前工業物聯網(IIoT)應用通常是采用集中式架構或邊緣運算模式的問題，ADI高速轉換器團隊應用工程師Ian Beavers表示，這取決于是采“綠色領域”或“棕色領域”網絡。
在綠色領域網絡，可以引進新的技術且不受制于目前的網絡，能夠從頭開發適合應用的技術;在棕色領域，可能必須以現有基礎架構運行，因此可能必須擁有一套集中式的網絡。
Beavers以機器狀態監測為例介紹邊緣運算模式，這會在工廠中監測大量設備，并采3軸加速計進行感測工作，這類監測可能會以某種形式的“快速傅立葉變換”(Fast Fourier Transform;FFT)進行，并可對數據進行分析以決定是否跨越某種閥值，并判斷是否需要予以處理，在此情況下，就可在邊緣進行實時的決定，無需傳送所有數據至下游端。
但若將所有物聯網傳感器搜集的數據都傳送至下游端，意謂將需要非常大的帶寬，特別是如果在一間工廠內配置高達數千顆物聯網傳感器時更是如此，在此情況下于邊緣進行數據分析較為合適，只有需要被立即解決的問題才會將數據傳送至下游端。
這套方法具備兩大優勢，其一為能夠在節點或網關端就進行實時決策，另一則是無需仰賴龐大的無線網絡基礎設施，提供將所有物聯網傳感器所搜集原始數據傳送至下游端分析的優勢。Murphy指出，在某些情況下工廠也不希望將數據傳送至云端，這也是因存在著安全性問題隱憂。
針對將大量資料存在于邊緣、而非單一集中式云端，是否會出現同步化的問題，Murphy表示，只要數據有標記時間，對于廠房設備監測應用來說就不是問題。不過邊緣運算也非無往不利，如Beavers表示，如果監測機器效能的周期達到好幾周或幾個月，或是想要歸檔大量信息進行歷史回顧，這時采云端集中式模式反而可能比較適合。
下一篇： PLC、DCS、FCS三大控
上一篇： STMicroelectronics B
