工业物联网(IIoT)将原本独立编程的各种装置，全结合在同一个智能网络系统。这些系统通常具备实时运算、数据互连、资安整合、高性能、可靠、可扩充等能力。由于当前采用的云端解决方案仍有不少限制，因此有越来越多先进且高价值的IIoT使用案例，开始从云端转向雾计算(fog computing)。

　　Embedded Computing Design报导指出，IIoT的演变，根据数据互连性与人工智能(AI)程度的不同，可分为监控、优化与自主性三个层级。监控包含了等预测性维修、资产追踪等资产绩效管理工作。这个层级的数据只是从边缘流向后端云端或控制中心，彼此间并未产生互连性。人工智能与先进分析都只在后端运行。

　　这个层级的使用案例重点，在于流程的优化，也就是利用传感器撷取的数据，监控并改进整个工业流程。随着传感器使用数量提升，为减少传输至后端的数据量，系统开始产生边缘分析的需求，而边缘分析也将持续提升流程的P2P数据互连性。如此一来，IIoT系统便具备数据互连性与分层的运算功能，而这都需有雾计算的支持。

　　进入自主性层级的IIoT，主要利用AI管理系统，不再需要人为介入。各项决策权与控制将依据反应时间要求与数据规模，分配到IIoT系统的不同阶层。这个层级的实时数据会在各个运算节点间移动。如果没有雾计算，系统便不可能拥有自主性，而透过雾计算，业者便能开发出更有弹性、韧性的自主化系统。

　　举例而言，离岸风力发电农场引进物联网技术后，每座风力发电机内的数据总线(databus)便可在各个运算节点的分析与控制应用间进行数据分享。当安装在某一座风力发电机的传感器侦测到风向或风力变化时，便可通知其他下风处的风力发电机做出调整，以维持整座风力发电农场的稳定输出。

　　发电农场的数据也可在传回至后端的控制中心后，与气象、整合业务系统等其他服务结合，产生长期的预测及分析数据。监控层级的IIoT并无部署雾计算的必要，但对于优化使用案例而言，雾计算可说是十分理想的功能;对于自主性使用案例，雾计算更是关键。

　　以Linux容器等灵活的运算框架有助于简化AI应用的部署与管理，而数据分布式服务(DDS)等连网标准，是优化与自主性使用案例达成数据互连性不可或缺的基础。
第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。