隔离网关的工作原理（隔离网关的功能）

工业物联网(IIoT) 通常与大数据和云相关，它从大量且广泛分布的传感器收集数据，将信息转化为见解。在某些工业流程中，获得洞察力所需的时间至关重要，并且在将数据发送到云端和接收响应时可能会出现过度延迟。在其他情况下，数据安全可能会受到损害，或者无法快速可靠地连接到互联网。为了克服这些挑战，边缘计算补充了云的大数据处理能力。它能够执行需要即时响应的计算密集型任务，并存储和过滤数据以在适当时传输到云。边缘计算可以包括许多元素，例如简单的数据过滤、事件处理甚至机器学习，并且可以在任何连接的设备上运行，从小型嵌入式计算机或PLC到工业PC或本地微型数据中心。关键要求是必须与同一平台上运行的其他进程分离，并且只占用少量资源。

最大程度地发掘数据的价值

工业物联网的主要价值在于其能够整合多个来源的数据，帮助企业了解全局：如何改进流程、优化维护活动、减少浪费和能源消耗，并消除不必要的成本。工业物联网以云为中心的视图提供了不同的数据流，这些数据流使用重量级软件应用程序在远程数据中心进行组合和分析。

该模型假设有几个先决条件：有可靠的互联网连接；有足够的带宽来处理推送到云端的数据；延迟（即生成数据和接收云分析结果之间的时间）是可以接受的。然而，这些关键条件中的任何一个都可能无法得到满足。远程站点可能依赖蜂窝网络提供互联网连接，但蜂窝网络覆盖范围可能不完整或不可靠。大量传感器可以生成大量数据，而将这些数据传输到云端的成本可能会非常昂贵，尤其是当数据包含高清图像或视频时。出于安全原因或维持高效运营，可能需要实时做出复杂的决策。另一方面，数据安全对于一些公司来说也可能是一个问题，他们可能不希望通过互联网将数据传输到云端来暴露敏感信息。

在任何一种情况下，将从过程或设备收集的原始数据传输到云端可能是不切实际的。然而，我们需要一些高于单个机器或过程控制逻辑级别的智能和决策能力，以帮助企业确定最佳行动方案。这正是边缘计算的作用。

边缘计算提供性能提升

边缘计算作为工业物联网的一部分变得越来越重要。在靠近设备或流程的地方部署第一层计算能力可以实现智能或协调的事件响应，并有助于减轻云上的数据处理负担。在包含数十个、数百个甚至数千个传感器的系统中，来自这些传感器的大部分数据除了报告“正常”操作条件之外可能没有太大价值。智能网关可以过滤这些数据，丢弃它，或者更有效地重新组合它，以便传输到云端进行存储和分析。当发生关注的事件时，智能节点可以快速确定正确的响应，向连接的设备发出适当的指令，并在适合云使用的报告中总结该事件。边缘计算不是对来自少量传感器的信号进行高度本地化的响应，而是能够采取更加协调的行动，评估来自大量传感器的数据，并在更高的级别做出决策。以采矿应用为例，我们假设检测到钻机平台上存在过度振动。对从振动传感器接收到的错误信号的标准响应可能是停止钻探，从而导致生产损失，而且还会导致意外停机以检查和维修设备。凭借更强大的计算能力、更多的传感器输入和存储的历史数据，更强大的边缘计算设备将能够评估振动对整个系统的影响，识别几种可能的响应，计算其后果，并采取最佳行动选项，或告知操作员最佳选择。

边缘计算设备具有板载数据聚合和处理能力，虽然简单的传感器/警报组合不具有全局视角，但边缘处理引擎能够处理从所有连接的传感器接收到的数据，并根据预先确定的优先事项。决策。在生产情况下，产品测试或检验后，发现装配线末端的故障率突然增加，可能需要暂停生产排查原因。连接到所有机器的智能边缘设备可以协调装配线上所有设备之间的此类响应动作。或者，它可以通过分析来自多台机器的传感数据来确定变化的原因，并自动应用修复或指导操作员纠正错误，从而使生产能够快速有效地重新启动。

此外，边缘计算可以通过将感测到的测量值与历史数据或预设阈值进行比较来计算更换设备的最佳时间，从而支持预测性维护，从而支持数字化转型。在某些互联网接入不可靠、网络覆盖较差的地理区域，还可以实现对部署在这些区域的设备的智能管理。如果网关设备暂时无法连接到云端，数据可以存储在本地存储中，直到重新建立连接。然后，设备可以自动与云重新同步，确保远程应用程序始终能够访问完整的最新信息。

另一方面，随着边缘设备更加智能，能源效率管理也可以得到加强，利用感测数据根据高级能源管理策略调整和优化设置。

实施：硬件与软件

边缘处理的原则是将分析智能尽可能靠近连接的设备。边缘计算及其与云的关系的规范正在制定中，因此定义和架构仍然不太确定。由于用户可能没有物理空间或资源来部署专用边缘服务器，因此可能需要将智能嵌入到现有基础设施中，例如网关、PLC、工业PC 或工厂侧连接到云的各种其他设备（图1） 。

图1：在工业物联网中，边缘计算在工厂设备和云端之间插入数据收集和存储、实时决策能力。

从本质上讲，边缘计算存在于单个机器控制系统的级别之上，在本地运行以协助云中托管的重量级应用程序的工作。边缘应用程序可以执行简单的任务，例如从多个源获取、存储和过滤数据，然后将数据转发到云。更复杂的可视化将分析甚至机器学习引入边缘计算，以实时生成智能响应。实现这一高级愿景所需的基本组件包括数据访问、事件处理引擎、连接设备管理、用户应用程序以及将数据安全传输到云（图2）。

图2：FogHorn 照明平台展示了边缘软件堆栈中包含的功能。

从第一原理构建完整的智能边缘处理平台是一个巨大的挑战。另一种方法是使用独立于硬件的软件框架，该框架提供基本构建块，例如事件处理引擎、设备管理和使用多种协议（例如MQTT 轻量级消息传递协议或安全HTTPS）的安全流。其中许多框架正在工业物联网领域使用，例如GE 的Predix、Cisco 的IOx 和FogHorn Systems 的照明平台。除了功能组件之外，这些框架还提供各种软件开发套件（SDK），允许用户运行自己的自定义应用程序，并提供开发环境来帮助配置系统和定义分析功能。这些框架还提供了管理边缘设备的工具，包括监视、控制和诊断。

节省资源的轻型单板计算机，例如Raspberry Pi Foundation 的Raspberry Pi 3，可以为此类设备奠定基础。事实上，GE 已经展示了适用于在此类平台上运行的边缘设备的Predix Machine 软件。另一方面，能够在网关设备或自动化系统中使用更强大的工业PC 的工程师可以利用额外的资源和计算性能来执行更复杂的应用程序。 PC/104 等成熟外形尺寸的模块现在可以提供桌面级性能，例如VersaLogic Liger 板，该板具有可选的Intel i3、i5 或i7 (Kaby Lake) 双核处理器，运行频率高达2.8 GHz 。这些板非常坚固，具有MIL-STD 级别的抗冲击和抗振动能力，适合在恶劣环境中部署的设备使用。这些板卡具有多达8 个本地数字I/O 通道、用于进一步扩展的Mini PCIe 端口以及高速SATA 存储接口，能够执行复杂的自动化任务并处理边缘处理工作负载。千兆以太网接口有助于通过企业网关连接到互联网和云。此外，该板还包括一个可信平台模块（TPM），可实现硬件加密加速并提供安全密钥存储，使其成为需要高水平防御黑客攻击的自主设备的理想选择。

软件容器

要在与自动化控制器或PLC 相同的硬件上运行边缘计算引擎和应用程序，这些引擎和应用程序必须与其他软件隔离运行。使用容器已成为一种流行的方法，它提供与虚拟机类似的隔离，但更适合资源受限的设备。容器镜像包含运行软件所需的所有资源。但与虚拟机不同的是，容器虚拟化操作系统而不是硬件，从而形成更轻量级的解决方案。容器还可以与虚拟机一起使用，以在部署和管理应用程序方面提供更大的灵活性。

图3：容器提供了一种资源高效的方式来隔离网关、PLC 或工业PC 等设备上托管的边缘计算进程。

IoT 解决方案开发人员广泛使用Docker 框架来实现容器（图3），该框架已向支持容器生态系统开发的开放容器计划(OCI) 捐赠了代码。要创建边缘计算解决方案，您可以使用C/C++ 或Java 开发基于Docker 的Linux 应用程序，以捕获所需的数据，并通过所选软件平台中提供的SDK 集成分析引擎等边缘处理资源。

正确的软件平台还提供方便的仪表板来管理连接的边缘设备，使开发人员能够专注于定制他们的应用程序以捕获他们需要的数据并对检测到的事件做出响应。随着软件开发平台和交钥匙边缘计算设备进入市场，边缘计算已成为新产品开发的主题。

边缘计算是工业物联网的辅助手段，可以随时与云结合使用，为运营商和企业管理者提供灵活性，以便在适当的时候获得所需的见解。 GE 估计传统自动化系统仅使用3% 的机器数据来产生有意义的结果。当边缘计算和云计算结合使用时，可以通过增强实时自动化并为长期决策提供指导，从剩余97% 的数据中释放更多价值。

总结

人们通常认为工业物联网是小型智能设备的集合，将相对有限的资源连接到具有强大计算能力的云。随着越来越多的企业在更多情况下依赖工业物联网，一种更先进的架构正在不断发展，它可以在网络边缘提供智能，以补充云的功能。现在进入市场的软件解决方案使企业能够充分利用网关和传统工业计算平台来实时响应紧急情况、维护安全并有效利用连接和带宽。