云不能拯救我们的海洋，我们需要一个边缘

边缘计算正迅速被认为是实现若干工业物联网用例的必要条件。以海洋石油平台为例。能够预测关键部件何时可能发生故障是非常有价值的。什么时候？预测故障在危及人类安全和环境之前，可以进行修复。

要做失败预测，首先是公司馈送历史数据从组件和传感器到机器学习算法，标记组件是否正常。机器学习算法使用这些数据来创建一个“预测模型”，这是一个可以输入实时数据的应用程序，并对被监控的组件是否健康或可能失败做出判断。

而机器学习技术建立和部署预测模型已经存在多年，在实践中，网络连通性通常是阻碍因素。为工业设备建立和运行预测模型是数据密集型的，需要从许多部件和传感器（一个石油平台可能有几千个）收集数据点，至少每秒一次。海上石油平台充其量只有蜂窝或卫星连接，这意味着带宽不足，停机时间频繁，因此不可能将所有传感器数据以完全保真度发送到中心站点或云。

正因为如此，出现了一种著名的设计模式，称为“全球学习，本地行动”。在这种情况下，它意味着在计算能力和数据丰富的核心位置（如云）构建预测模型，并将这些模型部署到居于边缘（就像石油平台）。一旦部署，这些数据系统将以完全保真度从所有本地控制器和传感器收集数据，根据本地预测模型评估数据，以检测可能即将发生的故障，并在不等待从堆芯发送或接收任何数据的情况下采取行动。

在这种设计中，在边缘和核心之间建立网络连接仍然很重要，但连接始终处于活动状态并不重要，因为它超出了检测和处理可能问题的关键路径。相反，它更像是一个方便的渠道，从边缘到核心传递过滤、摘要和关键数据，以便随着时间的推移调整预测模型，并以相反的方向发送新模型。

不难想象，人工智能和边缘计算有助于拯救生命和环境的其他方式自动驾驶汽车更智能的空中交通管制系统。问题不再是如何，而是何时？

所有物联网议程网络贡献者对其帖子的内容和准确性负责。意见是作者的，不一定传达物联网议程的思想。