更智能的末梢大脑-Accenture.PDF

技术｜物联网 物联网边缘分析： 更智能的 “末梢大脑” 文 特丽莎 • 董（Teresa Tung）、让-吕克 • 夏特兰（Jean-Luc Chatelain）、王晓光 提要 物联网部署日趋复杂,业务数据 化加快加深。如何以高保真的 数据供应链支持更加可靠的实 时决策？在云计算和雾计算之 外，边缘计算支持的分析技术是 未来的发展方向。 56 | 新活力 物联网边缘分析：更智能的“末梢大脑” 新活力 | 57 技术｜物联网 前的物联网解决方案 海量暴增的数据分析需求。 据进行计算和分析以备决策支持。 都是通过平台收集来 边缘计算支持的数据分析（简 边缘分析即就地对数据进行分析， 目 其优势是基于兼备灵活性和知识性 自联网设备的传感数 称“边缘分析”），可以让物联网边 据，然后集中进行存储和分析。平 缘设备（即远离云计算中心、靠近 的框架，牢牢把握业务发展逻辑的 台解决方案需要可靠、低延迟、高 产生数据终端的设备）上的高保真 核心⸺高保真的数据以及更加可 带宽的网络连接，但显然不适用于 数据无须再往返于各个云计算平 靠实时的决策。 网络状况不佳、连接受限、收费高 台，而是依靠先进的机器学习和人 昂、地处偏远的企业，也不能满足 工智能分析技术，直接对边缘性数 用灵活性摆脱“技术债” 设想一下，一个新型传感器的 成了组织管理和业务监督的缺位。 和异构方法，过时的硬件条件，以及 使用需要特别的解决方案：设备专 垂直整合的解决方案虽然可 多个业务部门边缘性数据收集和分 家进行安装，应用专家依据数据科 以直击痛点，但需要对物联网堆栈 析能力的不足。 学家建立的模型开发分析应用程 中的各个方面进行有效控制⸺从 运营环境特有的“棕色地带” 序。该程序通过新型传感器生成了 边缘性计算机硬件到云层组件的集 （容易出现闲置废弃、未充分利用 相关数据。三位专家之间明晰的协 中编排。这种解决方案会令企业束 的设施）属性，呼唤着充分的灵活 调配合有助于全面性解决方案的实 缚于供应商模式的生态系统中，限 性、可调性。因此，所有边缘分析框 施：共享有关传感器功能、应用程 制了其使用现有技术，或是部署最 架的设计都应支持现有的运营模 序和模型的相关知识。随后，与现 佳解决方案的能力。 式，并助力企业无缝迈向现代化生 场工程师合作，在多个站点上配置 我们看到，尽管工业物联网企 态系统和新技术的应用之路。跨部 和部署边缘性实例⸺新的物理传 业（包括制造业、运输和石油天然气 门的多元化需求意味着企业必须能 感器。 业务）数十年来始终奔波在数字化 够针对各项条件给予足够的支持， 但是，如此紧密的相互依赖性 和工业资产网络化的进程中，但由 包括边缘性计算硬件、操作系统、 却限制了解决方案在大型企业运 于受到监管的约束，他们中的许多 数据处理、存储以及分析运行时间 营环境中的可扩展性和可维护性。 企业无法进一步实现创新。日积月 和语言等方面。 在精简操作流程方面既没有可重复 累，这些企业反而形成了各种“技术 使用性，也缺乏灵活性，同时还造 债”积压：比如缺乏专有的解决方案 用新框架降低复杂性 借助埃森哲技术研究院创建 方案，即可应对所面临的挑战。我 可助力企业逐步掌握如何更好地 的边缘性分析框架，企业无须对现 们针对存在异构型环境的企业，提 利用技术迭代（见图一）。 有的信息和运营技术环境进行彻头 供了各种有关应用、模型和硬件设 彻尾的改变或者引入垂直集成解决 施建设等方面的方案。同时，我们 58 | 新活力