管理工业数据到，从云和边缘之间

现代生产操作更多地依赖于集成数据和云计算能力。然而，大多数遗留的工业解决方案都是建立在孤立的、专有的、通常不灵活的系统之上的，这使得检索数据并将其发送到云端进行处理变得困难。增加复杂性的是需要在边缘进行更快处理的新进程，这可能意味着以前在云中处理的进程现在需要在更靠近产生数据的设备的地方进行管理。

解决数据从云转移到边缘或从边缘转移到云的管理方面的挑战是由推进自动化协会(A3)主办的第二届网络研讨会的主要主题工业应用的智能边缘系列，探讨工业智能优势、其能力和业务影响。

本次网络研讨会的嘉宾包括英特尔AI解决方案工程师Sam Kaira，谷歌Cloud制造、汽车和能源全球技术总监Charlie Sheridan，以及英特尔联邦和工业解决方案高级总监Ricky Watts

该小组讨论了制造商如何与英特尔和谷歌Cloud等公司以及其他第三方供应商合作，根据特定的ai驱动优化用例，更好地从遗留机器解锁数据，然后将其合并到边缘到云和云到边缘的基础设施中。这些用例的示例包括视觉检测AI、时间序列预测分析、数字双胞胎可视化和模拟、机器级异常检测、预测性维护和根本原因识别。

“制造业通过数字化转型的故事是一个数据故事，”谢里丹说。“大量数据被锁在工厂内部的不同竖井中，这就是优势所在。一台机器每周可以产生5gb的数据，而一个典型的智能工厂每周可以产生5pb的数据。因此，这些数据中可能有丰富的信息。”

为了解锁这些数据，Sheridan表示，企业需要依靠合作伙伴关系和AI解决方案，共同合作，使制造业劳动力能够轻松访问这些数据。Sheridan说:“不是每个人都能上完大学，拿到博士学位回来，然后成为一名数据科学家。“我们必须让工程师、技术人员和工厂运营人员都能轻松完成任务——我们努力让每个人都成为公民数据科学家。

谷歌做到这一点的方法之一是通过其制造数据引擎(MDE)和制造连接平台，是2022年5月宣布的吗。制造数据引擎在谷歌Cloud的数据平台上处理、上下文化和存储工厂数据，将谷歌Cloud的关键产品包括云数据流、PubSub、BigQuery、云存储、lookker、Vertex AI、Apigee等集成到特定于制造的解决方案中。

制造连接提供的是一个工厂边缘平台，与石蕊自动化它基于一个包含250多种机器协议的库，将几乎所有制造资产和工业系统的数据快速连接和传输到谷歌Cloud。与MDE的集成可以将数据快速输入到云端，用于处理机器和传感器数据。

洞察规模在边缘

在这次网络研讨会上，英特尔的Sam Kaira谈到了如何在英特尔边缘服务器上部署新的应用程序，使制造商能够为各种生产过程部署可视化检查和异常检测。通过使用一系列英特尔开发的开源和第三方工具，英特尔边缘架构可以帮助制造开发人员在边缘扩展这些应用程序，然后连接到云端进行进一步的洞察。

“作为一种规模形式，我们将Edge Insights与谷歌云组件集成，然后是云源存储库和容器注册表，”Kaira说。“这对于开发者来说是非常重要的，他们能够利用这些技术在边缘进行扩展，就像我们过去在云计算上所做的一样。为了扩大规模，这些组件是非常重要和必要的。”

研讨会还讨论了其他一些主题，包括公司如何能够集成来自遗留设备的数据的成功用例，确保所有从云端转移到边缘和返回的数据都是安全的，如何知道哪些数据是有价值的，以及一旦公司开始数字化转型之旅，下一步该做什么。

要观看完整的网络研讨会，点击这里按需观看。