边缘计算如何从大数据转到智能数据

大数据正在转变行业。它也压倒了它。为了使工业迁移到经常被称为真正的混合物理/数字领域行业4.0，它必须克服大数据带来的问题。幸运的是，边缘计算的进步可以将该大数据转化为智能数据，降低数据量并加快制定至关重要的决策的能力。

什么是大数据？

Big Data最好定义，而不是在某些任意数量的Petabytes方面定义，而是如何处理数据以便有用。当您无法再处理和使用该数据以实现目标时，大数据是您所拥有的。

在工业互联网上部署的传感器和其他数据源的数量的快速增长越来越确保生成数据的体积将继续快速增长以超越网络，算法和所需的处理能力的开发移动和处理它。

行业4.0和大数据

行业4.0和IOT的基础是智能机器的互连，越来越多地生成和使用大量数据。目标是对改变条件，意外错误和新型目标的反应可以反应的响应过程。

如果数据传输便宜且无限快，而且云服务器便宜且能够提高容量而无需额外成本，则传输所有数据可能有意义，在云中执行所有计算，并将所有决策发送回每个设备。

但数据传输的成本随数据量和距离而上升。传输速度的物理限制与计算时间相结合，导致不可预测的延迟。大数据很容易变得昂贵，数据慢，负担而不是竞争优势。

从大数据到智能数据

防止大数据泛滥的一个关键方法是在其创建之初对其进行清理、过滤和上下文化，从而在其用于其他用途之前将其转化为智能数据。智能数据的容量远远小于它所派生的大数据，而且其结构方式尽可能减少额外所需的计算时间。

智能数据有时被称为“有意义的数据”，可能是人。但它不仅是受益于较少量的更高质量数据的人。具有固有有限的计算能力和非常特定的数据的智能设备同样使用智能数据更好的功能。

Edge Computing，以及它最重要的智能性

开发广泛的具有高能力的传感器，传感器网络，网关和其他智能设备意味着可以在网络的边缘处理大量数据，这些设备在这些设备运行的位置。

由于现在 - 智能数据不需要旅行并且不需要额外的处理，因此可以在创建它的位置使用它，以便在时间敏感情况下的决策。这个边缘越远离中心，并且所需决定的时间越多，更重要的边缘计算和智能数据变为。远程石油和采矿业务，铁路等交通网络，风力涡轮机，自动车辆和分布式制造设施都将越来越依赖于边缘计算来管理资产和维护操作。

同时，正确的智能数据集仍然可以继续云，与各种其他数据相结合，分析，并用于全局优化操作，跟踪在网络上进行更改性能，并识别预警问题的迹象。然后，这种更深入的理解可以在边缘中改进决策过程。边缘和云都在一个不断改善自己的系统中的位置。

智能数据可实现操作性可见性和控制

边缘计算生成的智能数据也会影响其他决策，通过提供更清晰的观点的操作人员进入他们正在管理的实时情况。对于对工作的机器最亲密地了解的人将能够在发生时获得更好地掌握事件。

您将能够跟踪所有设备，传感器，读者以及其他设备，并根据需要提供并升级它们。由于有这么多，并且他们可以基本上彼此关注，因此没有单点失败，并且在转变为影响操作的任何东西之前，新出现的问题很长。

操作技术（OT）和信息技术（IT）越来越多地汇聚，边缘计算是这种收敛的主要路径。虽然IT / IT注意事项大多是更高的水平，例如与产品生命周期管理（PLM）的交互（PLM），企业资源规划（ERP）和制造执行系统（MES），它们现在将在每个级别进行交互，向下交互设备，以及现有的可编程逻辑控制器（PLC）和其他机器到机器（M2M）设备。

如果在组织IT转型中感到遗憾或忽略，那么将来不太可能成为一个问题。ot将在处理中具有更多的计算能力，允许对其责任的流程的可见性和控制来控制。

所以到达边缘并智能化你的数据

有多种方法可以提高边缘的能力，并使大数据可用。如果您还没有，这是开始调查的时间。要了解康佩克还提供什么，下载康涅克州边缘情报数据表。