在瞬息萬變、競爭激烈的全球市場，企業(yè)需仔細考慮數據在哪里里及如何將數據轉化為商業(yè)價值，以強化營運、改善客戶體驗。有時數據和分析需集中處理，如儲存在云端的數據；有時營運決策則需立即進行，因此集中式方案無法提供分析，而需要導入邊緣分析。

據報導，邊緣分析發(fā)生在營運網絡邊緣或附近，通常亦稱為分散式分析或邊緣運算。然而，由于成本、復雜性、安全性和技術障礙等綜合因素，直到最近仍無法在行業(yè)邊緣進行分析。

但情況正在改變，數碼化正在所有工業(yè)環(huán)境中發(fā)生。棕地基礎設施正在藉由增設傳感器和閘道器等設備來增加智能，新的基礎設施則能透過嵌入式軟件和智能設備實現數碼化。

美國顧問公司ARC Advisory Group研究主管Michael Guilfoyle表示，隨此變化的發(fā)生，市場焦點已從集中式的大數據和分析，轉向邊緣數據管理和分析。這點很合理，因為物聯網(IoT)邊緣設備及其相關數據已大增，而且將持續(xù)下去。

但過度依賴設備及相關數據的邊緣分析，忽略了工業(yè)企業(yè)可獲得的一些最有價值的數據和見解，即操作數據(operational data)及流程知識。

傳統上，采用分層結構來擷取、存取和傳遞整個企業(yè)的數據，但在使用數據上存在很多限制。早在互聯網之前，此數據結構就已存在。隨著互聯網成為商業(yè)和營運環(huán)境中無處不在的一部分，這種傳統的數據結構正在被取代。

企業(yè)現在開始看到更全面的數據和分析的價值。這種改進的觀點包括集中式處理，例如在云端中，并且無縫地延伸到營運邊緣。由于企業(yè)領導者苦于處理爆炸式成長的數據，將云端運算視為相關數量、速度和復雜性問題的解決方案。

云端方案可將復雜和大型數據集與先進的分析技術相結合，帶來能解決問題的龐大運算能力。例如，將機器學習應用于聲學數據以預測資產故障；集成文本分析以優(yōu)化流程，或使用圖象分析進行產品保證。

而為因應云端應用的不斷成長，企業(yè)邊緣的概念被定義為企業(yè)營運環(huán)境的最遠延伸，無論是實體基礎設施、分布式營運點還是客戶互動。邊緣分析則將數據處理和運算擴展到數據源或其附近。在工業(yè)營運中，邊緣執(zhí)行的分析通常支持提升效率、可靠性、意外停機時間、安全性和客戶體驗的戰(zhàn)術用例。

在考慮邊緣分析的數據時，常見的誤解是它們僅包含串流數據，即基于輸入源的時間標記。而其背后構想是聯機、自動化、邊緣分析和工作流程自動化的組合，是從數據中獲取價值的關鍵。

盡管這是正確的，但僅描述IIoT策略中的部分情況。缺少的是對操作過程及其相關數據的價值的理解。這些數據通常是由主題內容專家(Subject Matter Expert；SME)產生和擷取，因此常包含高價值的信息。

操作數據，特別是在邊緣產生的數據，通常未獲充分利用。除非存在正式流程，否則這些數據很少被系統化為營運數據庫的部分來源。除了營運數據，SME還了解營運流程和最佳實踐。這些高價值的員工具備如何操作設備、執(zhí)行維護和確保安全程序的具體知識。

例如，原油工程師就很了解精煉過程中的原油類型對設備故障的影響。當然，這種智能產權非常寶貴，企業(yè)擔心會在工人退休或跳槽時跟著離開公司。

好消息是，現在已有技術能對數據進行數學建模，并在分析后取得這些專業(yè)知識。而此流程知識可透過操作和IIoT數據來增強，知識和數據的融合可用來推動IIoT策略所需的優(yōu)化決策流程和設備性能。