将设备布置在靠近机器的网络边缘附近，可以采集更多数据。相较于在集中位置进行分析，在边缘对数据进行分析速度更快。在数据源附近收集数据并对其进行分析，可以让用户更好地了解他们的生产系统。
许多工业设施都有大量老旧设备和无法满足需求的轮询协议。边缘计算可以实现这些设备的现代化并对其进行简化，同时可以获得更多延迟较低的数据。它还使公司内部更多部门成为数据消费者。此外，它可以使边缘数据成为事实真相的一个来源，从而提高数据的可靠性。边缘计算也是增强工业物联网（IIoT）的理想选择。
从老旧设备传输数据
几乎每家公司都有老旧设备。从老旧设备处获取数据，并将其传输到监控和数据采集（SCADA）系统以及其它系统，可能是劳动密集型的任务，尤其在每个设备都必须连接时更是如此。公司必须轮询该信息、创建映射，并确切地知道每个设备的信息。这会涉及到很多工作。
边缘计算可以简化基础架构，并且使用MQTT可以更有效的提供数据。图片来源：Inductive自动化
通过在边缘进行映射，边缘计算可以简化基础架构，并使用发布/订阅协议消息队列遥测传输（MQTT），可以更有效的提供数据。MQTT设备可以报告异常状态。
如果仅在数据变更时发送数据，意味着网络上传输的数据流量就会比较少。这意味着用户可以更快地获得更多数据。例如，如果应用程序需要50毫秒的运行速率，那么来自中央系统的轮询策略可能无法满足该需求。当设备布置在控制器旁边并发布该数据时，可以实现更快的速率并获取更多信息。
边缘计算的优势
即插即用设备可以简化边缘计算，而且需要的维护较少。数据一旦发布，SCADA就可以访问，其它系统亦可访问，例如企业资源规划（ERP）、IT或商业智能。通过MQTT和激励的有效负载规范，许多系统可以自动发现新数据或信息，而无需知道终端设备的信息。根据架构和应用的不同，边缘计算机可以发送原始数据、数据子集、经预处理的信息，以及已经据此执行的信息或某种组合。
随着数据收集越来越容易，控制也越来越顺利。虽然用户仍然需要将数据回传到可编程逻辑控制器（PLC），但效率更高。边缘计算还可以实现高级过程控制（APC）。软件平台只能实现APC，但通常很昂贵且具有很强的专业性。
边缘计算使这个世界变得更容易理解。因为有更多算法可以利用，构建模型也就更容易，实时调节过程也变得更简单。这是边缘计算令人兴奋的所在。离控制器越近，整个过程就越快。
在谈到物联网（IoT）时，这些设备不是让单个设备点对点地连接到云端或彼此之间相互连接，而是首先连接到边缘设备，然后边缘设备再连接到云端。边缘设备可以实现缓冲，减少必须传输的数据总量，这有助于提高效率和服务质量。
在工业制造中，许多控制系统都建立在本地以太网网络上。这些网络可能包括本地商业网络、工业计算机、可编程逻辑控制器（PLC）和通常被称为人机界面（HMI）的工业触摸屏。将本地网络连接到更大的公共网络或服务器计算机，可以带来诸多好处。
边缘是这些本地网络和云端之间的边界。边缘设备提供云端和本地网络之间的接口。边缘设备和云端之间的交互方式有点类似于机场网络。中央机场是枢纽，通常位于较大的城市，航班飞往这些城市。飞机进出枢纽机场的航线是辐条。较小的城市有到枢纽机场的转机航班。可以将云端视为枢纽，将边缘设备视为较小的本地机场。
很多现有网络并未直接连接到云端。网络架构，包括域、域名系统（DNS）、动态主机配置协议（DHCP）、防火墙等IT标准并没有就位。重新开始设计本地网络，通常耗费大量时间，并且成本非常高。
但是，通过添加边缘设备，使得现有网络可以连接到云端，而无需对网络进行大的升级换代。边缘设备整合IT实践，例如防火墙、传输层安全性（TLS）/安全套接字层（SSL）安全协议和网络地址转换（NAT）。这使得现有设备（包括PLC和HMI）通过边缘设备与云端交换数据，而边缘设备在云端和现有网络之间提供隔离和安全性。
计算资源
边缘计算的另一个优点是一些计算资源可以由边缘设备提供，而不是在云端或由本地控制系统处理。例如，以需要数据收集和分析的工业控制应用为例。现有的控制系统可能未配置能够收集和分析大量数据的设备。即使配置了这样的设备，其主要功能也不是数据收集和分析，而是保持制造流程的运行。
基于云端的系统有很多工作要做，包括提供数据、提供报告以及处理数十个其它控制系统和最终用户的请求。通过让边缘设备处理一些数据收集、缓冲和分析，可以减轻基于云的系统的负担，并且可以让控制系统着力于执行其关键任务。
多个边缘设备使用户可以将现有控制系统连接到云端。其中一些使用户可以将现有控制系统连接到基于云端的系统，而几乎不需要修改现有设备和网络。通过选择包含网络地址转换、虚拟专用网络（VPN）、防火墙、第2层交换和第3层路由等技术的边缘设备，可以实现这些功能。
边缘设备和云端的交互方式类似于机场。中央机场的航空枢纽连接到其它地方。将云端视为枢纽，将边缘设备视为较小的本地机场。图片来源： MartinCSI
减少成本和停机时间
在现实世界中，有很多例子可以证明边缘计算是如何产生重大影响的。以半导体工厂为例，该工厂的工具可以将硅片布置在光盘上。这些工具经过精细的调整，误差很小。在运行时，利用这些复杂模型的边缘计算，可以确定项目是否偏离轨道。在真正出现问题之前，边缘计算机有助于进行调整（或根据体系结构的不同，直接进行调整）。由于废品导致的材料浪费，可能意味着成千上万美元的损失。在很多应用中，与传统计算相比，边缘计算由于响应时间更短，可以节省更多成本。
另一个例子是设备故障的预测。设备可能非常昂贵，价值数十万甚至数百万美元不等。对企业来讲，将资金用于购买未使用的资产作为备件存放在仓库中非常不经济。如果设备损坏，需要一两天才能更换完毕，可能会损失数百万美元的收入。用户是否愿意承担这种风险？如果公司配置了边缘设备，可以收集数据并将其与这些模型进行比较，则可以检测到人类无法发现的模式。设备故障的发现时间对公司帮助很大。由于它们专注于该设备，因此在边缘工作的效果更佳。
机器学习和分析提供了更多选择和新技术。市场上已有多种多样的边缘计算平台可供客户选择，以寻求目前最适合企业的实用解决方案。了解有哪些边缘计算产品和平台，哪些是开放的、具有互操作性的，对客户来说十分重要。由于具有许多边缘计算选项，客户可以选择更高性能、更具有互操作性的硬件和软件，而无需锁定一个供应商。（作者：Travis Cox）