关于云计算和边缘计算策略之间的争论，仍然是许多控制工程师争论的焦点。然而，大多数人认为工业4.0环境下的智能工厂必须有效地收集、可视化和分析来自机器和生产线的数据，以提高设备性能，改善生产过程。先进的分析算法允许公司对这些大量信息或大数据进行分析筛选，以确定需要改进的领域。
对某些人来说，所有数据都可以在云中进行管理，并且空间没有任何限制，因此边缘计算设备似乎是一个可有可无的步骤。OPC统一架构（OPC UA）规范中内置的消息传递排队遥测传输（MQTT）加密和数据安全性，可确保所有数据在传输过程中的安全性。然而，在分析和数据管理方面，边缘计算在监控设备运行状况和最大化生产正常运行时间方面具有重要优势。
由于现代机器会生成大量数据，因此带宽可能会限制云计算，或产生预算之外的费用。基于PC控制器的最新分析软件策略，允许控制工程师在数据预处理和压缩之外，就地利用高级算法来进行处理。
因此，分析信息的关键进步，首先是在边缘进行数据处理的概念，这使得各机器和生产线能够自己识别低效率环节，并在使用云进行整个企业的进一步分析之前进行改进。
云和数据带宽的挑战
根据服务计划，以及要多少存储空间，在云中运行所有分析可能会很昂贵，但更困难的是在第一现场将数据传输到云端。管理带宽可能会给工厂带来严重问题，根据Akamai最新的互联网报告，全球以太网的平均连接速度为7.2Mbps。
不用说多台机器，有时就是一台机器向云端发送的数据，也会占用大量的带宽，导致几乎没有剩余的带宽可用于其它运营活动。
在没有压缩或预处理机制的情况下，平均7.2Mbps的互联网连接无法传输来自3台或更多台大型机器的数据，也无法从需要高级测量、状态监控和生产可追溯性的完整物流操作中流式传输数据。工厂必须使用更大、更多的连接，或者其它类型的连接，从而可以利用边缘设备的高级分析功能。
实施云和边缘战略
在本地的边缘设备上运行高级算法可降低对云带宽的要求，并为流程优化提供有效的策略。但是，这并不意味着运行可以或应该与云断开连接。在工业物联网时代，即使可以先在本地硬件上完成众多分析和决策任务，也必须在整个运营中收集和访问数据。
使用配置了边缘计算的本地监控，通常可以高效的工作，以改善单个机器的运营。但是，云提供了最佳平台，可以将不同的机器、生产线或生产站点相互比较。融合两者优势的应用，将帮助企业运营实现功能和效益最大化。（作者：Daymon Thompson）