在過去的十年間，大數據的世界經過了大幅的變動。機器學習與人工智慧的進步，為製程最佳化帶來了嶄新的洞見與機會。

在製造產業中，這樣的改變伴隨著運算基礎架構的轉變。有越來越多的運算過程從資料中心移轉到邊緣，只有必要的資料會經由雲端傳輸。

邊緣到雲端的連續性

我們最近與 Hewlett Packard Enterprise 的邊緣運算產品主任 Gerald Kleyn 討論了這些變更。有些在資料中心使用 HPE 技術的客戶表示，他們想要能在網路邊緣使用規格較小的相同硬體，因此，HPE 於 2016 年開創了他們的融合式邊緣系統 (Converged Edge Systems) 業務單位。

根據 Kleyn 的說法，他們能瞭解此需求的關鍵，是注意到客戶在處理資料時，想要擁有從邊緣到雲端的連續性。「您在邊緣進行的處理和分析量與在雲端發生的量是連續的，」他說。

隨著邊緣運算日益成熟，這樣的彈性也變得更加重要。「我們認為這將會隨著時間改變，」Kleyn 表示。「並沒有固定的規則。我們正在建立平台，讓客戶能針對他們的工作負載與使用案例適當調整。」

OT 與 IT 正在融合

Kleyn 表示，客戶真正想要的，是在邊緣執行他們熟悉的資料中心應用程式，而不是在設備上執行那些應用程式的專屬或簡化版本。「我們掌握了一些關鍵原則，其中一項就是讓資料中心一直到邊緣都能執行未經修改的軟體，」他如此解釋。「不是不同的軟體、不是較小型的版本，也不是刪減版本，這代表 IT 能很快地提供支援。」

他也表示自己認為 OT（營運技術）與 IT（資訊技術）正透過數種方式互相融合：

• 組織性融合，IT 與 OT 員工的工作更加緊密
• 軟體性融合，包括位於邊緣的虛擬化與整合
• OT 與 IT 之間的硬體融合

「有許多設備的系統相對較為封閉，也不容易變更，這些系統傳出資料的格式或方法並不適用於現代的分析作業，」Kleyn 補充說明。「我們所做的是在我們的一些系統中融合 OT 和 IT 硬體，透過與應用程式一起擴展的業界標準價值鏈體系，為客戶建立優勢。」

如何在融合世界中更有效率地處理工作負載？

隨著這種融合性的逐漸發展，也提供了以新方法處理各種工作負載的可能性，為智慧工廠的作業方式帶來重大的變革。

從感應器、視訊攝影機，到機器人等各種物聯網裝置會產生極大量的資料。雲端式分析已經能讓製造商從這些資料中獲得寶貴的洞見。但將這樣的分析功能移轉到邊緣，製造商就能存取更大量的資料，並立即根據洞見採取應對動作。

Kleyn 舉了一個例子，HPE 為 Seagate Technology 在加州庫帕提諾的製造設施部署了這樣的解決方案。Seagate 運用在資料中心內以傳統高效能運算 (HPC) 系統所開發的人工智慧模型進行分析。

這些分析功能透過剖析矽晶圓的電子顯微鏡掃描影像尋找瑕疵，以改善 Seagate 產品的品質，並提供更快速且更早期偵測並修正異常的優勢。

能夠在邊緣處理這些工作，就能產生巨大的不同。在邊緣進行即時分析代表當資料出現異常時，Seagate 可以在營運異常導致產品出現瑕疵之前採取預防措施。這有助於減少預期外的維護停機時間，並為公司節省金錢。

「使用人工智慧時，您需要相當高的運算等級，才能處理如影片資料等複雜項目，在 Seagate 的範例中，則需要處理電子顯微鏡的影像資料，」Kleyn 說道。「處理這些資料需要大量的運算效能、儲存空間，以及頻寬，因為您通常需要將資料傳送回資料中心。若在邊緣進行這些分析，然後只將分析結果或是應注意的影片片段或影像送回資料中心，便能為公司節省大量資源。」

為邊緣提供更強大的運算能力

HPE 在邊緣運算付出諸多努力，其中的關鍵核心就是他們與 Intel^® 的技術合作夥伴關係，Kleyn 表示這對協助公司滿足製造產業客戶不斷增長的需求來說極為重要。他說這兩間公司在效能方面「突破極限」，同時為 HPE 的邊緣運算裝置最佳化了尺寸、重量，以及電源等特性。

「Intel 在功能、效能，以及微型化方面的一切努力，都讓我們從越來越小的節點尺寸中獲得了更高的價值，這對我們來說非常重要，」他下了這樣的結論。「我們能將省下來的成本直接回饋給使用者。」

一切才剛開始

邊緣運算已經廣泛地運用在多種製造使用案例中，本文提到的僅是其中一個由 HPE、Intel，以及其客戶所承諾要實現的範例。如需更多關於他們工作的詳細資料，請參閱解決方案目錄。