久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

工業(yè)互聯(lián)網是新一代網絡信息技術與制造業(yè)深度融合的產物，是經濟轉型升級的關鍵依托和重要途徑。邊緣計算是支持工業(yè)互聯(lián)網的關鍵技術。本文首先說明了邊緣計算在工業(yè)互聯(lián)網產業(yè)發(fā)展過程中的重要意義，然后分別從邊緣計算的發(fā)展歷程、邊緣端智能化方法和邊緣計算平臺三方面介紹了工業(yè)互聯(lián)網邊緣計算近年來的研究現(xiàn)狀，最后指明了工業(yè)互聯(lián)網邊緣計算在今后發(fā)展中尚待解決的關鍵問題。

作為工業(yè)互聯(lián)網中的一項關鍵技術，邊緣計算在工業(yè)界引起了廣泛討論，針對不同行業(yè)、不同場景的應用探索不斷涌現(xiàn)。基于對鋼鐵行業(yè)現(xiàn)狀、特點、環(huán)境、需求、痛點、任務和未來發(fā)展趨勢的深刻分析，結合中國寶武發(fā)展實際，本文對工業(yè)互聯(lián)網頂層架構設計中邊緣層實施的一些技術問題進行闡述，對鋼鐵行業(yè)與工業(yè)互聯(lián)網融合發(fā)展具有迫切的實踐意義。

近年來，人工智能的應用場合已經從過往的依賴超級計算機轉移到邊緣計算，這不僅得益于算法的巨大改進，而且得益于邊緣計算算力的巨大進步和分布式計算框架的形成。這里，筆者就人工智能的工業(yè)應用前景以及工業(yè)人工智能在邊緣計算中的應用做一定的擴展。

在工業(yè)系統(tǒng)信息化與智能化逐步推進的形勢下，邊緣計算已變得越發(fā)重要。相比云計算在大數據處理分析方面的優(yōu)勢，邊緣計算在低延時與高可靠的場景中有著云計算無法替代的優(yōu)勢。邊-云協(xié)作已經成為工業(yè)互聯(lián)網、自動駕駛、智慧城市等邊緣計算重要場景的新趨勢。利用云的強大計算與儲存能力來處理歷史數據進行分析優(yōu)化，而依靠邊緣計算的能力解決高實時性任務。然而，現(xiàn)有的邊-云協(xié)作數據管控缺乏統(tǒng)一標準，造成各個平臺與設備兼容性差，導致工業(yè)互聯(lián)網無法互聯(lián)互通。因此，IEEE P2805邊緣計算節(jié)點系列標準的設立為自主管理、數據清洗緩存、邊-云協(xié)同機器學習等方向提供了標準化參考。

隨著網絡終端的不斷普及與互聯(lián)網應用的快速發(fā)展，當今網絡不僅要應對日益增長的傳輸流量，也要滿足用戶多樣化的需求指標。云計算在諸如服務延遲與傳輸開銷等方面難以適應趨勢，邊緣計算（Edge Computing）則將運算資源從云下移到了網絡邊緣，并通過就近處理數據的方式提升性能。作為人工智能的主要代表之一，深度學習一方面可以被集成到邊緣計算的框架中以構建智能邊緣，另一方面也能以服務的形式部署在邊緣上從而實現(xiàn)邊緣智能。本文從邊緣計算與深度學習融合的趨勢出發(fā)，介紹 “邊緣智能”與“智能邊緣”的概念與應用場景，并說明典型的使能技術及其相互聯(lián)系。

智能制造是先進制造過程、系統(tǒng)與模式的總稱，邊緣計算是橫跨通信、計算機、自動控制等多領域的綜合性技術，可以滿足智能制造在敏捷聯(lián)接、實時業(yè)務、數據優(yōu)化、應用智能、安全與隱私保護等方面的關鍵需求。文章首先介紹了工業(yè)互聯(lián)網智能制造的基本狀況，其次介紹了邊緣計算的發(fā)展現(xiàn)狀，之后詳細描述了工業(yè)互聯(lián)網智能制造邊緣計算模型，最后給出了工業(yè)互聯(lián)網智能制造邊緣計算模型的測試方法。

當前，全球范圍內產業(yè)變革和工業(yè)數字化轉型蓬勃興起，工業(yè)互聯(lián)網邊緣計算作為信息技術與制造業(yè)深度融合的產物，已經成為新工業(yè)革命的關鍵技術支撐。在企業(yè)構建工業(yè)互聯(lián)網技術體系過程中，如何在工業(yè)現(xiàn)場應用邊緣計算是業(yè)界關注的重要問題。針對上述挑戰(zhàn)，本文以離散制造業(yè)為例，深入分析了離散制造業(yè)發(fā)展需求，詳細介紹了針對離散制造業(yè)特點的邊緣計算實施架構，同時系統(tǒng)闡述了離散制造業(yè)典型場景的邊緣計算已有應用解決方案，為引導和促進離散制造業(yè)邊緣計算應用發(fā)展提供了參考。

邊緣計算越來越受到了來自IT和OT領域的企業(yè)的關注，本文旨在從制造本質—從源頭分析如何去推進其實現(xiàn)，以期獲得產業(yè)專家的批評指正。

作為直接推動機器學習蓬勃發(fā)展的關鍵核心技術， 深度學習已經迅速成為學術界與工業(yè)界關注的焦點。然而，由于深度學習模型的高精度需求往往會引發(fā)對計算資源的大量消耗，因此將一個深度學習模型部署到資源受限的移動設備面臨著的巨大的挑戰(zhàn)。

從共享單車到自動駕駛，從智能家居到無人商店，我們已從“人聯(lián)網”時代全面進入“物聯(lián)網”時代。在萬物智能互聯(lián)的新時代，數據量成指數級爆炸，不僅需要云端的大數據分析以轉化為洞察，在邊緣對于提取分析數據也有著更高的要求，應運而生的邊緣計算將在整個物聯(lián)網的發(fā)展中發(fā)揮關鍵性作用。