物聯(lián)網(wǎng)為卡車和物流業(yè)提供了提高效率和安全性所需的可視性。但是，像任何技術(shù)一樣，物聯(lián)網(wǎng)部署決策必須由成本效益分析決定。這包括決定哪些分析類型應(yīng)位于邊緣或云中。

物聯(lián)網(wǎng)部署中的傳感器可以生成大量數(shù)據(jù)，并且該數(shù)據(jù)必須存放在要分析的地方。您可以將數(shù)據(jù)發(fā)送到云實例或集中式本地數(shù)據(jù)中心，但這需要數(shù)據(jù)傳輸，而當(dāng)您查看運輸行業(yè)時，在很多領(lǐng)域中，通過蜂窩或衛(wèi)星進行數(shù)據(jù)傳輸將變得非常重要。

連接性是一個非常重要的黑白問題-無論您擁有還是沒有。成本略微不同。組織應(yīng)考慮其設(shè)備生成多少數(shù)據(jù)。

無論用例是監(jiān)視貨物溫度以保持冷鏈的完整性，評估貨物空間以最大程度地減少死角空間的運輸，還是檢測車輛的磨損以改善卡車的維護，邊緣都能幫助減輕其中的一些成本。

薄邊與厚邊

當(dāng)談到邊緣本身時，一些專家會區(qū)分薄邊緣和厚邊緣。最困難的是在運輸資產(chǎn)上的服務(wù)器上執(zhí)行計算時，它可以做的比薄邊緣還多，因為它具有顯著更高的計算能力。

但是，厚邊也需要更多的物理空間。而且您也不會將服務(wù)器放在卡車上。但是，如果您談?wù)摰氖羌b箱運輸，貨運班輪上有足夠的空間在其中放置服務(wù)器。

薄邊用于卡車運輸中的大多數(shù)IoT用例。在這種情況下，計算設(shè)備或“網(wǎng)關(guān)”位于卡車或另一資產(chǎn)上。傳感器不是直接通過蜂窩網(wǎng)絡(luò)發(fā)送數(shù)據(jù)，而是將所有數(shù)據(jù)發(fā)送到此設(shè)備?！坝嬎阍O(shè)備聚合來自不同端點的數(shù)據(jù)，計算數(shù)據(jù)并執(zhí)行諸如機器學(xué)習(xí)或人工智能之類的任務(wù)，并且與云的能力相比，它的速度更快，幾乎實時。

在邊緣分析數(shù)據(jù)時，仍然必須克服困難。無論網(wǎng)關(guān)運行的是簡單的閾值規(guī)則還是預(yù)測模型，組織都需要一種部署和管理分析的方法。要做到這一點而又不會成為一項艱巨的任務(wù)，您需要能夠遠(yuǎn)程訪問網(wǎng)關(guān)，并以結(jié)構(gòu)化，自動化的方式部署這些模型。在沒有自動化的情況下將許多預(yù)測模型部署到邊緣是一項繁瑣的任務(wù)，需要專門的工作人員。

走向云

僅僅因為用例充分利用了邊緣，并不意味著云就不存在了。將數(shù)據(jù)發(fā)送到精簡邊緣可將數(shù)據(jù)到云的傳輸減少99.8％，使組織能夠經(jīng)濟地利用云來開發(fā)更高級的用例。

當(dāng)您使用薄邊緣時，總是使用云或本地中央數(shù)據(jù)中心。您希望保留邊緣設(shè)備上的所有數(shù)據(jù)，因為預(yù)測模型需要照顧和處理，并且由于它們的細(xì)化或設(shè)備部件的運行參數(shù)的變化而必須隨時間進行更改。正在被使用。您想獲取這些數(shù)據(jù)，以便可以更改這些參數(shù)或執(zhí)行規(guī)范性分析。

云提供了擴展效率以及執(zhí)行這些任務(wù)所需的高級功能。有更好的功能可以從云數(shù)據(jù)中提取見解。如今，很多機器學(xué)習(xí)都是在云中進行的，所有的培訓(xùn)都在云中進行。

許多組織正在將大量業(yè)務(wù)工作負(fù)載轉(zhuǎn)移到云上，因為云計算已成為這些組織分析大量數(shù)據(jù)，從數(shù)據(jù)中收集見解，進行某種形式的機器學(xué)習(xí)并對該數(shù)據(jù)采取行動并發(fā)送到組織正在使用的相關(guān)設(shè)備或應(yīng)用。

來源：朗銳智科