草稿:边缘协作

点评： 另维基百科不得作为来源，此外请注意条目格式，可参考类似条目的写作方式。 William is Wikipedia! 2024年12月18日 (三) 04:01 (UTC)

---

“边缘协作”（英文: Edge Orchestration）是一个在工业物联网（IIoT）中日益重要的概念。它指的是在边缘设备上协调和管理应用程式、数据流和服务的过程，旨在提升系统的效率、灵活性和可扩展性。透过边缘协作平台，使用者可以定义资料撷取能力、在边缘端进行资料前处理，并将资料传送到所需的 IT 系统中。这有助于避免数据孤岛问题，实现数据的无缝串接，并加强 OT（操作技术）与 IT（资讯技术）之间的协作。

工业物联网（IIoT）推动制造业数位转型，其中边缘运算凭借低延迟、高可靠性等优势成为关键技术。然而，随著物联网应用日益复杂，资讯长（CIO）需要整合 OT 与 IT，加速价值落地。边缘运算协作管理平台正提供了解决方案。

当边缘运算协作管理平台遇到 IIRA 框架

边缘运算协作管理平台(Edge Orchestration platform) 基于 IIRA（The Industrial Internet Reference Architecture）五大领域的架构，明确定义其功能与属性。提供一个开放、安全、且有弹性的运行机制，能够让使用者清楚了解如何透过边缘运算协作平台来定义数据流、建立商业逻辑、资安架构，拿回使用者对数据的主导权，并且满足应用的需求。 由边缘运算协作平台负责的范畴：

• 应用领域(Application Domain)：使用者可以在应用领域基于边缘运算协作平台提供的功能，定义在边缘端运行的应用程式、通讯协定、资料前处理的逻辑，并适时透过资讯流取得商业资讯，实现云端与边缘端数据流的无缝连结。
• 维运领域(Operation Domain)：基于边缘运算协作平台提供的功能，达到边缘设备的应用程式与人工智慧(AI)模型部署、管理、监控、资安、诊断，确保系统稳定运行。
• 控制领域(Control Domain)：透过边缘运算协作平台提供的功能，将边缘端运行的机制透过容器化技术部署到边缘端闸道器上的 run-time 运行，提供在边缘端进行即时决策与资料前处理，满足边缘运算、Edge AI 的等应用需求。

由其他资讯系统负责的范畴：

• 资讯领域(Information Domain)：使用者可以依照各自的需求与技能，进行资讯的呈现与处理。以单纯资料呈现的做法，使用者可透过类似 PowerBI、Tableau、Snowflake、Grafana 等视觉化软体。亦可以自行开发可视化的仪表板。如果需再结合 AI 演算法，亦可以参考 AWS SageMaker、Azure ML 等云端模型训练平台，将训练好的模型再透过位于应用领域的边缘运算协作平台部署到控制领域的边缘端进行 AI 推论工作。
• 商业领域(Business Domain)：一般在商业领域范畴常见的资讯系统包含 ERP、CRM、BSS、OSS、SCM 等系统，可以透过 API 或资料库存取的方法与边缘运算协作平台进行串接，让商业领域的资料与应用领域的资料可以无缝连结，强化企业决策的速度与深度。

边缘运算协作平台实现 OT/IT 数据治理

• 拥有数据主导权，得数据者得天下： 边缘运算协作平台应该提供无程式码(No-code)的方式降低使用者进入门槛。同时，应该具备在边缘端进行资料正规化、资料前处理与设定商业逻辑的功能。此外，亦必须提供使用者可以自行定义数据流与转换的资料格式，让数据无缝串接至 IT 系统、资料库、或是云端平台，将数据拥有权回归给使用者，累积企业的数位资产。
• 充份掌握部署资讯，便于专案管理： 每次使用者的需求都视为一个专案，完善的边缘运算协作平台，必须清楚记录专案的范畴，其中所包含的软体、硬体版本、商业逻辑、专案成员、相关部署资讯，让专案管理不再混乱，任务交接也能更加顺利，对于系统集成商亦有助于快速反应客户需求。
• 开放式的架构易于整合，避免数据孤岛： 边缘运算协作平台应该采用开放的标准协定与提供 SDK 让使用者可在平台上自行开发应用程式，并提供 API 方便资料串接，如此才能够避免企业发生数据孤岛的问题。
• 建构云边协同机制，打破 IT/OT 的藩篱： 选择边缘运算协作平台时，需要考量是否支援不同的硬体架构与不同品牌的工业电脑，例如：X86 或是 ARM 架构的工业电脑（闸道器），并提供各式工业现场所需的通讯协定，例如：Modbus、OPC/UA、Meslec、BACNet、Ethernet/IP 等等。再结合各式 IT 与云端系统串接功能，例如：AWS IoT Core、Azure IoT Hub、GCP、MQTT、HTTP 等等。建立云边协同机制，让 IT 人员不再害怕，OT人员也可以轻松满足 IT人员对于工业现场端资料的需求。
• 整合 MLOps 流程满足 Edge AI 需求： 随著 AI 应用的兴起，AI 从云端训练到地端推论的架构俨然成形，在选择边缘运算协作平台 时，亦要考量是否支援 MLOps 的架构，让使用者可以利用云端算力进行模型的训练，透过平台部署至边缘端。亦能够持续收集模型再训练资料，上传至云端进行 AI 模型的再训练，达到 AI 模型持续迭代的需求。
• 符合资安规范，形塑边到云的完整防御： 由边缘运算协作平台是建构 AIoT 的基础架构。因此，在选择上面更需要思考其安全框架与设计架构，从硬体端的 TPM 2.0 与 Root of trust 机制，到软体与资讯端的 IEC 62443 与 ISO 27001/27017 的资安规范，建构边到云的安全体系，避免工业现场的系统受到外界非法的攻击。
• 数位孪生建构虚拟和实体的基石： 基于边缘运算协作平台的架构，除了能够串接在维运领域的相关资料之外，亦可以结合 商业领域和资讯领域的资料，更进一步结合外部的公开资料（open data），打造数位孪生所需的完整数据，成为发展数位孪生重要的基础。

外部链接

Category:使用创建条目精灵建立的页面