草稿:邊緣協作

點評： 另維基百科不得作為來源，此外請注意條目格式，可參考類似條目的寫作方式。 William is Wikipedia! 2024年12月18日 (三) 04:01 (UTC)

---

「邊緣協作」（英文: Edge Orchestration）是一個在工業物聯網（IIoT）中日益重要的概念。它指的是在邊緣設備上協調和管理應用程式、數據流和服務的過程，旨在提升系統的效率、靈活性和可擴展性。透過邊緣協作平台，使用者可以定義資料擷取能力、在邊緣端進行資料前處理，並將資料傳送到所需的 IT 系統中。這有助於避免數據孤島問題，實現數據的無縫串接，並加強 OT（操作技術）與 IT（資訊技術）之間的協作。

工業物聯網（IIoT）推動製造業數位轉型，其中邊緣運算憑藉低延遲、高可靠性等優勢成為關鍵技術。然而，隨着物聯網應用日益複雜，資訊長（CIO）需要整合 OT 與 IT，加速價值落地。邊緣運算協作管理平台正提供了解決方案。

當邊緣運算協作管理平台遇到 IIRA 框架

邊緣運算協作管理平台(Edge Orchestration platform) 基於 IIRA（The Industrial Internet Reference Architecture）五大領域的架構，明確定義其功能與屬性。提供一個開放、安全、且有彈性的運行機制，能夠讓使用者清楚了解如何透過邊緣運算協作平台來定義數據流、建立商業邏輯、資安架構，拿回使用者對數據的主導權，並且滿足應用的需求。 由邊緣運算協作平台負責的範疇：

• 應用領域(Application Domain)：使用者可以在應用領域基於邊緣運算協作平台提供的功能，定義在邊緣端運行的應用程式、通訊協定、資料前處理的邏輯，並適時透過資訊流取得商業資訊，實現雲端與邊緣端數據流的無縫連結。
• 維運領域(Operation Domain)：基於邊緣運算協作平台提供的功能，達到邊緣設備的應用程式與人工智能(AI)模型部署、管理、監控、資安、診斷，確保系統穩定運行。
• 控制領域(Control Domain)：透過邊緣運算協作平台提供的功能，將邊緣端運行的機制透過容器化技術部署到邊緣端閘道器上的 run-time 運行，提供在邊緣端進行即時決策與資料前處理，滿足邊緣運算、Edge AI 的等應用需求。

由其他資訊系統負責的範疇：

• 資訊領域(Information Domain)：使用者可以依照各自的需求與技能，進行資訊的呈現與處理。以單純資料呈現的做法，使用者可透過類似 PowerBI、Tableau、Snowflake、Grafana 等視覺化軟件。亦可以自行開發可視化的儀錶板。如果需再結合 AI 演算法，亦可以參考 AWS SageMaker、Azure ML 等雲端模型訓練平台，將訓練好的模型再透過位於應用領域的邊緣運算協作平台部署到控制領域的邊緣端進行 AI 推論工作。
• 商業領域(Business Domain)：一般在商業領域範疇常見的資訊系統包含 ERP、CRM、BSS、OSS、SCM 等系統，可以透過 API 或資料庫存取的方法與邊緣運算協作平台進行串接，讓商業領域的資料與應用領域的資料可以無縫連結，強化企業決策的速度與深度。

邊緣運算協作平台實現 OT/IT 數據治理

• 擁有數據主導權，得數據者得天下： 邊緣運算協作平台應該提供無程式碼(No-code)的方式降低使用者進入門檻。同時，應該具備在邊緣端進行資料正規化、資料前處理與設定商業邏輯的功能。此外，亦必須提供使用者可以自行定義數據流與轉換的資料格式，讓數據無縫串接至 IT 系統、資料庫、或是雲端平台，將數據擁有權回歸給使用者，累積企業的數位資產。
• 充份掌握部署資訊，便於專案管理： 每次使用者的需求都視為一個專案，完善的邊緣運算協作平台，必須清楚記錄專案的範疇，其中所包含的軟件、硬件版本、商業邏輯、專案成員、相關部署資訊，讓專案管理不再混亂，任務交接也能更加順利，對於系統集成商亦有助於快速反應客戶需求。
• 開放式的架構易於整合，避免數據孤島： 邊緣運算協作平台應該採用開放的標準協定與提供 SDK 讓使用者可在平台上自行開發應用程式，並提供 API 方便資料串接，如此才能夠避免企業發生數據孤島的問題。
• 建構雲邊協同機制，打破 IT/OT 的藩籬： 選擇邊緣運算協作平台時，需要考量是否支援不同的硬件架構與不同品牌的工業電腦，例如：X86 或是 ARM 架構的工業電腦（閘道器），並提供各式工業現場所需的通訊協定，例如：Modbus、OPC/UA、Meslec、BACNet、Ethernet/IP 等等。再結合各式 IT 與雲端系統串接功能，例如：AWS IoT Core、Azure IoT Hub、GCP、MQTT、HTTP 等等。建立雲邊協同機制，讓 IT 人員不再害怕，OT人員也可以輕鬆滿足 IT人員對於工業現場端資料的需求。
• 整合 MLOps 流程滿足 Edge AI 需求： 隨着 AI 應用的興起，AI 從雲端訓練到地端推論的架構儼然成形，在選擇邊緣運算協作平台 時，亦要考量是否支援 MLOps 的架構，讓使用者可以利用雲端算力進行模型的訓練，透過平台部署至邊緣端。亦能夠持續收集模型再訓練資料，上傳至雲端進行 AI 模型的再訓練，達到 AI 模型持續迭代的需求。
• 符合資安規範，形塑邊到雲的完整防禦： 由邊緣運算協作平台是建構 AIoT 的基礎架構。因此，在選擇上面更需要思考其安全框架與設計架構，從硬件端的 TPM 2.0 與 Root of trust 機制，到軟件與資訊端的 IEC 62443 與 ISO 27001/27017 的資安規範，建構邊到雲的安全體系，避免工業現場的系統受到外界非法的攻擊。
• 數位孿生建構虛擬和實體的基石： 基於邊緣運算協作平台的架構，除了能夠串接在維運領域的相關資料之外，亦可以結合 商業領域和資訊領域的資料，更進一步結合外部的公開資料（open data），打造數位孿生所需的完整數據，成為發展數位孿生重要的基礎。

外部連結

Category:使用創建條目精靈建立的頁面