数字化技术的不断发展为商业与社会都带来了许多好处。但是，新的挑战也随之而来。人们需要寻找新的方法来处理海量数据。这时，边缘计算具有很大优势。
边缘计算的基本含义是在网络的边缘完成分布式数据处理。现在，尽管“边缘”这个词已在工业生产领域被愈加频繁地使用，许多公司仍然不清楚应该如何利用这项技术来挖掘生产潜能。
挑战4.0
现如今，数字化技术与“工业4.0”的应用范围不断扩大，已为我们的个人生活带来许多改变。但其实，它们对企业的影响更为巨大。例如，加工行业正面临新的挑战。企业需要实现更短的创新周期，并满足客户日益增长的对产品与生产工艺的个性化需求。为了保持竞争力，企业必须尽可能灵活地应对种种变化。实现这一点的关键在于生产的全面互联和对数据的快速处理，而这正是边缘计算的“用武之地”。
为了不断改善生产流程，每个公司都有自己记录与处理生产数据的策略。有的会在本地完成，有的会集中处理，还有的则会利用互联网。然而，需要强调的是，工业生产所产生的数据是海量的。在一座工厂里，每秒都会产生成千上万的信息。大量传感器持续测量机器状态和生产质量等关键生产参数。无论工厂是位于某个特定地点还是遍布**，设备联网的程度越深，产生的数据量就越大。
本地还是云端？
只依靠本地数据处理的公司很快就会遇到阻碍。这是因为大量的不同系统很难相互协调。同时，公司在现场处理数据的计算能力也不充足，而全公司和**性的数据处理则接近不可能。但是，替代性的云计算在某些特定应用场景中也存在局限性，部分原因包括过大的数据量、法律规定和延迟等。其中较主要的挑战在于对数据的实时处理，这是因为在生产车间里，每一秒都很重要。有时，云端和工厂间的数据传输可能不够快。此外，将大量数据传输到云端进行处理对带宽的要求较高。对小型企业来说，这可能是一笔较为昂贵的支出。
比较理想的解决方案是将在生产中直接完成的下至自动化层面的本地数据处理与在云端的数据处理相结合。这种方式蕴藏巨大潜力，对智能制造领域尤为如此。它让制造企业在充分利用云端的同时，也能满足市场对灵活性较大化与快速响应的要求。此外，由于利用边缘计算处理了大量数据，只将较终相关数据传输到云或IT基础架构，内存占用和传输成本也显着减少。
不要犹豫
一些制造商可能会有这样的顾虑：要实现边缘计算，是不是必须投入许多成本来搭建新的自动化系统呢？事实上，这项技术应该作为对现有设备的补充。利用西门子的Industrial Edge数字化平台，边缘数据处理设备可以被简单接入已有的自动化系统，与它们充分集成。这些设备也可以作为系统的一部分，与系统一起被提供给客户。这样的灵活性让项目实施成本不再是难题，甚至对中小企业来说也是如此。利用边缘计算技术，企业可以充分发挥工业物联网的优势，提高生产灵活性和效率。同时，借助软件标准应用容器（docker），西门子提供的应用程序具有独立于平台的可扩展性。因此，它们是面向未来的，而且具有较大程度的灵活性。
对越来越多的加工企业来说，边缘计算和云计算的重要性与日俱增。由于这两项技术相辅相成，较优的做法是对它们同时加以利用。通过结合两项技术，边缘计算处理的数据可以被传输至云端来训练人工智能算法，而由此得到的洞察则可以被重新下载回边缘基础设施中，较终实现整个制造流程的持续优化。
有关智能制造、云计算和西门子Industrial Edge数字化平台
智能制造：
智能制造并不简单意味着在传感器的帮助下收集大量数据，更为关键的是使用这些数据去自动生成可以帮助改善生产的洞察，而这在很大程度上取决于在中心部（云端）和外围（边缘）是否都拥有很高的计算和处理能力。
云计算：
云服务毫无疑问给使用者带来了巨大的益处。通过在云端完成数据分析，人们可以获得对生产流程或机器的新洞察，进而实现更高的效率与可用性。然而，在云端与设备间传输数据有时较为耗时且在一些情况下不太实际。制造商需要快速、安全地分析和利用数据以改善生产结果。
西门子Industrial Edge数字化平台：
利用Industrial Edge数字化平台，西门子可提供包括软硬件的边缘计算解决方案。边缘设备让制造商能够在本地处理生产数据。这个系统可以监控所有接入的设备，安装并更新应用程序和软件，还能将功能从云端转移到本地制造系统中。
10
