Traditionel udstyrsstyring består generelt af sensorer, dataindsamling, måle- og kontrolcenter, dataindsamlingsudstyr omfatter hovedsagelig PLC, dataindsamlingskort, feltinstrumenter, billedindsamlingsudstyr osv. Den eneste funktion, der opnås, er at digitalisere analoge signaler, lagre og videresende dem til måle- og kontrolcentret. Den kan kun anvendes i et anvendelsesmiljø med lange prøveudtagningsintervaller og en lille mængde indsamlede data. For brugsscenarier med krav om høj prøvetagningshastighed, stor mængde indsamlede data og stor datadøgnkapacitet skal der bygges et særligt måle- og kontrolsystem til måling og styring af opsamling separat. Lagring, beregning, behandling og vurdering af store data sker alle i måle- og kontrolcentret, og disse applikationsfunktioner leveres via de implementerede servere. Det er ekstremt vanskeligt at opnå forretningsintegration og forenet platformstyring.
Måle- og kontrolsystemet indsamler kun data på enheden og sender dem derefter som sådan til måle- og kontrolcentret, og måle- og kontrolcentret foretager lagring, beregning, behandling, vurdering og beslutningstagning af dataene. Den kan naturligvis kun måle temperatur, luftfugtighed, barometertryk og andre ændringer, som ikke er hurtige, og som kan tåle en lang responstid.
Siden 2010 har området Internet of Things (IoT) gennemgået en radikal ændring. Kombinationen af kunstig intelligens og IoT har resulteret i AIoT (Intelligent Internet of Things), og anvendelsen af IoT i industrien har givet anledning til Industrial IoT, som har givet stærk fremdrift til udviklingen af IoT. I AIoT-æraen er der krav om højhastighedsoptagelse og dermed højere krav til transmissionsbåndbredde. Når forholdene på stedet ændrer sig hurtigt, kræver intelligens, at målingen gennemføres første gang, og at der gives et rettidigt svar. Måle- og styresystemet, der er baseret på en enkelt dataindsamlingsenhed, halter langt bagefter AIoT-æraen. Årsagerne er følgende:
1. Da mængden af IoT-aktiviteter stiger, er det nødvendigt med øget båndbredde for at overføre dataene til den centrale server i tide.
2. Derfor vokser lagerbehovet, men de data, der indsamles under normal drift, er ubrugelige oplysninger, der alle er gemt, hvilket resulterer i spildt lagerplads.
3, centraliseret behandling, højere krav til beregningskapacitet.
4, mere realtidsreaktionsscenarier, der kræver realtidsbehandling af data og hurtig vurdering for at styre objekter eller genstande med henblik på at foretage passende reaktioner og udføre præcise handlinger. På grund af behandlingstid og transmissionsforsinkelse er den centrale kontrolbehandling ikke i stand til at opfylde disse krav om tidsnær kontrol.
Baseret på edge computing-teknologi bruger 5G edge computing-gatewayen netværks-, computer-, lager- og applikationskernefunktioner som en integreret åben platform til lagring, behandling og analyse af data nær objektet eller informationskilden. Udrulning af kørende applikationer i kanten giver hurtigere netværksrespons for at opfylde branchens behov for forretnings- og applikationsintelligens i realtid og sikrer datasikkerhed og beskyttelse af privatlivets fred, samtidig med at kravene til netværksbåndbredde reduceres.
AR7091 Gigabit Router 5G Edge Computing Gateway
Toppen af IoT er cloud-serveren, og kanten er dataindsamling + edge computing. Ud over dataindsamling har edge ends en kraftig computerfunktion og understøtter AI-algoritmer, som ikke er tilgængelige i traditionelle måle- og kontrolsystemer til dataindsamling. Med omfattende tilslutningsmuligheder understøtter den ikke kun sensorinterfaces som IEPE og spændingstype, men også RS485 seriel businterface og Ethernet-interface. Dette kan problemfrit forbinde smarte sensorer.
