物流中的物联网：边缘与云计算分析

物联网为卡车和物流业提供了提高效率和安全性所需的可视性。但是，像任何技术一样，物联网部署决策必须由成本效益分析决定。这包括决定哪些分析类型应位于边缘或云中。
物联网部署中的传感器可以生成大量数据，并且该数据必须存放在要分析的地方。您可以将数据发送到云实例或集中式本地数据中心，但这需要数据传输，而当您查看运输行业时，在很多领域中，通过蜂窝或卫星进行数据传输将变得非常重要。
连接性是一个非常重要的黑白问题——无论您拥有还是没有。成本略微不同。组织应考虑其设备生成多少数据。
无论用例是监视货物温度以保持冷链的完整性，评估货物空间以很大程度地减少死角空间的运输，还是检测车辆的磨损以改善卡车的维护，边缘都能帮助减轻其中的一些成本。
薄边与厚边
当谈到边缘本身时，一些**会区分薄边缘和厚边缘。**困难的是在运输资产上的服务器上执行计算时，它可以做的比薄边缘还多，因为它具有显着更高的计算能力。

但是，厚边也需要更多的物理空间。而且您也不会将服务器放在卡车上。但是，如果您谈论的是集装箱运输，货运班轮上有足够的空间在其中放置服务器。
薄边用于卡车运输中的大多数IoT用例。在这种情况下，计算设备或“网关”位于卡车或另一资产上。传感器不是直接通过蜂窝网络发送数据，而是将所有数据发送到此设备。“计算设备聚合来自不同端点的数据，计算数据并执行诸如机器学习或人工智能之类的任务，并且与云的能力相比，它的速度更快，几乎实时。
在边缘分析数据时，仍然必须克服困难。无论网关运行的是简单的阈值规则还是预测模型，组织都需要一种部署和管理分析的方法。要做到这一点而又不会成为一项艰巨的任务，您需要能够远程访问网关，并以结构化，自动化的方式部署这些模型。在没有自动化的情况下将许多预测模型部署到边缘是一项繁琐的任务，需要专门的工作人员。
走向云
**因为用例充分利用了边缘，并不意味着云就不存在了。将数据发送到精简边缘可将数据到云的传输减少99.8％，使组织能够经济地利用云来开发更高级的用例。
当您使用薄边缘时，总是使用云或本地**数据中心。您希望保留边缘设备上的所有数据，因为预测模型需要照顾和处理，并且由于它们的细化或设备部件的运行参数的变化而必须随时间进行更改。正在被使用。您想获取这些数据，以便可以更改这些参数或执行规范性分析。