隨著物聯(lián)網(wǎng)或物聯(lián)網(wǎng)解決方案的出現(xiàn)，許多行業(yè)都從提高生產(chǎn)力和運營可靠性的物聯(lián)網(wǎng)技術(shù)中受益匪淺。物聯(lián)網(wǎng)解決方案提供了一種設(shè)置，其中包括傳感器、儀器、機器和許多其他連接設(shè)備，無需人工干預即可運行。本文將慢慢分解物聯(lián)網(wǎng)解決方案架構(gòu)，以更多地了解物聯(lián)網(wǎng)實施的分步過程。

什么是物聯(lián)網(wǎng)解決方案架構(gòu)?

物聯(lián)網(wǎng)簡而言之就是將事物都連上網(wǎng)絡(luò)，其中“事物”一詞可能指汽車、建筑物、機器，甚至是人。物聯(lián)網(wǎng)解決方案是一個由互連的傳感器、計算設(shè)備和機器組成的系統(tǒng)，它們通過網(wǎng)絡(luò)連接起來，形成一個完整的操作。因此，物聯(lián)網(wǎng)解決方案架構(gòu)是從收集原始數(shù)據(jù)到獲得預測或結(jié)果的逐步數(shù)據(jù)流的設(shè)計。物聯(lián)網(wǎng)解決方案架構(gòu)沒有通用標準，但通常該技術(shù)需要四個主要組件，包括：

傳感器/執(zhí)行器

網(wǎng)關(guān)和網(wǎng)絡(luò)

云或數(shù)據(jù)服務器

應用層

第1 步：原始數(shù)據(jù)收集

作為每個物聯(lián)網(wǎng)系統(tǒng)的根，連接的設(shè)備負責提供物聯(lián)網(wǎng)系統(tǒng)的目的，即收集數(shù)據(jù)。因此，這項技術(shù)需要傳感器收集預測所需的所有原始數(shù)據(jù)。傳感器從過程或環(huán)境條件中收集數(shù)據(jù)，例如質(zhì)量控制、溫度、濕度、裝配線的速度等等。此外，物聯(lián)網(wǎng)解決方案架構(gòu)允許以指令或命令的形式進行雙向數(shù)據(jù)流，通知執(zhí)行器采取控制或維護流程所需的任何操作。在某些情況下，傳感器可能會檢測到需要立即響應的情況，以便執(zhí)行器可以實時執(zhí)行補救措施。

在傳感器編譯完所有原始數(shù)據(jù)后，原始數(shù)據(jù)收集的物聯(lián)網(wǎng)解決方案：

溫度感應器

GPS/接近

運動/速度傳感器

電動執(zhí)行器

液壓馬達

第2 步：物聯(lián)網(wǎng)網(wǎng)關(guān)和數(shù)據(jù)采集系統(tǒng) (DAS)

數(shù)據(jù)采集系統(tǒng)(DAS) 在將原始模擬數(shù)據(jù)轉(zhuǎn)換為可編程數(shù)字數(shù)據(jù)方面發(fā)揮著重要作用。互聯(lián)網(wǎng)網(wǎng)關(guān)在傳感器和網(wǎng)關(guān)之間提供網(wǎng)絡(luò)連接以執(zhí)行 DAS。此網(wǎng)絡(luò)連接可以通過無線或有線連接，比如 LAN、USB 或 GPIO。在這一層 IoT 解決方案架構(gòu)中，網(wǎng)關(guān)和 DAS 還有助于控制、過濾和選擇數(shù)據(jù)，以最大限度地減少發(fā)送到云端的信息量，從而影響功率和整體性能。

在功耗和性能之間找到適當?shù)钠胶鈱τ趦?yōu)化整體性能至關(guān)重要。因此，功率預算起著重要作用。功率預算是一種考慮操作整個物聯(lián)網(wǎng)解決方案架構(gòu)所需的可能功率的每個細節(jié)的行為。操作員必須考慮描述實際能量輸出和計算能量輸出之間關(guān)系的性能比或百分比。因此，通過比較理論和實際結(jié)果，可以更精確地計算功率預算。有人可能想知道為什么這如此重要。以下是物聯(lián)網(wǎng)解決方案架構(gòu)中功率預算的一些要點：

功率可用性：功率預算確保它仍然足夠，并有足夠的功率來確保未來的運行。

發(fā)熱：滿足功率和性能之間的適當平衡將防止過熱。過熱可能對計算機組件有害或?qū)е滦阅芟陆怠?/p>

成本：更大的功率意味著更大的組件，這意味著操作計算機需要更高的成本。

物聯(lián)網(wǎng)網(wǎng)關(guān)和數(shù)據(jù)采集系統(tǒng)(DAS) 的物聯(lián)網(wǎng)解決方案：

1. SoC與Socket設(shè)計

在計算出整個物聯(lián)網(wǎng)解決方案架構(gòu)所需的功率預算后，下一步就是要知道要使用哪個處理器。在這里，我們有SoC(片上系統(tǒng))和Socket設(shè)計。SoC 或片上系統(tǒng)是將所有計算機組件組合到單個基板系統(tǒng)上的集成電路。例如，除了CPU之外，它還包括GPU和內(nèi)存存儲等高級外圍設(shè)備。因此，這種處理器設(shè)計通常用于節(jié)能和空間受限的部署。

另一方面，插座設(shè)計是主板上的單個連接器，提供與CPU的機械連接和電氣接口。雖然插座芯片設(shè)計允許多個復雜的工藝，但由于它運行在高性能，這也意味著它具有更高的熱設(shè)計功率(TDP)或更多的功率。因此，插座式芯片設(shè)計處理器需要額外的冷卻，以避免可能導致故障和熱節(jié)流的高溫。對于選擇哪種類型的處理器設(shè)計沒有明確的解決方案;每個物聯(lián)網(wǎng)解決方案都是根據(jù)處理能力和要求精確選擇的。

2. 性能加速——用于實時處理的 CPU、GPU 和 M.2 加速器

性能加速器是能夠從CPU 卸載任務并提高性能以獲得實時決策的微處理器。僅一個 CPU 可能不足以處理來自越來越多的物聯(lián)網(wǎng)設(shè)備的大量數(shù)據(jù)。因此，性能加速器利用并行計算，系統(tǒng)可以一次同時處理各種任務。物聯(lián)網(wǎng)解決方案架構(gòu)可以利用的一些性能加速器包括多核 CPU、GPU、VPU、NVME M.2 存儲等等。在性能加速器的幫助下，邊緣計算機可以處理來自多個物聯(lián)網(wǎng)設(shè)備的所有數(shù)據(jù)，并在生成數(shù)據(jù)的地方執(zhí)行復雜的分析。

第3步：邊緣處理

在這一層的物聯(lián)網(wǎng)解決方案架構(gòu)中，所有前期已經(jīng)數(shù)字化和積累的模擬數(shù)據(jù)都會歸結(jié)為這個過程，稱為預處理或邊緣處理。在這個階段，機器學習可以非常有助于向系統(tǒng)提供反饋并管理整個正在進行的過程，而無需等待來自云端的指令。因此，機器學習通過在邊緣處理一些數(shù)據(jù)來幫助減少發(fā)送到云或數(shù)據(jù)中心的數(shù)據(jù)量。

物聯(lián)網(wǎng)中的工作負載整合需要堅固的邊緣計算解決方案作為所有數(shù)據(jù)預處理的媒介。此外，堅固的邊緣計算解決方案通過多核處理器、巨大的數(shù)據(jù)存儲和各種I/O 選項提供可擴展的高級處理能力。因此，通過利用強大的邊緣計算解決方案連接所有傳感器、設(shè)備和物聯(lián)網(wǎng)基礎(chǔ)設(shè)施，可以在減少硬件占用的情況下執(zhí)行物聯(lián)網(wǎng)解決方案架構(gòu)流程。

第4 步：在云或數(shù)據(jù)中心進行進一步分析

在物聯(lián)網(wǎng)解決方案架構(gòu)的第四步，云或數(shù)據(jù)中心作為整個物聯(lián)網(wǎng)架構(gòu)流程的大腦延伸。數(shù)據(jù)中心或基于云的系統(tǒng)專門設(shè)計用于存儲、處理和分析來自多個傳感器或站點的大量數(shù)據(jù)，以進行更深入的分析。在這個階段，數(shù)據(jù)中心將收集到的所有數(shù)據(jù)結(jié)合起來，以獲得更全面的物聯(lián)網(wǎng)整體架構(gòu)圖和可操作的預測。最后，預測可以直接傳回傳感器或執(zhí)行器或最終用戶應用程序。

第5 步：用于狀態(tài)和數(shù)據(jù)管理的人機界面 (HMI)

這是物聯(lián)網(wǎng)解決方案架構(gòu)的最后一步。如前所述，來自云或數(shù)據(jù)中心的最終預測將傳回傳感器/執(zhí)行器或直接傳給最終用戶。因此，在與最終用戶直接接觸時，考慮物聯(lián)網(wǎng)平臺至關(guān)重要。HMI 或人機界面是提供人機交互的圖形用戶界面 (GUI)。HMI 允許操作員管理正在進行的流程并顯示數(shù)據(jù)可視化。因此，物聯(lián)網(wǎng)中的 HMI 對于實現(xiàn)來自機器系統(tǒng)的遠程交互和可視化是至關(guān)重要的。