在低阶领域传统传感器仍有生存空间，但在工厂设备监测这类需要较高精细度领域，朝智能化传感器应用迈进仍有其必要性。边缘计算有两大优势，其一为能够在节点或网关端就进行实时决策，另一则是无需仰赖庞大的无线网络基础设施。

当前全球物联网(iot)应用日趋复杂，数据量也愈来愈庞大，业界也正在寻找如何处理这些来自物联网传感器所搜集大量数据的更佳方法，因此在选择运算架构上便有其重要性。对此半导体业者adi物联网(iot)营销经理grainne murphy指出，智慧化物联网传感器在工业厂房应用等高级领域应用有其必要性，至于较低阶物联网应用领域仍是有传统传感器的生存空间。

据design news网站报导，murphy认为，物联网一直由云端的讨论所主导，这与分析及软件公司有关，因此可见许多人从事概念证明且有很好的想法，不过却不知道应如何落实这些想法，可能物联网数据也不够好到可提供其终端客户价值，因此才需要先从物联网系统中得到什么决定起，再向后决定要采用何种系统。

一直以来均有将智慧化放在边缘端的呼声，过去一年来adi也在与业界人士谈论此议题，murphy也认为在低阶领域传统传感器(dumb sensor)仍有生存空间，但在工厂设备监测这类需要较高精细度领域，朝智能化传感器应用迈进仍有其必要性。

针对当前工业物联网(iiot)应用通常是采用集中式架构或边缘运算模式的问题，adi高速转换器团队应用工程师ian beavers表示，这取决于是采“绿色领域”或“棕色领域”网络。

在绿色领域网络，可以引进新的技术且不受制于目前的网络，能够从头开发适合应用的技术;在棕色领域，可能必须以现有基础架构运行，因此可能必须拥有一套集中式的网络。

beavers以机器状态监测为例介绍边缘运算模式，这会在工厂中监测大量设备，并采3轴加速计进行感测工作，这类监测可能会以某种形式的“快速傅立叶变换”(fast fourier transform;fft)进行，并可对数据进行分析以决定是否跨越某种阀值，并判断是否需要予以处理，在此情况下，就可在边缘进行实时的决定，无需传送所有数据至下游端。

但若将所有物联网传感器搜集的数据都传送至下游端，意谓将需要非常大的带宽，特别是如果在一间工厂内配置高达数千颗物联网传感器时更是如此，在此情况下于边缘进行数据分析较为合适，只有需要被立即解决的问题才会将数据传送至下游端。

这套方法具备两大优势，其一为能够在节点或网关端就进行实时决策，另一则是无需仰赖庞大的无线网络基础设施，提供将所有物联网传感器所搜集原始数据传送至下游端分析的优势。murphy指出，在某些情况下工厂也不希望将数据传送至云端，这也是因存在着安全性问题隐忧。

针对将大量资料存在于边缘、而非单一集中式云端，是否会出现同步化的问题，murphy表示，只要数据有标记时间，对于厂房设备监测应用来说就不是问题。不过边缘运算也非无往不利，如beavers表示，如果监测机器效能的周期达到好几周或几个月，或是想要归档大量信息进行历史回顾，这时采云端集中式模式反而可能比较适合。

（转载）

以上是网络信息转载，信息真实性自行斟酌。