如何减少边缘节点的洞察时间？

　　减少边缘节点的洞察时间可在获得数据之后尽快做出关键决定。而理论上处理能力和通信数据均不受限制，则可将所有全带宽边缘节点检测信息发送至远端的云计算服务器。此外，还可以进行大量运算，以挖掘做出明智决策所需的宝贵细节信息。然而，电池电量、通信带宽和计算周期密集型算法的局限使得我们的设想只是一种概念，而无法成为实际方案。
　　在这个包含多个部分的工业物联网系列文章中，我们将分解和研究大型物联网框架中边缘节点解读的基本方面：检测、测量、解读和连接数据，同时还将考虑功率管理和安全性。边缘节点所需的数据集可能只是一个离散的完整宽带信息子集。同样，数据可以根据要求进行传输。高效的超低功耗（ULP）处理也是实施任何边缘节点方案的一个关键。

智能分区模式转变
　　工业物联网及其前身（机对机（M2M）通信）的先锋时代在很大程度上是由云平台这一主要应用推动因素的作用定义的。智能系统的洞察力以往都只是依赖于云级能力。实际的边缘传感器装置一直以来都相对简单。然而，由于边缘节点的低功耗计算能力比云计算能力的发展更迅速，这个前提目前正在动摇。1 边缘节点如今具有检测、测量、解读和连接数据的能力。
　　智能分区模式正从连接传感器模型向智能设备模型转变，从而提供更多的可用架构选项，并允许组织部署工业物联网，以独特的方式改进其实体资产和流程。边缘计算分析（亦称为智能边缘或解读）推动着这一转变。大规模的工业物联网部署依赖于一系列安全、高效节能并且易于管理的多样化智能节点。

　　　边缘分析
　　最优质的传感数据仍可边缘化，且无需细心留意边缘节点分析中应用的要求。边缘传感器装置可能会受到能源、带宽或原始计算能力的约束。这些约束条件将影响到能够将IP堆栈删减为最小闪存或RAM的协议选择。这使得编写程序充满挑战性，并且可能需要牺牲一些IP性能。
　　边缘处理可以是一个分析过程，除了将数据发送至远端服务器以进行云级分析，它还可以作为一种方法，用于分析接近其来源的数据。在数据链中尽早地进行实时分析边缘处理可减少下游有效负载，并缩短延迟。如果初始数据处理可以在边缘节点进行，那么就可以简化所需的数据格式、通信带宽以及最终聚集在云端网关。通过紧耦合连接至传感器的时间敏感型反馈回路可提供即时处理，从而为更有价值的明智决策作准备。
　　然而，这要求提前了解清楚需要获得哪些有价值的具体信息，才能从检测和测量数据中得到预期结果。此外，由于空间隔离或应用差异，也可能因边缘节点的不同而不同。事件报警、触发信号和中断检测可以忽略大部分数据，只传输需要的数据。

　　时间折旧
　　货币的时间价值是一种概念，即现在的一美元比未来某一时候的一美元更有价值。类似地，数据也存在时间常数。数据的时间价值是指在这个几分之一秒检测到的数据与从现在起一周、一天或甚至一个小时之后检测到的数据不同。此类任务关键型物联网范例有热冲击检测、气体泄漏检测或需要采取立即行动的灾难性机械故障检测。时间敏感型数据价值在解读之时开始衰减。有效解读数据和采取行动的延迟越长，决策的价值将越低。为了解决工业物联网的时间折旧问题，我们必须进一步深入了解信号链。
　　边缘传感器节点的处理算法可对抽样数据进行筛选、抽取、调谐和精处理，将其分解至最低要求的子集。这首先需要定义目标窄带数据。可调带宽、抽样率和动态范围有助于一开始就在硬件的模拟域中建立基准。通过使用所需的模拟设置，传感器只会检测需要的信息，并提供更短的时间常数以获得高质量的解读数据。
　　边缘处的数字后端处理滤波器可进一步重点关注目标数据。边缘传感器处的数据频率分析可在信息离开节点之前，并及早判定信号内容。一些高阶计算模块执行快速傅里叶变换（FFT）、有限脉冲响应（FIR）滤波并使用智能抽取，可缩小抽样数据的范围。在一些情况下，在大幅度降低数据带宽之后，只需要从边缘传感器节点处传输通过或未通过信息增量痕迹。
　　
　　图1.在未使用前端滤波器或数字后端处理滤波器的情况下，可能会出现混叠。
　　
　　图2.振动监控的典型信号链。
　　图1中，我们可以看到在未使用前端模拟滤波器或数字后端处理滤波器的情况下，抽取8次（左侧）的简单信号将混叠新的干扰信号（中间），从而使频率折叠成期望的新信号频带（右侧）。数字后端处理滤波器搭配数字信号处理器（DSP）或微控制器（MCU），同时将半带FIR低通滤波器与抽取滤波器一起使用，将能够滤除混叠的干扰信号，从而有助于防止出现这一问题。