全球制造业正在经历一场数字化转型的变革，物联网将所有生产线上的机器设备连接起来，用户可以在任何地方查看设备状态和生产进度，许多大型IT公司也针对推出了相关的服务，为移动用户提供实时的制造数据。
工业物联网主要是将生产设备、人和产品的数据采集到云端计算平台，再利用软件系统和机器学习技术进行分析和预测，以便于洞察更多隐藏的商业机会。不过，随着越来越多的设备连网和大量数据的传输，对网络和云系统产生了很大的压力。
在制造业领域，无论是针对设备的预测性维护，还是针对消费者的柔性制造，都需要依靠“数据”这座油矿。只有充分挖掘工厂设备联网后产生的海量数据中的价值，通过对制造大数据进行分析，才能提升数字化工厂运行效率，实现真正的工业智能化。
我们看到的大多数互联网信息处理模式，都是“端-管-云”的模式——在应用的现场，“端”只负责收集数据、执行指令，而“云”负责所有的数据分析和控制逻辑功能。“边缘计算”就是将部分数据分析功能，放到了应用场景的附近(终端或网关)来实现，这种就近提供的智能服务可以满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。如果说云端相当于人类的大脑，那么边缘计算就犹如人类的神经末梢，对简单的刺激进行自处理并将处理的特征信息反馈给云端大脑。
-
连接与协议转换：通过协议转换，实现IT与OT的融合，完成设备层与信息系统之间的数据交互。工业现场的设备种类繁多，所采用的协议也是五花八门。因此，边缘计算单元的首要任务是作为翻译官，将设备的工业自动化语言翻译成信息系统能够听懂的IT语言，也就是完成设备层众多OT协议的转换，将其转化为IT协议。 -
数据存储：作为边缘计算载体的边缘网关应有一定的数据存储能力，对来自设备层的实时状态数据，以及报警、故障等信息做一定时间长度的存储。由于边缘网关的硬件条件的限制，存储容量不会太大。而且所采用的数据库一般为实时数据库，这种数据库能够在有限的硬件资源条件下，有效应对生产现场设备状态的海量实时流数据的存储，边缘网关会不断用新的数据覆盖原有的超过一定时间周期的数据。边缘侧存储的数据中，只有必要的数据才会上传到平台层，这样能够节省大量的数据传输成本。同时，边缘侧虽然存储数据量有限，但是仍然可以作为黑匣子，用于设备发生故障后的原因分析。 -
实时分析：由于硬件配置的限制（如CPU的计算能力、内存的容量等等），边缘层所进行的分析更多是简单直接的数据处理与分析，例如原始值向工程值的转换、报警规则的设置、对数据进行过滤后只将重要数据上传到云平台或后端数据中心，减少对网络带宽的压力。 -
实时监控：外接显示器、触摸屏等，作为现场操作站，用于现场工作人员对设备状态的及时查看以及操作。边缘智能节点还能够将实时分析的结果在生产现场做实时展示。 -
反馈控制：在人为授权的情况下，边缘网关在采集到生产现场数据后，能够根据预置的规则对设备的运行进行自动反馈控制。由此在边缘层形成一个闭环——从数据采集，到分析，再到控制。在边缘侧进行的这种闭环反馈控制能够充分保证实时性。
在智能制造时代，生产的各个环节需要打通并能实时交互，比如生产、仓储、物流等环节的生产数据和设备数据需要实时监控、跟踪，然后通过大数据处理来进行智能预测，包括提前备货、安全防范等。映翰通网络的工业物联网布局正是追寻工业4.0的脚步，基于“边缘计算网关+设备云+大数据分析”，采用边云协同，打通数据采集、传输、处理的通道，并进行大数据分析，充分发挥数据的价值，最终全方位赋能工业物联网。
在超过40年的时间里，世界《财富》500强公司以及全球众多行业的中小型企业一直依赖美国容错实现简单操作以及持续可用，公司在中国北京、上海设有办事处机构，向国内的客户提供销售咨询及相关技术服务。
