边缘计算网关技术有哪些应用场景

边缘计算网关技术有以下这些应用场景：

• 工业应用数据的视化场景：在数据可视化时，在没有边缘网关平台的时候，云平台只能采集原始数据，数据分析人员将需要优化业务流程从而进一步处理数据库中的原始数据；而通过边缘流式计算可以很好的解决上述问题，边缘网关在边缘侧通过流式计算得到一些处理过的数据，然后上报至云平台，从而可以大大降低数据分析的工作量，提高数据的可视化能力。

• 面向机器的自我诊断能力提升：工控设备测量数据常常由于各种因素（网络因素、设备自身精度因素）经常会出现抖动情况，如果对设备的实时采集值配置阈值告警，经常会出现误告警，导致用户需要处理大量无用告警，逐渐用户对告警的准确性失去信心，阈值告警形同虚设。而通过使用边缘网关内的边缘计算网关平台，在边缘侧进行自诊断以及自维护，并将诊断后的结果再上报云端，可以大大提升机器的故障诊断与维护能力。

• 工业设备的预测性维护：在工控设备维护场景中，设备的不及时维护以及设备问题的定位往往会给生产带来极大的不方便以及难以估量的损失。因此，将边缘计算应用于工业设备的预测维护场景中，边缘计算不仅可以在短时间预知工业设备的损坏情况，迅速处理出现的情况，及时维护设备；另一方面，方便维修人员定位设备问题并检修。这样可以节省设备损耗，提高工业竞争力。

• 安平监控场景：通过在边缘的视频预分析，实现园区、住宅、商超等视频监控场景实时感知异常事件，实现事前布防、预判，事中现场可视、集中指挥调度，事后可回溯、取证等业务优势。

• 工业视觉场景：传统的工业制造主要采用人工肉眼检测产品的缺陷，不仅使得检测产品速度慢、效率低下，而且在检测过程中容易出错，导致误检、漏检等问题，基于机器视觉的质检方案，通过云端建模分析与边缘实时决策的结合，实现自动视觉检测，提升产品质量。

• 文字识别场景：在边缘完成数据脱敏，对完整图片进行切片，实现本地化处理和存储关键数据和隐私数据，云端进行文字识别，提供灵活、可扩展、高可用的端到端解决方案。

• 油气行业资产的远程监控：石油和天然气的失败可能是灾难性的。因此，他们的资产需要仔细监控。然而，石油和天然气工厂往往位于偏远地区。边缘计算使得实时分析与处理更接近资产，这意味着更少地依赖于与集中式云的高质量连接。

• 智能电网：边缘计算将成为更广泛采用智能电网的核心技术，有助于企业更好地管理其能源消耗。连接到工厂、工厂和办公室边缘平台的传感器和物联网设备正在被用于实时监测能源使用并分析其消耗。有了实时可见性，企业和能源公司就可以达成新的交易，例如在电力需求的非高峰时段运行大功率机械。这可以增加企业对绿色能源，如风能的消耗。

• 预测性维护：制造商希望能够在故障发生之前分析和检测生产线的变化。边缘计算有助于使数据的处理和存储更接近设备。这使物联网传感器能够以低延迟监控机器健康状况，并实时执行分析。

• 住院病人监护：医疗保健包含几个优势机会。目前，监测设备，如血糖监测仪、健康工具和其他传感器等，要么未连接，要么需要将来自设备的大量未处理数据存储在第三方云上。这给医疗保健提供者带来了安全问题。医院网站上的边缘可以在本地处理数据，以保护数据隐私。边缘计算还可以向从业者及时通知患者的异常趋势或行为。

• 云游戏：云游戏是一种新型的游戏，它可以将游戏的实时内容直接传输到设备上，这种游戏高度依赖于延迟。云游戏公司正在寻找尽可能接近玩家的边缘服务器，以减少延迟，提供完全响应和沉浸式游戏体验。

• 内容交付：通过在边缘缓存内容，如音乐、视频流、网页等，可以极大地改善内容传播。延迟可以显著降低。内容提供商正在寻求更广泛的分发CDN，从而根据用户流量需求保证网络的灵活性和定制性。

• 交通管理：边缘计算可以使城市交通管理更加有效。这方面的例子包括在需求波动的情况下优化公交频率，管理额外车道的开启和关闭，以及未来管理自动驾驶汽车流量。通过边缘计算，使处理和存储距离智能家居更近，减少了回程和往返时间，并在边缘处理敏感信息。例如，亚马逊的Alexa等语音助手设备的响应时间会快得多。有了边缘计算，就不需要将大量的流量数据传输到集中式云，从而降低了带宽和延迟的成本。