【高端正式開打 常見疑問一次看清楚！】

高端疫苗今天正式開打，近期有許多一再出現的問題，我們特別整理較常出現的十則，從臨床證據和世界狀況，來回答大家更多有關高端疫苗的疑惑。

■1.#高端疫苗只有第二期臨床試驗資料不該發EUA？

在武漢肺炎流行期間，為加快疫苗研發速度，各國、各藥廠對於研發時程做了許多調整，例如過去各期依序進行的試驗，不計成本的透過合併或重疊進行等方式加快。例如一般二期臨床試驗通常僅有數十人，用來探索療效與安全性，並預估三期人數。但在武漢肺炎疫情期間，往往有所謂一二期合併，或二三期合併的臨床試驗加快疫苗研發。

第一波疫苗問世，且大量施打後，一來有些國家感染獲控制難以驗出疫苗效力，再者以安慰劑作為對照組的試驗已經不可能，因此政府與藥廠均嘗試尋找能有效反應療效的「替代性指標」，其中最多人研究的就是以「中和抗體」進行免疫橋接，這也是流感、肺炎鏈球菌等諸多疫苗行之有年的模式。雖然過去採用免疫橋接的，大多是「改良版」疫苗而非全新疫苗，但在各種平台的疫苗都已經研發出的狀況之下，就有越來越多的資料，可以支持免疫橋接。因此，台灣在本土疫情不嚴重，根本做不出疫苗有效性研究的狀況下，就採用擴大二期，免疫橋接的模式，作為EUA標準。


■2.#怎麼不整本照抄美國FDA的EUA標準？

什麼叫做EUA？就是「緊急使用授權」，和一般的藥物使用授權不一樣，有很多條件的限制，正式的說，是在疾病管制署已認定我國疫情及疫苗確有緊急公共衛生情事需求，在疫苗之整體利益明顯大於風險下，在核准的期間內獲准使用。

而當緊急事態解除，或是發現疫苗風險太大，利益不足等狀況下，EUA隨時可以被終止。換句話說就是一種臨時性的「戰時政策」（和病毒作戰）。

因此各國的EUA其實也有點不同，各家藥廠在不同國家進行的三期資料，也多少有差異。各個有研發疫苗能力的國家EUA，都是自己說了算，例如英國優先核准，世界使用量最多的AZ美國就沒准；俄羅斯提早啟用史普尼克疫苗，這都是各國自己的判斷。

在這個情境下，國內狀況「是否緊急」就要自己決定，什麼是國人的「整體利益」是由台灣評估，疫苗有任何不良反應也是由台灣政府負責，都國難當頭了，你還要問美國人什麼叫國難，怎麼評估國難嗎？

科學證據必須結合社會狀況，必須符合公共利益，必須承受國民監督，台灣的EUA標準，重點在於台灣內部的利益是否大於風險，這點當然可以討論，但沒有全球一致的標準。


■3.#免疫橋接是全球首創沒人這麼做？

自從前幾隻疫苗上市後，免疫生成性和疫苗有效性的關係就越累積越多，WHO幾乎每個月都開會討論免疫橋接，到了5月的時候，歐洲、韓國方面都已表達高度意願，果然不等WHO談出一致結果，各國都已經開始制定自己標準。目前國際上除了高端、聯亞以外，已經至少有三個國家為了發展疫苗，主管機關核可以免疫橋接設計進行臨床試驗，如果達到預期的結果，則將核發緊急使用許可。這三國分別是：英國核可法國Valneva VLA2001（滅活疫苗，對比AZ）臨床試驗， 日本核可日本第一三共Ds5670（mRNA疫苗，對比mRNA疫苗）臨床試驗，韓國核可韓國SK生技GBP510（重組蛋白疫苗，對比AZ）臨床試驗。這三家進行的都是第三期臨床試驗，但收案人數均遠小於傳統三期，以SK為例，GBP510僅進行樣本很小的一/二期混合試驗，三期則是實驗組3000人，對照組990人，收案人數和高端二期相近。


■4.#中和抗體無法反映保護力？

在各個保護力相關性（COP, corelation of protection）的指標中，累積最多證據的就是中和抗體效價，認為中和抗體完全沒意義的，可能沒有仔細關心近期的研究。除了極少數病原體（如肺結核桿菌外），中和抗體效價均與保護力有正相關性，在武漢肺炎病毒上目前看起來也是如此。目前中和抗體的COP研究方向大致來自兩個，一是透過康復者血清作為標準品，來校正各家實驗室算出的中和抗體濃度，最常被引述的研究就是今年Khoury在自然醫學期刊（Nature medicine），以及Earle在疫苗期刊（Vaccine）的論文。二是透過各家藥廠三期試驗的大規模資料，去了解中和抗體效價與保護力的關係，這部分藥廠釋出的速度較慢，不久前才有AZ和Moderna的資料。前者顯示，中和抗體效價與康復者血清比值，最高的是Moderna、Novavax、BNT，中等的是Spunik-5、AZ、J&J，最差的是科興，此比值和保護力相關，但非線性關係。後者顯示，同樣是施打AZ或Moderna的受試者，測到中和抗體與結合抗體濃度越高，疫苗保護力越好，突破性感染率也較低。 當然不同模型之間估算起來會有誤差，但由於高端的中和抗體可達康復者血清之1.7~2.3倍，在世界各家疫苗裡面，算是前段的（僅明顯遜於可達4倍的Moderna、Novavax），估算起來保護力均應超過8成，根據現有的資料，當然有很強的信心可表示疫苗有效。


以台灣的染疫人數而言，再做一個3萬人的傳統三期試驗，甚至收到10萬人，因為兩組都不會有太多人感染，因此根本分不出高下。唯一的方式，就是在國外進行臨床保護力（Efficacy）或EUA施打後真實世界保護力（Effectiveness）試驗，我們希望的是，高端目前能詳盡說明在中南美州，如巴拉圭試驗與施打計畫的計畫，因爲這是高端要最快驗證保護力的方式。


■5.#高端沒有做三期臨床試驗所以不安全？

高端可謂我們手頭上最安全的疫苗，在符合FDA針對EUA的安全性試驗人數（3000人以上）標準下，其各項常見副作用，大多比市面上各種mRNA、腺病毒疫苗為低，例如發燒發生率約0.7%，更是AZ（7.9%）的1/10，Moderna(15.5%)的1/20，頭痛、倦怠、肌痛也都比其他疫苗來得低，唯一較高的副作用是注射部位疼痛（71.2%），而臨床試驗中無明顯超過背景值的重大不良反應。

加以蛋白次單位疫苗使用經驗多，且高端的佐劑也已經在實際核可上市的B肝疫苗運用過，安全性相對已被掌握。說高端不安全，可以說是對疫苗特性，以及各疫苗臨床試驗資料的極度無知。

然而，高端畢竟含有一種新的蛋白質抗原，開始施打後，仍須密切監測大規模施打下有無罕見副作用。例如AZ的TTS，或mRNA疫苗的心肌炎副作用，發生率都在百萬分之5~10左右，也就是取得EUA大規模施打後才發現。這種類型的副作用，做三期也都不會發現。這代表臨床使用安全性監測（相當於第四期臨床試驗），以及隨時調整EUA的重要性。


■6.#國家在高端還沒通過EUA就先簽約採購？#高端提前量產有問題？

美國在曲速計畫（Operation Warp Speed）期間，和Moderna、Novavax、JJ、AZ、Sanofi/GSK、Merck等藥廠都是先期投入每家10億美元以上經費並預先採購，Pfizer儘管沒有直接從曲速計劃取得資金（他們希望保持策略彈性），也得到了預先採購訂單。而各藥廠在獲准EUA以前，也都開始進行量產，否則等到核准才量產，根本來不及提供疫苗。

而其餘未上市的疫苗也是一樣，英國今年向Valneva訂購6千萬劑還在免疫橋接試驗中的疫苗後，在2月1日又多訂了另外4千萬劑。據《路透社》報導，英國已又再追加額外了9千萬劑。若疫苗獲得批准，今年到明年間，英國將獲得1億劑疫苗，2023年至2025年將再獲得追加的9千萬劑，總計共1.9億劑。


■7.#高端良率不到兩成？

蛋白質疫苗雖然技術成熟，但關鍵在於製程須控制條件多，產能相對受限。使用昆蟲細胞平台分泌蛋白質的Novavax，因產能及品管問題，也影響其申請EUA使用的速度。

高端供應臨床試驗小量生產的反應槽僅2L，當要大量生產時，轉換到50L製程，最早做出的兩批糖蛋白修飾化程度有明顯上升，因此不符合標準，在調整各種條件後，後續50L製程生產的產品已證明與2L製程特性分析具一致性。這是疫苗進行批量放大過程中可能發生的調整過程。有不明有心人士，拿新產線上線後試製的首幾批貨狀況，就說「82%產品被退貨」、良率僅2成，這是擷取疫苗產能轉換過程中一環來故意操作。

事實上，食藥署對高端疫苗的檢驗封緘比其他疫苗更嚴格，耗時更久，均需經過食藥署檢驗外觀、pH值、鑑別、無菌試驗、細菌內毒素、總蛋白含量、異常毒性試驗、抗原含量，甚至還有其他疫苗沒有進行的抗體效價測定等項目，確保品質及安全無虞，始可放行，耗時會將近一個月。因此民眾打到的疫苗，每一批都是完成檢驗的疫苗，自然沒有良率低的問題。


■8.#高端沒有WHO認證就不好？

疫苗之核准使用並非透過「國際認證標準」，而是由各國自行認證，屬於主權國家之權限。然而部分媒體或政治人物所稱把國際認證，和WHO認證疫苗，也就是WHO EUL（緊急使用清單）內的疫苗等同起來，實際是一種混淆。WHO EUL內的疫苗包含AZ、JJ、BNT-Pfizer、Moderna、國藥、科興，由於WHO列入清單內並無法影響個別國家核準與否，此清單最大意義其實是作為COVAX疫苗的採購選項，國藥、科興中選的原因之一是便宜並能供貨給COVAX。然而，歐美國家並不承認中國的科興、國藥疫苗，而不論三期臨床試驗，或實際施打的效果也顯示，中國疫苗的有效性明顯低於前幾隻歐美疫苗，科興疫苗的抗體生成，更只有高端的1/10。令人納悶，是否有人意圖透過WHO EUL「夾帶中國疫苗」。

疫苗要得到「國際認證」，正確的意義其實只有兩個：1.認證可施打：通過個別國家FDA核可取得EUA或藥證。 2. 認證可通行：通過個別國家承認為有效接種的疫苗。這都要和個別國家一一去談，前者如高端在巴拉圭進行臨床試驗並爭取EUA。後者如高端送交資料給歐盟EMA，或是台美洽談疫苗認證，都需要個別的談判。


■9.#為什麼國際上已經有疫苗了不大量採購就好？

由於武漢肺炎疫情看不見終止的一天，且無法估計未來變種病毒造成的突破性感染（打疫苗仍然感染），甚至免疫逃脫（疫苗對變種病毒無效），因此生技產業較發達的國家，都仍積極準備研發新疫苗，作為未來次世代疫苗、加強針（booster）、甚至應付週期性施打所需。例如，韓國雖然希望以BNT與Moderna為主力，完成大部分民眾接種，但韓國政府還是把疫苗和半導體與電池並列為「國家三大戰略技術領域」，將投入2.2兆韓元（約533億台幣）注資疫苗研發，並提供降稅優惠，希望達到技術與生產自主，將韓國打造為「全球疫苗中心」。前述SK生物的蛋白質疫苗之所以要透過免疫橋接力拼快速上市，根據韓聯社報導，就是「考量韓國國內尚無許可重組疫苗潛力」，希望手頭上能至少取得一種蛋白質疫苗，讓防疫選擇更多元。同樣的，日本目前也有鹽野義與第一三共準備進入三期臨床試驗，還有KM Biologics與AnGes投入開發，日本政府也預定投資15億美元（約419億台幣）加速臨床試驗。 由於海外三期臨床試驗成本相當高，例如高端在巴拉圭三期試驗經費就要超過千萬美元，要在疫苗競賽中勝出，更需要國家一定的支持。


■10.#打高端疫苗無法出國？

實際上，目前唯一認證「疫苗完整接種」才能入境免隔離的國家，僅有沙烏地阿拉伯。其餘有開放入境的國家多在「疫苗」、「檢驗」、「感染康復」等不同證明中，提供其一就可。例如歐盟的「武漢肺炎數位證明」（EU Digital COVID Certificate）包含「曾經接種疫苗」或「檢驗陰性」或「感染後康復」三種驗證，可以用不同同方式出具證明，不一定是透過疫苗接種。 至於許可疫苗的種類包含哪些，也都是各國自行決定，或與其他國家談判，並無世界一致標準。 因此，除非近期一定要前往沙烏地阿拉伯，否則不用擔心打了高端就無法取得疫苗認證的問題。

佈署 IoT Edge 和霧運算技術以開發智慧建築服務

2021年2月19日 星期五

《3S MARKET》這篇報導把物聯網的架構與實作，描寫的非常詳細，雖然在建築的細節上描述不多，但報導中也提及這是個實際驗證，可適用在很多的場域。不知道，有多少人真正看得懂？當然，連這篇都看不懂的人，就別說他真正了解物聯網、Edge 與 Cloud。

事實上這篇報導的描述不難了解，真正物聯網與邊緣運算的挑戰，是在實作。實作真正面臨的，是這些數據處理、融合、分析上的完整度，還有 —— 找到實作的場景！

摘要

基於 SoC 架構的嵌入式系統的進步，使許多商業設備的開發變得足夠強大，足以運行操作系統和複雜的算法。這些設備整合了一組具有連通性、運算能力和成本降低的不同感測器。在這種情況下，物聯網（IoT）的潛力不斷增加，並帶來了其他發展可能性：「事物」現在可以增加數據源附近的運算量；因此，可以在本地系統上，佈署不同的物聯網服務。

這種範例稱為「邊緣運算」，它整合了物聯網技術和雲端運算系統。邊緣運算可以減少感測器與中央數據中心之間，所需的通信頻寬。此方法需要管理感測器、執行器、嵌入式設備，和可能不連續連接到網路的其他資源（例如智慧手機）。這種趨勢對於智慧建築設計非常有吸引力，在智慧建築設計中，必須整合不同的子系統（能源、氣候控制、安全性、舒適性、使用者服務、維護和營運成本）以開發智慧設施。在這項工作中，分析和提出了一種基於邊緣運算範例的智慧服務設計方法。

這種新穎的方法，克服了現有設計中與服務的互操作性，和可伸縮性有關的一些缺點。描述了基於嵌入式設備的實驗架構。能源管理、安全系統、氣候控制和資訊服務，是實施新智慧設施的子系統。

1. 簡介

建築自動化系統使用開放式通信標準和介面，可以整合多種不同的建築控制規則，例如供暖、通風、空調、照明和百葉窗、安全功能和設備。但是，現有建築物通常不具有這些系統。

通常，每種安裝類型都提供特定的服務：供暖通風和空調（HVAC）控制氣候服務，攝影機和感測器提供安全服務等。僅當設計能源管理系統時，不同的子系統相關，但僅透過以下方式，連接建築物的能源管理系統。能源管理服務，集中在專用軟體中。

對於使用者和維護技術人員來說，提供不同服務的不同製造商，發現很難整合新的服務和功能。自動化建築將用於控制和數據採集的軟體，與工業協議和介面整合在一起。此外，將新服務整合到這種解決方案中並不容易，這取決於已安裝軟體的開發。

這些工業發展還為能源管理，提供了雲端連接解決方案和智慧服務。這些服務，也在集中式電腦系統中開發。數據被傳輸到這些系統或雲端進行分析。本文提出使用佈署在物聯網（IoT）技術中的邊緣和霧運算範例，主要有兩個目的：

A. 在自動化和非自動化建築物中，促進新的智慧和可互操作服務的整合（整合）。

B. 允許在建築物的所有子系統之間，分配智慧服務（互操作性）。

透過該建議，可以促進建築物子系統之間的關係。它還促進創建新的智慧服務（例如，新的分佈式智慧控制算法；使用電源管理捕獲的數據，來檢測人類活動；捕獲設備連接的模式辨識，運算可再生電力預測，在安全服務中使用電力數據等）。在這項工作中，我們設計了一個中間軟體的體系結構，該體系結構具有兩個主要層，這些層基於嵌入式設備、IoT 通信協議和硬體支援，來開發人工智慧算法（圖1）。

為了實現這一目標，我們在建築物的設施中添加了兩個概念等級：邊緣節點和霧節點。每個等級都有不同種類的設備和功能。我們佈署並實現了基於層的中間軟體的體系結構，以對模式進行實驗。

本文的組織結構如下：第 2 節回顧了智慧建築技術，建築物中的 IoT 佈署以及邊緣運算範例。第 3 節提出了一種在建築物（自動與否）中佈署邊緣和霧運算範例的方法。第 4 節介紹了進行的實驗。最後，第 5 節介紹了結論和未來的工作。

2. 相關工作

本節介紹與這項工作相關的主要研究領域。首先，我們在分析雲端運算層之後，回顧了基於邊緣運算範例的資源和服務供應。最後，我們研究了實現智慧建築的技術，並在最後的小節中，總結了先前研究的貢獻。

2.1. 邊緣運算資源和服務供應

最近，網路在兩端被標記為「邊緣」和「核心」，以查明處理發生的位置。邊緣端靠近數據源和使用者，核心端由雲端伺服器組成。透過這種方式，邊緣運算範例將運算推送到 IoT 網路的邊緣，以減少數據處理延遲，和發送到雲端的數據數量。基於雲端的後端，可以處理對時間不太敏感，或源設備本身不需要結果的處理請求（例如，物聯網網路狀態下的大數據分析）。

在邊緣運算資源供應方面，正在進行的 Horizo​​n 2020 RECAP 項目，提出了一種整合的雲端 - 邊緣 - 霧端架構，目的在解決應用放置、基礎架構管理和容量供應。雲端/邊緣基礎架構監控功能豐富了應用，基礎架構和工作負載模型，這些模型又被回饋到優化系統中，該系統可以協調應用並持續配置基礎架構。

徐等人進行的研究。 提出了一種用於邊緣運算的實用感知資源分配方法，稱為 Zenith。借助 Zenith，服務提供商可以與邊緣基礎設施提供商，建立資源共享合同，從而允許延遲感知資源調配算法，以滿足其延遲需求的方式，來調度邊緣任務。

邊緣節點資源管理（簡稱 ENORM），是管理邊緣/霧節點資源的框架，可透過監控應用需求，來自動擴展邊緣節點。可以透過靜態優先等級分配，來確定特定應用的優先等級。供應和自動縮放機制，是基於線性搜索的相對簡單的實現。

當源本身是可行動的時，邊緣雲範例也是可行的。 Chen 等人研究了行動設備向邊緣節點（特別是在無線電接入網路邊緣）的智慧運算分流。在這項工作中，作者提供了任務卸載算法，將分佈式運算卸載決策表述，為多使用者運算卸載功能。在同一項工作中，Wang 等人研究了聯合協調卸載任務，到多個邊緣節點的問題，並提出在邊緣等級引入及准入控制，以及兩階段調度方法，與傳統的最近邊緣選擇方法相比，改進了卸載性能。

2.2. 雲端運算服務配置

就社會和行業採用資訊技術而言，雲端運算範例是最具創新性的策略之一。提供的優勢提高了效率，並降低了成本，同時提供了可透過 Internet，普遍存取訪問的按需 IT 資源和服務。

當前，雲端運算服務種類繁多，甚至如何提供，這是一個受到廣泛研究的主題，正在提出許多的方案。甚至有評論總結了雲端運算範例的相關研究。

本小節介紹了有關以下問題的先前工作，這些問題與本手稿的主題有關：（i）安全性； （ii）服務品質（QoS）； （iii）提供邊緣服務。

（i）安全是雲端運算中一個具有挑戰性的問題。雲端服務位於應用環境之外，並且超出了防火牆的保護範圍，因此，需要附加的安全層。另外，邊緣和霧運算應用的行動性和異構性，使得難以定義單個過程。因此，需要一種分佈式安全策略。

此外，必須有一個標準化的環境，才能正確解決此問題，並指定霧運算和邊緣設備，如何相互協作。網路邊緣上的多個霧節點之間的敏感數據通信，需要資源受限的事物的輕量級解決方案。另一個與安全性相關的問題是數據位置。在雲端中運行數據分析是很常見的。因此，關於數據安全或隱私的公有雲與私有雲的爭論就出現了。

（ii）分配給雲端應用的資源，通常是根據合同規定的服務水準協議（SLA）所設置的。但是，實際上，由於偶爾執行大量事務，而導致分配的基礎結構飽和，可能會出現瓶頸。為了解決此問題，可以在資源可用時，動態擴展雲端基礎架構。當前，最具創新性的趨勢，目的在建構自動 SLA 合同合規系統。在 Faniyi 和 Bahsoon，以及 Singh 和 Chana 進行的研究中，可以找到與品質服務管理相關建議的詳盡綜述。考慮到這一點，提出了幾種策略來預測，應用的資源需求和 QoS 的要求。最近的工作試圖將安全性和 QoS 問題結合起來，以提供全面的性能指標。

（iii）最後，濫用雲端服務，是該領域的另一個問題。物聯網環境是霧和邊緣設備不斷加入或離開，動態的執行前後關聯。因此必須在網路邊緣提供彈性的服務。為此，在網路的可用設備之間，共享應用工作負載，可以為高階運算應用提供靈活性。提出了可靠的服務供應方法，來為系統提供更高的彈性，並提供靈活和優化的雲端服務。

在本主題中，將雲端框架和中間軟體技術，設置為與雲端層，以及具有不同介面操作系統，和體系結構的設備之間，進行通信的平台。

2.3. 物聯網在建築服務工程中

物聯網開發為在建築物上，開發數位服務提供了新資源。建築物中常見的物聯網應用，包括節能的過程環節、維護改進、雜務自動化和增強安全性。由於全球變暖，建築物的節能是一個重要的課題。

物聯網技術引入智慧建築，不僅可以減少本地溫室氣體排放，還可以將減少溫室效應擴大到更大的領域。目前，物聯網還被用於建築領域，以協助設施管理。物聯網使營運系統能夠提供更準確和更有用的資訊，從而改善營運，並為房客租戶提供最佳體驗。有基於物聯網的建議，這些建議顯示建築系統，如何與雲端進行通信，並分析所獲取的數據，以開發新的業務見解，從而能夠推動真正的增值和更高的績效。

實驗研究顯示，物聯網平台不僅可以改善，工業能源管理系統中實體的互連性，而且可以降低工業設施的能源成本。 FacilitiesNet 表示，建築物聯網（BIoT）正在推動我們獲取資訊，彼此互動和做出決策的方式發生重大轉變。BIoT 不僅與連接性或設備數量有關，而且還與交付實際和相關結果有關。當前，有很多基於物聯網的智慧家庭應用的例子。

然而，智慧設備或「物」，僅僅是連接到網路的設備或嵌入式系統。增值來自設計協調系統，和提供智慧服務，以提供實際收益的能力。這些特徵基本上，取決於對不同類型連接事物的異質性，及其互操作性的管理，並取決於數據處理提供的情報潛力。

Tolga 和 Esra 進行的研究得出的結論是，就智慧家庭系統中的軟體和硬體而言，物聯網技術尚未變得穩定。原因之一，有可能是物聯網技術仍處於發展階段。McEIhannon 所撰寫有關物聯網應用的邊緣雲和邊緣運算的未來，其評論得出了類似的結論。這篇評論提到概念和發展，目前還處於早期階段，從學術和行業的角度來看，許多挑戰都需要解決。

物聯網帶來了新的機會，但許多企業仍在尋求了解和分析，其將如何影響，並與現有的 IT 結構和管理策略整合。為此，必須創建專門的使用模式和技術，來彌合這一差距。

2.4. 發現

以下結論闡明了這項研究建議的新穎之處：

雲端運算作為「實用」的一般概念，非常適合智慧家庭應用的常規需求。但是，在某些情況下，將所有運算都移到雲端中，是不切實際的。

邊緣計算作為一種計算範例而出現，可以在物聯網設備生成的數據附近執行計算。這種範例可能有助於滿足最新應用的安全性和 QoS 的要求。

當前，控制子系統的高級建築設施，通常使用 Internet、IoT 協議和 Web 服務。專有系統是使用標準的 Internet 通信協議設計的，用於管制和監控。先前的工作顯示，基於無線感測器網路、Web 介面和工業控制模式，用於氣候控制、電源管理或安全性的控制系統，使用不同的監視和控制技術。監控應用分析，得自監控和數據採集系統中的這些子系統。對於不同的子系統，有不同的解決方案。考慮到上述情況，本工作中提出的模式，引入了以下新穎元素：

A. 介紹了一種分層架構（整合了邊緣和霧端等級），以及提供子系統之間互操作性，以及在建築物控制中開發智慧服務的方法，該方法使用了邊緣和霧端範例，這些範例將 IoT 協議整合在一起，並在本地 Intranet 中操作 AI 技術，讓雲端服務的通信層，完善了該層的架構。

B. 介紹了一種基於使用者為中心的方法，用於在互操作性需求下設計、驗證和改進新服務。

C. 該提案允許使用可以在已建的建築物中，實施的非專有硬體和軟體系統。

3. 計算模式設計

建築物中的設施子系統分為有照明、氣候、能源、安全、警報、電梯等。在自動化建築中，這些子系統由專門的控制技術控制和監控。在非自動化建築物中，不存在這些服務，並且子系統透過電子和電氣方式進行控制。在這兩種情況下，所有子系統都為建築營運，提供必要的服務。

從邏輯上講，每個子系統都在其場景中起作用，並且不能與其他子系統互操作。嵌入式電子控制器和連接的不同感測器，可以使每個子系統自動化。這些服務都是基於直接反應性控制規則。除了嵌入式控制系統和感測器之外，通信技術（基於 Internet 協議）和新的行動設備還為開發管制、監控和數據訪問服務，提供了新的可能性。

在智慧型動設備上開發，並連接到 Web 伺服器的人機介面和專用應用，是近年來已實現的服務的範例。每個子系統中的專家（氣候、安全性、電源等），都具有可以轉換為專家規則的知識。這些規則被轉換為用於管理、維護、控制、優化和其他活動的控制算法。這些規則是可以，在可程式設備上編程和實現的。但是，它們是靜態的，不會在出現新情況時發生變化，並且不能互操作，也無法適應每個安裝的特性。

例如，氣候或安全專家決定，如何使用標準啟動條件，來配置每個子系統。每個控制規則僅在一個子系統（此範例中為氣候或安全性）中工作，因此，這些子系統之間沒有互操作性。考慮到這種情況，提出的模式有助於並允許，基於不同子系統的互操作性，來整合新的數位服務，並將人工智慧（AI）技術的新服務，引入當前設施。

例如，諸如電梯控制的設施，可以用於安全服務或建築能源管理服務。氣候控制設施，可以與安全子系統整合在一起。整合到模式中的天氣預報軟體系統，可以由能源管理服務，或建築物空調服務使用。

目的是讓每個子系統中的專家，參與設計整合服務，並將所有子系統轉換為可互操作的系統。該模式會開發自動規則，並允許在考慮安裝行為本身的情況下進行決策。該模式基於一個過程，該過程包括四個開發階段（圖2）和分為不同級別的硬體 - 軟體體系結構（圖3）。該體系結構的主要等級，是邊緣等級和霧等級。這兩個層次介紹了在建築物中，應用物聯網技術的新穎性。下面介紹了模式的各個階段（分析、設計、實施和啟動）。

．分析：在此階段確定了不同的專家使用者（氣候、安全、電力、水、能源、管理人員，以及資訊和通信技術（ICT）技術人員）。諮詢專家使用者，以指定需要控制的主要過程。資訊通信技術專家作為整合環節，參與了這一過程。第一種方法產生了設計控制規則，和潛在服務所需的事物（對象）。在此階段，使用以使用者為中心的方法，並捕獲子系統的需求。

．設計：我們提出了一個三層架構（邊緣、霧端和雲端），如圖 3 所示。

．實施和數據分析：在此階段中已安裝和整合了子系統。服務基於每個子系統中的規則，分析事物（對象）生成的數據，以設計基於機器學習的服務。

．啟動：最初，在每個子系統的監督下制訂專家規則。然後，使用回饋過程安裝規則。最後，透過人工智慧技術，可以推斷出自動的和經過調整的規則。

3.1. 分析與設計

專家使用者對此過程，進行不同的審查。以使用者為中心的技術，用於設計整合流程。目的是獲得所需的所有事物（對象），它們之間的關係，以及潛在的服務。一旦指定了事物（對象）和服務，就必須關聯通信協議和控制技術。選擇了物聯網協議和嵌入式控制器；提出了人機介面；指定了邊緣層和霧層及其功能；分析專家規則和智慧服務。最後，提出了維護和操作方法。所有這些任務在專家技術人員，和資訊技術專家之間共享。

結果是事物的定義，它們之間的關係，以及與邊緣和霧層的交互作用。該過程中代表了建築物的所有子系統，數據感測器、執行器、控制器、規則和過程經過設計，可以整合所有子系統。數據集、對象和設備，由物聯網概念表示。事物由具有狀態和配置數據的實體，和前後關聯組成。事物數據位於霧和邊緣節點中，儲存的不同配置中的關聯性。

事物以數據向量表示：[ID、類型、節點、前後關聯情境]。

– ID是辨識碼。

– 類型可以是感測器、執行器、變量、過程、設備、介面、數據儲存，或可以在 IoT 生態系統中寫入、處理、通信、儲存或讀取數據的任何對象。

– 節點指定建築物子系統、功能描述、層類型（邊緣、霧端、通信或雲端）、IoT 協議和時程存取訪問。

– 前後關聯表示在 IoT 生態系統中，用於發布或讀取數據的時間、日期、位置，與其他事物的關係、狀態和訪問頻率。

表 1 是由事物（[ID、類型、節點]）。所有事物都可以訪問配置文件（CF），以了解如何使用可用數據，以及如何使用適當的訪問權限配置新數據。前後關聯數據位於內建記憶體，或是靜態儲存。使用定義的事物，設計不同的控制規則。這些控制規則是分佈在連接到網路的不同嵌入式系統中，控制過程的一部分。事物表示佈署在安裝的不同子系統中，所有的可用資源。在此等級上，設計師對所有事物進行分析、指定和關聯。基本控制算法是使用此資訊實現的。配置關聯性允許層和設備之間，所有事物的互操作性。

在此階段的另一級設計，必須提出物聯網管理中，使用的節點要求和規範。設計的流程和服務，將在邊緣或模糊節點中實施。必須指定每個節點，以確定其內部功能、通信及其服務。在獲取數據的地方，開發了智慧和處理能力。邊緣和霧層的節點，位於數據感測器、執行器和控制器附近。本文提出的方法，使用具有兩個功能的兩層（邊緣和霧端）。每一層都可以佈署互連節點的網路，以促進互操作性。

邊緣和霧層的功能是：

邊緣層功能：在連接感測器/執行器的嵌入式設備上，開發的控制軟體。某些 AI 算法可以安裝在邊緣節點上。中央處理器（CPU）和計算資源有限。安裝了通信介面，以允許在本地網路中進行整合。

霧層功能：局域網級別的通信、AI 範例、儲存、配置關聯性和監控活動。霧節點透過處理、通信和儲存，來處理 IoT 的Gateway、伺服器設備，或其他設備中的數據。在此等級實施本地、全球的整合服務。利用這些節點的硬體、軟體和通信功能，開發了基於機器學習範例的算法。霧層設備還可以在很少單位的設施或服務中，執行邊緣節點功能。

透過這兩個等級，可以優化建築設施，以獲得不同子系統之間的整合和互操作性。

表 1 顯示了每件事與關聯性配置，和節點規範的關係。節點標識其所屬的子系統（控制、能源、氣候等），層（霧端、邊緣、通信和雲端）及其執行的功能。

3.2. 架構設計

在分析和設計階段，獲得對象（事物）及其關係。規範和要求用於實現每個層。實施取決於提供所需功能的設計，和現有技術（硬體、通信和軟體）。在此階段，開發了一種適合現有設施的體系結構。物聯網協議提供互操作性，而 AI 範例則提供了適應性和優化性。邊緣運算節點用於控制設備，霧運算節點安裝在本地網路節點上。這些等級為配置、安裝和運行新流程，提供了強大的資源。

物聯網協議，傳達所有子系統數據。每個子系統由對象/事物（虛擬等級）組成，安裝為可連接的感測器/執行器/控制器設備（硬體等級）。

物聯網通信中，針對建築場景建立的要求是：標準協議、低功耗、易於存取訪問和維護、支援整合新模組，非專有硬體或軟體，以及低成本設備。

MQTT 協議，是目的在用於提供整合和互操作性資源，異構通信場景的主要物聯網協議之一。該協議被提議作為感測器、執行器、控制器、通信設備，和子系統之間的通信範例。

MQTT 協議的一些主要功能，在不同的著作中有所顯示，這使其特別適合於這項研究。他們之中有一些是：

．它是針對資源受限的場景開發的發布 - 訂閱消息協議。

．它具有低頻寬要求。

．這是一個非常節能的協議。

．編程資源非常簡單，使其特別適合於嵌入式設備。

．具有三個 QoS 等級，它提供了可靠和安全的通信。

MQTT 開發了無所不在的網路，該網路支持 n-m 節點通信模式。任何節點都可以查詢其他節點，並對其進行查詢。在這些情況下，任何節點都可以充當基地台的角色，能夠將其資訊傳輸到遠端處理位置。無處不在的感測器網路（USN）中的節點，可以處理本地數據。如果使用 Gateway，則它們具有全局可訪問性；他們可以提供擴展服務。

節點（邊緣或霧），可以具有本地和全局存取訪問權限。這些設施具有不同的可能性和益處。本地數據處理，對於基本過程控制是必需的，而全局處理則可用於模式檢測和資訊生成。從這個意義上講，擬議的平台使用了組合功能：連接到 IoT 雲端服務，本地網路區域上不同的 USN。在這種情況下，運算層（邊緣或模糊等級）將用作控制流程和雲端服務之間的介面。該層可以在與雲端進行通信之前，進行處理數據。

實現邊緣和霧端運算節點需要執行三個操作：

．連接和通信服務：所有設備必須在同一網路中，並且可以互操作。所有感測器和執行器都可用於開發服務。此活動的一個示例，是在 Internet 上遠端讀取建築物的電源參數、環境條件和開放的天氣預報數據。此活動中應實現其他功能，例如連接的安全性、可靠性和互操作性。

．嵌入式設備（邊緣運算層）中的控制算法和數據處理：在此活動中，這些設備中實現的基本控制規則和數據分析服務，可以開發新功能。此階段可以應用於數據過濾、運算氣候數據或分析功耗、直接反應控製，或使用模式辨識技術檢測事件。

．Gateway 節點（霧運算層）上的高階服務：此等級使用和管理 AI 範例，和 IoT 通信協議。霧運算節點對數據執行智慧分析，對其進行儲存，過濾並將其傳遞到不同等級，以糾正較低級別的新控制措施，或者生成雲端中服務感興趣的資訊。此階段的應用示例，包括分析新模式、預測用水量，或功耗、智慧檢測和其他預測服務。

3.3. 測試與回饋

在測試階段使用標準方法，邊緣和霧層提供不同的功能。提出了針對不同子系統的機器學習模式，並且可以將其安裝在邊緣或霧節點上。必須執行以下操作，來測試機器學習應用：

A. 定義和捕獲數據集：必須辨識、捕獲和儲存主要變量。在不同的建築子系統中，過程數據集是由連接到邊緣層的感測器捕獲的數據。使用通信協議監控和儲存數據集。一個案例是電表，該電表在配電盤中連接到嵌入式設備（邊緣節點），該嵌入式設備傳送電力數據，以在霧節點設備中儲存和處理。

B. 訓練數據集和形式辨識模式。先前數據集的一個子集，用於訓練不同的模式。評估針對從未用於訓練的數據測試模式，此過程的結果已由專家使用者驗證。目的是獲得一組代表性的結果，以了解模式在現實世界中的表現。

C. 實際場景中的驗證：必須在邊緣和霧節點上，實施新的服務和控制算法。這些模式具有用於分析數據，實施特定模式，並使用結果開發最佳參數的算法。在此階段，可以修改或進行改善模式。

D. 用統計術語和模式演變，得出測試結果：基於 AI 算法的模式而將產生近似值，而不是精確的結果。分析應用結果以確定置信度，並允許模式演化。該活動支持開發新的 AI 服務，或對已實現的算法進行修改。有監督的自動更改，是維護和改進系統的過程。此階段的過程，包括所有模式層。

建議對使用邊緣和霧，任何的安裝進行這些活動。如前所述，該模式既可以安裝在既有舊的建築物中，也可以安裝在新建築物中。對於新建築設計，基於建議模式的安裝更易於整合。此外，可以提供的服務的潛力，也使其對於既有建築物具有吸引力。

4.在建築子系統中，實施智慧服務

該模式在預先存在的住宅建築物上，進行了測試。設計和實施電源管理、管制和監控服務。物聯網協議（MQTT 和 HTTP）和 ML 範例，用於建議的層體系結構。基於 KNN 的機器學習方法，和樹決策算法用於管理功耗（家用電器），和可再生能源發電（風能和太陽能）。使用房屋中的霧節點，在雲端平台上實現監控和統計數據。該節點連接到控制可再生，和家用電器子系統的不同邊緣節點。

在圖 6 中，邊緣節點，整合在先前安裝的可再生子系統中。透過邊緣層上的這種新設備、電源管理、安全控制和操作流程得以整合，並且可以與其他子系統互操作。可以設計新的智慧服務。邊緣節點將數據傳輸到霧節點 Gateway，該 Gateway 管理功耗和發電，並控製家用電器。該節點中的輸入，是可再生能源發電的數據。輸出控件是 ON-OFF 開關，用於優化發電、安全性和操作。

4.1. 分析與設計

分析了住宅建築，以設計電源管理，安全和控制服務。 在第一種方法中，所需的主要事物（對象），它們之間的關係和不同的服務，如表 2 所示。

4.2. 執行

分析房屋中的建築子系統，以整合這個執行模式層：邊緣控制、霧服務，與雲端的通信和雲端服務。 選擇了本實驗工作中使用的感測器、執行器和控制過程（事物）。 表 3 列出了使用的嵌入式設備。

家庭服務中的控制過程，需要反應時間和互操作性。人機介面、數據存取訪問和分析服務，是本地和雲端運算上的服務。上面提到的兩個需求，都使用不同的協議處理：控制/通信上的 MQTT，和雲端服務上的 HTTP（RESTful API）是用於整合，並使所有子系統互操作的 IoT 協議。在提出的該層模式中，還使用 MQTT 協議、控制、數據處理，以及使用 RESTful 協議，到雲端的數據通信，來開發機器對機器（M2M）應用。

MQTT 使用開放的消息協議，該協議可以將遙測樣式的數據（即在遠端位置收集的測量結果），以消息的形式，從設備和感測器，沿著不可靠或受約束的網路傳輸，到伺服器（BROKER）。消息是簡單、緊湊的二進制數據包，有效載荷（壓縮的標頭，比超連結傳輸協議（HTTP）少得多的詳細資訊），並且非常適合推送簡單的消息傳遞方案，例如溫度更新或移動通知。例如，消息也可以很好地用於，將受約束的或更小的設備，和感測器連接到 Web 服務。

MQTT 通信協議，使所有對象可以互操作。透過此協議實現的發布者和訂閱者模式，可以互連所有設備和事物。該通信層由安裝在霧節點上的代理設備管理。不同的發布者和訂閱者，在不同的節點上實現。安裝了一個 Gateway 設備（霧節點）和兩個嵌入式控制器（邊緣節點），來控製家用電器和電源管理。事物和流程佈署在所有節點上。

邊緣節點控制子系統，霧節點根據決策樹，以及專家定義的規則，實現 AI 範例。霧設備將數據傳輸到雲端平台，以開發儀表板螢幕，來監看子系統的狀態。

可以開發新的雲端平台服務：事件檢測、機器學習處理、統計分析等。專家使用者設計基本的控制算法。在學習和訓練過程之後，將根據專家系統的結果，對這些算法進行調整和修改。在這項工作中，目標是在不損失生產力的情況下優化資源（控制和能源）。在邊緣或霧節點中，執行不同的控製過程；分類過程和決策樹在霧節點中實現。算法以 Python 語言實現。此語言的開源庫用於不同的應用。

4.3. 佈署與測試

對於現有建築物，邊緣節點交錯插入已安裝的控制器、配電板，以及感測器和執行器中。如果在分析階段指定了新的東西（電錶、氣候和控制器），則會安裝一些新的感測器/執行器。這項工作中佈署的邊緣節點具有以下優點：

．請勿干擾先前的安裝操作。

．他們使用新的專家規則和自動規則，引入新控件。

．他們測試和重新配置，在分析、學習和測試驗證中，設計更新的專家規則。


圖 7. 佈署在配電盤中的節點。 使用 IoT 協議通信，在不同節點中開發數據捕獲、控制算法、數據分析、儲存和通信服務

在電力管理過程中，專家使用者根據電力消耗、發電量、消耗負荷曲線、氣候數據和氣候預測數據，對具有選定流程的時間表，進行可程式處理。邊緣節點捕獲數據，並將其發送到霧節點。

霧節點處理室內和室外環境的日記數據，以及天氣狀況。霧節點還可以捕獲其他感測器數據。對房屋中的這些數據消耗和生成方式，進行檢測和分類。消費和發電結果，作為數據添加，以便與儲存的數據一起進行分析。可以使用機器學習方法開發，作為家用電器或人類活動檢測的智慧服務（圖8）。

4.3.1. 機器學習：數據捕獲過程（邊緣節點）和家用電器分類（霧節點）

連接在主配電盤中的電表，用於捕獲數據，並使用標準的 K 近似值，最近鄰（KNN）分類算法，來開發形式辨識模式。 KNN 是機器學習系統中最常見的方法之一。電表捕獲電流；如果連接了新的家用電器，則電流數據會更改。不同的家用電器具有不同的變化等級。

用於辨識家用電器的不同模式的主要變量，是連接時的電流水準差異。數據捕獲過程流程圖（圖9），顯示了在邊緣節點中實現的算法，以捕獲預處理並傳遞電力數據。

在此過程中，監督階段使用訓練數據集。接下來，真實場景中的驗證，將測試分類模式。家用分類設備將用於不同的服務：人類活動的辨識、負載控制、可再生能源管理、空調、安全性等。在訓練階段，已捕獲了不同的家用電器開機，以獲得一組形式。每個家庭都有一個矩心向量，將用於分類過程中的檢測。如上面所示的算法所示，分類器處理將產生連接時的電流數據作為輸入。KNN 分類過程流程圖（圖10）描述了 KNN 方法，它在霧節點中實現。

4.3.2. 可再生電源管理。控制電力自耗的決策樹

每個建築物都有不同的需求曲線，以及在接入電網方面的特定情況。為此，整合和可互操作的設施，可以實施適用於每種情況的不同解決方案，從而提供對太陽風資源的最佳管理，優化電源效率，簡化管理流程，並實現最高的成本節省。當可再生能源超過消耗的能源時，在使用 AC 耦合到電網的設施中，會出現問題。

在實驗工作中，太陽能在一天的中央時段的能量，大於所消耗的能量（圖11）。但是，在分析了消耗曲線之後，可以在這段時間內連接負載，以避免注入電網。可以透過設計一種算法，來滿足這一要求，該算法可以預測，何時發生此事件，以自動連接不同的負載。利用所有感測器和執行器的整合，和互操作通信，已經開發了在不同節點中，所實現的算法（圖12）。

13. 在電源管理子系統上開發的決策樹。 它由專業使用者設計，並整合在邊緣節點上。該決策樹的目的，在優化可再生能源的使用。

4.3.3. 基於 Edge 和 Fog 節點的 Control Home

圖 14 顯示了安裝在住宅房間中的邊緣節點。 該節點可以控制四個設備（設備），並捕獲感測器數據（功耗、發電量、溫度、濕度等）。該設備可以使用 MQTT 協議進行通信。該協議允許設備之間，進行其他類型的通信：智慧手機、新邊緣節點等。圖 7 和圖 14 顯示了可以在其他建築物中，佈署的標準實現。在所有系統中，都有配電板，這些配電盤佈署了霧節點和邊緣節點，如圖所示。

4.3.4. 使用物聯網協議的雲端服務

雲端服務可以監控，透過霧節點或人機介面（HMI）訪問的數據。 IoT 協議（MQTT）從任何已連接 Internet 的設備推送數據。事件檢測、儲存統計分析等其他服務，完善了該資源的功能。提供類似服務的不同平台，顯示了商用物聯網技術的狀態：Amazon IoT、Microsoft Azure、Ubidots 和 Thingspeak，是提供 IoT 平台的公司一些案例。提供了資源以及客戶端，和 IoT 平台之間的應用程式介面（API）通信，以便可以使用它們。

用於設計儀表板監控和管制的 HMI 資源，是這些平台上的主要實用功能之一。霧節點使用雲端 API 傳達數據和資訊，可以實施其他控制服務。在這些雲端平台上，預先建構了用於監控數據的儀表板設計。使用 API​​ 實用功能，霧節點中的過程處理，會將數據發送到每個儀表板。API 文件指定了在設備、IoT 平台和 Mobile-Alerts Cloud 之間，交換數據的結構，以及用於加速項目的代碼案例和形成資料庫。

圖 15 顯示了在 Ubidots 雲平台上，設計的儀表板。Ubidots是本實驗工作中使用的物聯網平台。該模式可以在實現這些協議的層，和平台中使用不同的標準協議。圖 16 顯示了在雲端平台中，IF 變量 THEN 動作的事件配置。大多數物聯網平台，都提供此功能。

5. 結論

為了設計物聯網系統，越來越多地提出邊緣霧模式。但是，每個範例都提供特定應用領域的解決方案。不同子系統之間的整合和互操作性，可以改善這種情況，並提供更好的服務。這項工作的主要目的，是透過提出一種基於邊緣層和霧層，兩層體系結構的運算模式，來解決這個問題。透過這兩層，可以基於使用邊緣或霧節點中，嵌入式的設備捕獲數據所產生的新型有用資訊，來設計和開發新服務。這些節點使用雲端平台和 IoT 協議（例如 MQTT）。

MQTT 是作為不同層（霧 – 邊緣 – 雲）之間提出的通信協議，並進行實驗的。雲端平台用於開發儀表板的面板資訊和 Internet 上的新服務，例如控制、儲存和通信事件。該平台可用於透過 API，交付不同的服務。

該模式可以在現有建築物和新建築物中，開發這些服務。在這種情況下，要求每個子系統中的專家和專業人員，參與新服務的設計。

為了測試該模式的功能，並顯示如何在實際設施中，實現該模式，在住宅中進行了一項實驗性工作。在此霧和邊緣節點前後關聯中，描述了實現的幾個範例。開發了模式辨識和決策樹方法，以展示人工智慧在設計 IoT 解決方案中的潛力。已安裝服務的結果顯示，邊緣和霧節點佈署，產生了預期中整合和互操作性的好處。

提出的工作演示了，如何將邊緣和霧範例，整合到可以增強其優勢的新架構中，從而擴展了應用領域。該體系結構的主要科學貢獻，是整合、技術的互操作性，及其為開發 AI 服務提供的設施的範例。所有這些改進，都在已開發的實驗的不同示例中顯示。具體的優化和改進，將在以後的工作中進行。此外，使用機器學習平台，和 AI 範例的新控制規則，將確保可以創建和改進新的智慧服務。

附圖：圖1.自動建構子系統和資訊技術環境。
圖2.基於使用者為中心關係的模式。
圖3.通信架構。 每個等級都有不同的功能。 提出了兩個通信等級：IoT（使用消息隊列遙測傳輸（MQTT））和 Web（使用代表性狀態傳輸（REST）協議）。這些協議的層，涵蓋了已建立的整合和互操作性要求。
圖4. 在建築物的現有設施上實施的邊緣霧架構示例：邊緣節點是較低的層次，必須與安裝的設備進行新連接。互連所有子系統的霧節點，是透過整合連接到邊緣節點的新設備來實現的。邊緣和霧節點，可以佈署在所有建築物子系統中。
圖5. 住宅建築中的第一個實驗工作。
圖6. 整合在先前安裝的可再生子系統中，邊緣節點的示例。 該節點可以使用新算法控制 ON-OFF 開關，以管理發電過程，以及通信和監控電源數據。
表1.事物示例描述。寫入 ID、類型和節點數據，以配置 XML 文件。配置關聯性儲存在霧節點中。
表 2. 實驗工作中的分析和設計要求。
表 3. 實驗室內使用的嵌入式設備。
圖 7 顯示了分佈在配電板上的節點（邊緣和霧狀）。在此節點中，設計並安裝了功率計、ON-OFF 開關控件和 AI 服務。
圖 8. 佈署的智慧電源功能。在霧節點中實施的分類過程，可用於檢測電連接和人類活動。可以使用 IoT 通信實現其他服務
圖9. 邊緣節點中捕獲，並預處理的用電量數據；MQTT 協議用於通信數據。另外，其他節點可以使用捕獲的數據，來提供其他智慧服務，佈署了整合和互操作性。
圖10. 分類過程。處理捕獲的電數據以檢測家用電器連接。可以使用 IoT 協議整合，來設計其他智慧服務。
圖11. 該圖顯示了實驗工作中的消耗和生產數據。 在自儲存的電力自備設施中，沒有儲存並且沒有注入電網，所產生的能量必須即時使用，並且不得超過所消耗的能量。 能源經理必須預測此事件，並提前連接電荷。
圖 12. 用電自耗設施中的可再生電源管理。
圖 13 是在電源管理子系統中，開發的算法的示例。 可以在邊緣節點上安裝此過程。該節點獲取氣候數據預測，並預測系統是否可以在不儲存的情況下，使用可再生能源。
圖14. 佈署的邊緣節點。該節點可以使用新算法，控制 ON-OFF 開關，並可以在每個房間或建築物中，通信和監控感測器數據。
圖 15. 在雲平台上配置的儀表板。顯示了風力發電數據和預測風力。
圖 16. 在雲端平台上配置事件的儀表板：IF 事件 THEN 動作。 該服務顯示了，如何使用雲端訪問來控制設施。與霧節點的 Internet 通信，可以控制建築物中的不同子系統，並使用電子郵件，SMS 或其他 Internet 服務來通報事件。

資料來源：https://3smarket-info.blogspot.com/2021/02/iot-edge.html?m=1&fbclid=IwAR0uijX5WdNrfzmGjVsakFGaEsWivPgyH1zumxVr7fwvvgqtdFFTI6jJXS8

看到一篇熱門分享的貼文《一堂物理課，了解貧富差距的根源》，在某個經濟學社團引發激烈的學術(?)討論。合先敘明，我認為這位老師非常認真，很用心將物理學、經濟學和哲學連結起來。

Liou YanTing：一堂物理課，了解貧富差距的根源
https://www.facebook.com/permalink.php?story_fbid=3403616276360627&id=100001368650813

不過，將猜拳遊戲與氣體動力論胡亂連結，反而模糊了一些真正能套用的概念。在談論分配正義時，將財富自由分配簡化為貧富不均的對立，然後傾向政府需要介入。這是一種非常危險的「正義」，我不認同這叫做所謂「科學與人文的思辨之旅」。

※本篇附圖是網友提供：「沒有要酸的意思但我真的想到這張圖。」

Part 1

電容放電曲線呈指數衰減，放射線衰退曲線呈指數衰減，跟美國財富分配圖是不是有異曲同工之妙呢？紫外光殺菌的曲線也呈指數衰減，是不是跟猜拳遊戲還有財富分佈一樣呢？

這是典型的物理半調子。物理模型的相似性，來自數學模式的相似性，與物理現象無關。我最常舉的例子是，測不準定理來自波的數學性質，與量子力學無關的訊號波，也會有測不準定理，這些都可以用傅立葉分析推導。量子力學的意義在於賦予測不準定理另外的物理詮釋。

但我發現很多物理系學生誤以為測不準定理一定是量子力學的現象，甚至到研究所階段都不知道電機系做訊號對測不準的理解，搞不好比物理系更深刻。這是一種鄙視鏈和反鄙視鏈。

所以，文中的波茲曼分布，來自統計的數學性質，並不建立在氣體動力論之上。更何況，指數遞減現象在各種科學和工程領域都很常見，這是自然的數學模式。根據奧坎剃刀原則，你扯進氣體動力論，只是騙不懂物理的外行人，跟你一起誤解物理罷了。

只要某一現象符合「衰減速度與值成比例」性質，寫下數學式和解微分方程的結果，就必然出現指數衰減曲線。我認為這是數學程度40分就能理解，物理程度大概要60分，才不會被表象迷惑的性質。

數學系的訓練是提取抽象模式，但一般數學系學生沉迷於符號推演之美，不去思考真實問題。物理系的訓練是建構近似模型，但一般物理系學生時常忘記模型僅是近似，並且把數學模式的必然性誤理解為巧妙的真理。

這個我特別有感，因為我當年同時修數學系和物理系的課，花了很多時間掙扎兩邊做學問方法不相容。物理系學生大三修完量子物理，幾乎不會去思考波動力學為何與矩陣力學等價，對修過微分方程和線性代數的我卻是很自然的事，然而數學系學生卻大多不會碰觸量子力學，無從思考他們所學理論意義何在。

原文作者所犯的其實是物理系常見通病，連許多教授都無法倖免。由於缺乏對物理模型和數學模式的深刻理解，只由結果腦補關聯性，甚至把沒有物理意義的中間演算，硬套憑空想像的詮釋，美其名為物理圖像。我大學時期聽到這類似是而非的所謂「物理解釋」都覺得異常痛苦。

例如上述的指數衰減，如果你問一個成績優秀的物理系學生，他或許會列舉許多指數衰減的物理現象，並讚嘆物理規律的美妙。但能回答下一個問題的學生就少了，為什麼這些現象都呈指數衰減？

這問題其實很簡單，只要回到微分方程去看，它的本質是衰減速度與值成比例，凡是符合此性質，就必然得到指數衰減的數學規律。物理是參透自然的數學語言，對自然的理解，很大一部分取決於語言能力的掌握，即為我所強調的數學模式。

Part 2

對岸的知乎有一個討論串，更深入地探討了分配遊戲的模擬。

房间内有 100 人，每人有 100 块，每分钟随机给另一个人 1 块，最后这个房间内的财富分布怎样？ - 知乎
https://www.zhihu.com/question/62250384

我覺得這篇文章沒什麼問題，你注意到他說隨機遊走相當於求解離散空間的熱傳導方程，這是將一個待解問題轉化為一個已知問題，純粹是數學模式的相似性，他沒有將隨機遊走的分布解，建立在熱力學物理之上。

貧富不均為穩定態，均富為非穩定態，其反直覺的思維誤區在於，「平均分布」僅是「穩定分布」的一種少見子集，絕大多數情況的「穩定分布」不是「平均分布」。例如，二項分布、常態分布，都不是人人均等。

說到底，「平均值」僅是平均後的一個值，常態分布以平均值為對稱，不代表區間每個值一定均等。

統計分布的穩定態，取決於機率密度函數的長相。你可以批評這個數據模擬，誤用熱力學模型解釋人類經濟現象，真實世界不存在完全隨機的交換行為等等。但這些批評並不到位。

因為它只是一個經濟行為的玩具模型(toy model)，遊戲規則決定機率密度函數，進而決定穩定態的分布，算出來正好是狄利克雷分布。又恰巧與離散空間的熱傳導方程相似，則是後話。

我們也可以用一些物理的解釋。大多數人誤解了，物理的結果是「穩定態」，本來就不一定是「均等態」。在這個實驗之中，什麼條件會出現均等態？或許是每分鐘隨機分配給所有人自已手上所有的財產，能量的交換不加任何限制。

所以反過來想，遊戲規則限制了每分鐘隨機只能給另一個人1塊，當我因為機率的偶然，手上財產從100元掉到80元，我就更往破產的機率傾斜了。反之，我從100元變為120元，但下一回合我仍然只要給別人1塊，我的優勢就隨時間演化變大了。

我個人特別喜歡它後續做的「允許負債」模擬，以及「努力多1%競爭優勢」模擬，令人慶幸沒有出現反直覺的悲劇結果。自由競爭之下努力有意義，相當勵志，不是嗎？

經濟學的解釋，當然不能只是「要求平等均富的社會本身正是反自然的存在」，那僅僅只是「限定遊戲規則之下貧富不均是統計的穩定態」。

至於這個遊戲規則，離真實世界有多遠，當然很遠，但咱們學經濟的講機會成本。你不用這個遊戲規則，用另一個遊戲規則，會不會發生一樣的貧富不均結果？看起來很有可能會，但沒證據我不確定，有一說一才是科學精神。

或許在任何遊戲規則之下，只要不脫離「每分鐘隨機給出的數額有限制」的基本假設，都會跑出貧富不均的分布結果。而這個基本假設，在真實世界中也不可能捨棄，那麼這個數據模擬就有其參考價值。我們可以說，不論任何制度必然會有貧富不均的狀況出現，這才是最正常的現象。

參考閱讀：

巴斯夏的蠟燭工坊：今天臉書有一篇遭到瘋傳的經濟學相關文章，堪稱經濟學程度的照妖鏡
https://www.facebook.com/329896911051695/photos/a.358878471486872/642324269808956/?type=3

（我貢獻了 巴斯夏的蠟燭工坊 這篇文章的某些段落。）