萬物皆可印的 3D 列印，這次盯上了森林

作者 愛范兒 | 發布日期 2021 年 06 月 06 日 0:00 |

當環保越來越受重視，森林危機也引起更多人關注，包括 3D 列印的先驅者。

最近3D列印公司Desktop Metal製造出新技術，表示可3D列印出任何類型的「樹木」，且藉由廢物利用。不僅能回收更多垃圾廢物，還能藉由循環利用木材，減少人類砍伐。以前3D列印主要用各類塑膠和金屬材料列印，現在木頭也能成為列印材料了。

但3D列印的木桌、木椅、木碗，你敢用嗎？

3D列印的木桌、木椅、木碗都來了

新技術稱為Forust，也是Desktop Metal創立的子公司，專門營運新技術發展。技術藉由獲得專利的單程黏合劑噴射技術，可持續生產應用於木質零件。可持續性體現在Forust列印的原材料，這些材料全都是來自木材製造和造紙業的廢棄副產品。

Forust從木材製造收集纖維素粉塵，從造紙業收集木質素，這兩種材料透過高速3D列印，直接製造出木質成品。所以不是完全還原一整棵樹，而是列印出「模仿」真實樹木的產品。廢棄木料，從此也能成為精緻、美麗、有用的東西。

列印過程中，經特殊處理的鋸末會散開來，人們藉由CAD軟體及操作設計，讓無毒且可生物降解的樹脂黏合劑接合材料。

這能讓列印出的木材和傳統木材一樣的硬度和功能。特別的地方還在於，人們可用數位技術模仿任何類型的樹木紋理。只要在後台設計好木材列印的每層數據，就能隨心所欲印出紋理。可印出紫檀木、水曲柳、斑馬紋、烏木、桃花心木等，還支援各種木材染色劑，染成對應樹木的顏色。

Forust首席執行長Andrew Jeffery表示，Forust提供幾乎無限的設計靈活性，更接近真實樹木材質，並有更多創造自由。列印完成後，人們可按照傳統木製產品，打磨、鑽孔、染色、塗漆、拋光等。

目前，人們可使用Shop System機器或RAM 336製作木製品，有緊湊、高速、單程列印引擎等特點，很適合批量列印中小型木質零件，配備機械手臂的Forust3D列印工具最大能列印180×90×30公分的木製品。

Desktop Metals首席執行長Ric Fulop認為，這項技術各行各業都能用。如建築領域，可製造地板、屋頂；豪華內部裝修部件領域，可做汽車、遊艇及高級住宅有異國情調的稀有紋理裝潢素材；家具可做成櫥櫃、桌椅、門；家居用品可做成花盆、雕塑、相框、碗筷等。他們也展示一些設計樣品，包括各類家庭用品如器皿、碗、籃子、托盤。

Forust商店頁面，已可購買列印好的現成產品，第一批產品是瑞士工業設計師Yves B é har設計，但價格不便宜，一個托盤就要20美元（約新台幣552元）。隨著首批產品推出，Desktop Metal也為建築師、設計師、製造商提供木製產品生產的新方式。

高效、實用、可自由設計，當然最創新也最重要的是環保。

3D列印木頭真的環保嗎？

3D列印木頭的風潮才剛露頭角，無法有具體數據判斷結果。不過回到3D列印木頭本身看看影響性。

3D列印木材早在2013年，就有名為FormFutura的公司創造過類似產品，名為LAYWOO-D3，材料是40%再生木材，其餘部分是黏合聚合物，但更像木絲堆疊，缺乏真實紋理，密度也不夠。

之後幾年，也有麻省理工學院科學家開發實驗室培養的特殊木質細胞，弗萊堡大學研究人員開發環境友善的木質3D列印材料，但要不就是研究處於起步階段，要不就是產品很難和真實木材媲美。

Forust的確是具革新意義的改變。對環保的改變主要有以下三點：

一是用木材廢料再現原木品質和紋理，讓纖維素和木質素成為持續資產。

二是自由創建複雜或獨特的木材設計，可避免複雜木材設計的流線型生產。

三是按需生產，製造商、設計師甚至消費者都可提交自己的列印客製設計、訂購樣品和尋求大批量合作夥伴，並大規模、長期生產產品，最大程度減少材料浪費、現貨庫存，以及運輸污染。

第一點想法抓住森林砍伐的痛點，木材浪費是嚴重問題。The Balance網站報告指出，垃圾掩埋場所有垃圾有10%是木材廢料，2010年產生7,060萬噸城市木材廢料，且還在增長。Desktop Metal表示如果人們買3D列印的木製產品用壞了，還可回收，再列印成新產品。

他們希望木製產品壽命結束後，用戶有兩個選擇，一是像其他木製產品丟掉，將隨著時間推移生物降解，另一種就是藉Forust將材料重新用於未來產品。

我們的願景是創造真正的循環製造過程。

且這種技術讓可持續製造和具成本效益的木質產品，代替很多塑膠和聚合物，這樣也能減少各領域塑膠製品生產。不過回收木材廢料的成本還需要深究，紋理製造過程的精細程度、​​木材廢料多次利用後的品質，依然需要大量產品檢驗後才能確定。

第二、三點提到的生產過程，Forust也還有問題。如收集到廢棄木料後，轉化為木粉的過程，通常也需要消耗化石燃料等能源，如果使用木材廢料本身，廢料可能也會燃燒到膠水、油漆、有毒塗料等物質，然後將二氧化碳和毒素排入環境。

ZDNnet指出，從廢棄紙漿提取木質素，也要使用諸如二氧化硫、硫化鈉和氫氧化鈉等有害化學物質，或花費較高成本研磨後，透過二噁烷／水提取，然後用溶劑純化。所以將廢物木料變成可回收材料的過程，也有諸多破壞環境的部分。這也是可持續發展一直以來的挑戰──創建可持續的解決方案，通常也需要另一個不可持續的過程推動。

數據顯示到2027年，全球成品木製品市場將達1.8兆美元，需求下Desktop Metal是第一個將3D列印技術大規模商業化的公司。他們正將始於樹木的減法業，轉變為始於升級回收木材廢料的增材業。

不過未來是否實現Desktop Metal的願景，或他們願景只是商業鼓吹，還得持續觀望。

3D列印，還能給生活帶來什麼新改變？

列印玩具、列印鞋底、列印橋樑、列印房子、列印火箭……3D列印似乎無所不能。

這個出現在1990年代中期的技術，開始只是由電腦控制，快速把液體粉末等「列印材料」一層層疊加，然後把電腦藍圖變成實物的裝置。1986年，美國科學家Charles Hull開發第一台商業3D印刷機；1993年，麻省理工學院獲3D印刷技術專利；2005年，市場首台高清晰彩色3D列印機Spectrum Z510面世。

當時人們對3D列印抱有無限期待和幻想。3D列印的確沒讓人失望，雖然速度發展並不快，但每次新成果足以令人耳目一新。如2010年11月，美國Jim Kor團隊列印出世界第一輛3D列印汽車Urbee，2011年6月6日，全球第一款3D列印比基尼出現，2011年7月，世界第一台3D巧克力列印機來了。

從建築、家居、美食、醫療到武器，3D列印在很多領域都開始運用。3D列印也曾視為引領第三次工業革命的技術，但3D列印風潮來得快去得也快。2016年左右，很多3D列印公司紛紛倒閉，AI和區塊鏈迎頭趕上。

風潮過後研究人員並未受影響，依然持續研究3D列印的新可能。

2019年4月15日，以色列特拉維夫大學研究人員以病人自身組織為原材料，3D列印出全球首顆擁有細胞、血管、心室和心房的「完整」心臟。當時這顆「心臟」可收縮，但無法像正常心臟一樣搏動泵血，去年明尼蘇達大學研究人員又藉由新型生物墨水加上3D列印技術，創建有腔室、心室、血管結構、可泵血的心臟。

生物3D列印，讓我們看到3D列印的無限潛力，雖然真正器官移植還需至少十幾年才能確認能否用於人體，但技術發展瞬息萬變。3D列印很多技術尚在研究，4D列印就興起了。4D列印其實就是3D列印技術升級，是將「可編程物質」和「3D技術」結合，讓3D列印物體有一定機械運動能力，能在外界刺激下改變形狀或結構。

這些「列印界」新技術，讓我們看到希望，不過依然感覺有點遙遠。而3D列印風潮後的企業，就在不斷嘗試讓3D列印技術更現實。

3D列印公司Icon和當地非營利組織New Story共同開發3D列印房屋，今年就有新主人：70歲高齡的流浪老人Tim Shea。這棟用混凝土3D列印房屋的造價只有1萬美元，低成本、便捷性、舒適性將為全球更多流浪人口帶來慰藉。

不過除房屋建造、生物組織等特定領域，大部分普及的3D列印材料，依然是金屬或塑膠等可黏合材料。最新的木製材料，讓我們又看到3D列印進入日常的可能。接下來，3D列印還將從單一列印材料走向多種材料並行列印，將讓3D列印機賦予產品更多元功能、更智慧的體驗、更複雜的系統。

這也將讓3D列印產品更貼近每個人的生活。

附圖：▲ Spectrum Z510。
▲ 3D列印汽車Urbee。

資料來源：https://technews.tw/2021/06/06/3d-printing-forust/

智能汽車賽道念起“快字訣”

2021-06-10 09:35:37 中國青年報

　　作為最先喊出“All in AI”口號的互聯網公司，百度試圖通過Apollo無人駕駛項目讓AI技術落地。集度汽車CEO夏一平表示，為了將百度核心的AI技術打磨成產品和服務，集度汽車確定了三大產品DNA——機器人化、情感化、未來感。

　　“新玩家”在智慧汽車時代所扮演的角色有所不同，但以高級別自動駕駛為目標的智慧駕駛，成了所有人爭相佈局的戰略高地。作為全球規模最大的汽車市場，中國也有望成為全球最大的智慧駕駛市場。圖為在北京街頭行駛的百度自動駕駛汽車。視覺中國供圖

　　汽車圈悄悄出現了許多新面孔。而對於集度汽車CEO夏一平來說，從招募團隊到推動品牌建設、新車落地，千頭萬緒的工作都在等著他和同事去完成。

　　這位前摩拜聯合創始人兼首席技術官感慨說，造車要比當初在摩拜單車還要累。夏一平告訴記者，一方面，智慧汽車的電路板、零部件要複雜得多；另一方面，在科技公司集體搶跑智慧汽車賽道的背景下，只有迅速組建一支強大的人才隊伍，才能保住自己的領先狀態。

　　今年上海車展前後，夏一平面試了兩三百人，面試經常從上午9點安排到晚上9點，幾乎每天都有四五個人入職。

　　“未來5年集度汽車將投入500億人民幣，同時將在今年三季度開始對外融資。”據他透露，5月底，集度汽車首款產品的外觀、內飾設計選型和方向已基本確定。目前新車已進入3D建模的研發階段，預計將於2022年北京車展時亮相並接受預定。

　　今年以來，百度、小米、大疆等科技公司先後官宣跨界造車。一時間，從資本市場到招聘青年人才，“跨界造車熱”引發了各方的強烈關注。從某種意義上來說，這些新玩家將與中國汽車市場一起，進入新一輪激烈的淘汰賽。

　　瞄準自動駕駛的靶心，三大DNA藏著集度的哪些野心

　　今年1月11日，百度宣佈組建智慧汽車公司——集度汽車，正式以整車製造商的身份進軍汽車行業。吉利控股集團成為新公司的戰略合作夥伴。

　　夏一平介紹說，從3月2日完成註冊到現在，集度在短短3個月內做了許多事情，“包括產品設計、品牌建設、工程研發以及與吉利在產品外觀設計上合作，都在快速推進中。我們希望以更高效的方式，把最好的科技通過好產品帶給使用者。”

　　儘管資本市場已顯示出對“跨界造車”的推崇，但也有分析人士認為，國內汽車市場“馬太效應”凸顯，新能源汽車市場競爭已經十分激烈。

　　中南財經政法大學數字經濟研究院執行院長盤和林教授認為，汽車作為大宗商品，占家庭支出的份額較大，消費者往往更依賴品牌效應。“因此從這個角度看，跨界造車的新玩家如果想從傳統車企手中搶得客戶，必須先要下大功夫建立品牌信任。”

　　在夏一平看來，由於電動化領域已經出現了競爭同質化現象，在未來3-5年，新能源汽車市場競爭的核心壁壘一定是智慧化。他說：“汽車智慧化競爭不局限於產品形態，而是整個新能源汽車底層技術的競爭。從汽車底盤、電機結構到其他硬體控制器，甚至到軟體以及應用層面，汽車將會完成一次從頭到尾、由內及外的重構，而這種重構將會讓未來汽車智慧化的競爭變得更加激烈。”

　　事實上，雖然智慧電動車已經是被資本市場追捧的寵兒，但距離真正滿足消費者的需求尚有距離。全國乘用車市場訊息聯席會秘書長崔東樹判斷稱，不少智能電動車還沒能對智慧手機形成足夠的錯位競爭優勢，“比方說，很多智慧車機系統的實際體驗還不如車主就在車內安裝個手機支架。”

　　“未來3-5年內，汽車智慧化的競爭也可以看作是無人化的競爭。”夏一平篤定地說，智慧汽車在汽車軟硬體、平臺技術上帶來的變革，實際上是通往無人化的橋樑。

　　他將智慧汽車與智慧手機的發展歷程進行對比後發現，無論產品複雜程度有多大的區別，行業競爭都會從單一的比拼硬體水準，發展為智慧化生態的競爭。“你會發現，晶片能力、軟體能力、雲端大資料分析能力、AI人工智慧能力以及用戶生態，都成了智慧手機企業必備的核心競爭力。我們認為，同樣的邏輯也將適用于智慧汽車行業。”

　　作為最先喊出“All in AI”口號的互聯網公司，百度不僅在人工智慧領域持續投入了8年，也曾試圖通過Apollo無人駕駛項目讓AI技術在汽車圈落地。但在今年百度一季度財報會後，百度創始人李彥宏修正了Apollo計畫的航向。

　　他將Apollo自動駕駛的商業化應用寄希望於三大領域：一是為主機廠商提供Apollo自動駕駛技術解決方案；二是通過集度汽車整合百度自動駕駛方面的創新，親自下場造車，與吉利合作把最先進的技術第一時間推向市場；三是打造Robotaxi（自動駕駛計程車）。

　　按照這一說法，集度汽車的首款產品會把Apollo的智慧化能力賦能于吉利的浩瀚架構之上，“端到端”地整合百度自動駕駛方面的創新。

　　“為什麼我們有信心把最先進的技術第一時間推向市場？就是因為我們的產品將‘端到端’地深度整合Apollo先進的自動駕駛能力。”夏一平介紹說，自動駕駛所需要的車對端的超算平臺、演算法、高精地圖以及智駕雲，在Apollo中一應俱全，而這就是集度汽車的核心競爭力之一。

　　事實上，作為全球規模最大的汽車市場，中國也有望成為全球最大的智慧駕駛市場。據IDC預測，2035年全球智慧駕駛汽車產業規模將突破1.2萬億美元，中國智慧駕駛汽車規模也將超過2000億美元。

　　“汽車發展為智慧終端機已經是大勢所趨，而這將帶來一個巨大的市場蛋糕。”資深媒體人、汽車行業分析人士楊小林直言，隨著新玩家參與“跨界造車”，智慧科技與汽車製造這兩個原本並不相關的產業被緊密聯繫在一起，有望形成一個更龐大的汽車產業鏈。

　　從汽車到AI出行機器人， 智慧黑科技離我們還有多遠
　　如果說智慧手機的普及敲開了移動互聯網經濟大門，智慧電動車也將為“傳統工業經濟+數字經濟”融合帶來更大的想像空間。

　　“當車擁有了AI的大腦，TA，就是機器人。”是夏一平在集度汽車內部經常講的一句話。

　　不久前，李彥宏與夏一平和團隊一起參與了集度汽車首款產品的內外飾評審。李彥宏在總結時說：“機器人式的未來感設計非常與眾不同。一方面代表了更前沿的用戶體驗，另一方面也能很好的承載百度阿波羅的先進技術能力。”

　　“他希望把百度過去積累的自動駕駛核心能力落地，變成可靠的產品提供給使用者。”夏一平表示，為了將百度核心的AI技術和能力打磨成產品和服務，集度汽車確定了三大產品DNA——機器人化、情感化、未來感。

　　在他看來，“機器人化”就是要改變現有的人車對話模式。“比方說，今後智慧汽車可以瞭解你日常的使用習慣，甚至能夠幫助你定制更好的駕乘體驗。當然，這也意味著我們要在產品交互甚至外觀、內飾上進行大膽創新。”

　　由於汽車駕駛場景具有封閉、高交互等特點，一旦實現自動駕駛，人車交互就會擁有更大的想像空間。“汽車不再是簡單的交通工具，而是人類和外界連結的重要終端。”經濟學家馬光遠預測稱，智慧汽車有可能成為與智慧手機相媲美的新一代智慧終端機。

　　夏一平介紹說，所謂“情感化”就是在賦予汽車AI智慧大腦後，集度汽車的產品要與使用者形成一定的感情連結。“我們希望用戶能夠即時感知到，這輛車像朋友一樣照顧你。”

　　此外，集度汽車要將充滿“未來感”的設計理念注入整個產品的設計中。用夏一平的話形容就是，“要讓大家一眼認出這是集度造的車”。

　　“智慧電動車不僅是電子消費品，也是零部件繁多、工藝複雜的工業產品。”新能源汽車獨立研究員曹廣平提醒說，智慧電動車會給用戶帶來煥然一新的使用功能、使用內容和使用體驗，但與之相對的是，未來汽車產業在研發、設計驗證、軟體、AI 支援、代工生產、出行資料和平臺運營等環節上均將迎來洗牌。

　　夏一平也坦言，目前將整個AI能力載入到汽車上的成本仍然非常高，不可能讓所有新車都具備最先進的自動駕駛能力。他認為，目前整個智慧汽車市場還處於逐步增長的初級階段，還沒到一個純增量的爆發階段。

　　“不過我相信，未來兩到三年內，汽車的核心成本還會往下降。智慧汽車也不會停留在低價位競爭的階段。”夏一平介紹說，集度汽車的首款產品瞄準了90後、95後甚至00後使用者，預計產品定價不低於20萬元。

　　“年輕人喜歡非常有未來感、高級感的車，對科技產品也非常喜愛。所以說接下來就是技術競爭的時代，我們的產品必須能夠快速反覆運算，才能不被市場和年輕用戶拋下。”據他透露，首款車上市後，集度汽車計畫每年為消費者推出一款新車。

　　中國汽車工業協會此前預測稱，2021年中國汽車市場總銷量預計會達到2630萬輛，將呈現緩慢增長態勢。未來5年汽車市場將會穩定增長，2025年汽車銷量有望達到3000萬輛。

　　從動輒數百萬元一輛的頂級豪車，到幾萬元就能拿下的代步車，中國汽車市場具有明顯的多元化特徵。隨著汽車的內延和外延不斷延伸，一家家科技公司被吸納進來。

　　由於原本主營業務的不同，這些“新玩家”在智慧車時代所扮演的角色也有所不同。例如，華為、OPPO等手機大廠大多以智能座艙為切入點；阿里巴巴、騰訊等互聯網公司大多以適配車內資訊服務為主；而眼下的百度、小米和此前的蔚來、小鵬則是直接下場造車。不過，以高級別自動駕駛為目標的智慧駕駛，成為所有人爭相佈局的戰略高地。

　　中國汽車業競爭已經越來越激烈，但在智慧汽車的賽道上，競爭才剛剛開始。有分析認為，自動駕駛研發需要投入大量的資金。毋庸置疑的是，這將是一場持久戰，推廣智慧駕駛、重塑汽車產業鏈，不是一朝一夕就能實現的。

資料來源：https://auto.sina.com.cn/news/hy/2021-06-10/detail-ikqcfnca0190630.shtml?cre=tianyi&mod=pcpager_tech&loc=17&r=0&rfunc=42&tj=cxvertical_pc_pager_spt&tr=145

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