【導讀】隨著物聯(lián)網(wǎng)(IoT)的發(fā)展，諸如“霧計算”的去集中化分布式智能概念正大行其道，以滿足對更低延時、更高安全性、更低功耗和更高可靠性的要求。這種向更加分布式的數(shù)據(jù)處理和存儲方法發(fā)展的趨勢，需要有更加智能的傳感器和全新的無線傳感器網(wǎng)絡架構。
雖然霧計算這個術語比較新，但其基本前提是經(jīng)典的去集中化，即一些處理功能和存儲功能在本地執(zhí)行，要比將數(shù)據(jù)從傳感器一路發(fā)送到云端，然后再返回執(zhí)行器的性能更好。這樣做可以縮短延時，并減少需要來回傳送的數(shù)據(jù)量。縮短延時有助于改善消費類應用的用戶體驗，而在工業(yè)應用中，它還可以改善關鍵系統(tǒng)功能的響應時間，節(jié)省費用甚至拯救生命。
這種分布式方法通過減少需要從網(wǎng)絡邊緣傳送到云端的數(shù)據(jù)量提高了安全性，還降低了功耗和數(shù)據(jù)網(wǎng)絡負載，從而提高了總體服務質量(QoS)。霧計算還能促進本地資源池的建立，以充分利用給定區(qū)域的可用資源，并將物聯(lián)網(wǎng)的基礎功能之一——數(shù)據(jù)分析加進來。
霧計算在充分發(fā)揮其潛力所需的網(wǎng)絡架構和協(xié)議方面存在著細微差別，以致于成立了諸如開放霧聯(lián)盟的組織來定義怎樣才能獲得最佳的實現(xiàn)（題圖：開放霧聯(lián)盟正在尋求確定最佳的架構和編程方法，以確保從傳感器到云端以及回傳路徑中的功能和智能的最優(yōu)分布(來源：開放霧聯(lián)盟))。
目前為止，開放霧聯(lián)盟成員包括思科、英特爾、ARM、戴爾、微軟、東芝、RTI和普林斯頓大學。開放霧聯(lián)盟迫切希望與其它組織協(xié)同發(fā)展，包括工業(yè)互聯(lián)網(wǎng)聯(lián)盟(IIC)、移動邊緣計算(ETSI-MEC)、開放互連基金(OCF)以及OpenNFV。開放霧聯(lián)盟已經(jīng)發(fā)布了一份白皮書，用于指導大家當前的思維過程(必須注冊才能下載)。
用于霧計算的可靠傳感器
隨著霧計算的興起，設計師必須估算出系統(tǒng)的每個節(jié)點應該有多少智能才能獲得最優(yōu)性能。這意味著傳感器需要開始變得更加智能，需要具有一定程度的內(nèi)置處理、存儲和通信能力。雖然這個要求已經(jīng)提出來一段時間了，但似乎到達了一個臨界點，即從傳感器提供商角度看正在成為必要條件，雖然通常存在著成本、空間、功耗和尺寸方面的折衷。
雖然在小尺寸和功能集成方面，MEMS傳感器一直是設計師的理想選擇，但在后續(xù)集成過程中，為了滿足霧計算提出的智能傳感器需求，需要考慮可靠性方面的問題。到目前為止，MEMS傳感器上數(shù)字功能的集成已經(jīng)實現(xiàn)了雙向通信、自檢和補償算法的實現(xiàn)(圖2)。
圖2：從基本的模擬信號調節(jié)(A)一直到板載MCU(B)、本地內(nèi)存和ADC(C)提高數(shù)字集成程度，有助于MEMS傳感器更好地實現(xiàn)自檢和主動補償例程，但實時的可靠性監(jiān)視仍然很難。
如果MEMS傳感器對于監(jiān)視電能分配、醫(yī)療系統(tǒng)功能以及工業(yè)系統(tǒng)狀態(tài)和過程來說，是長時間受信任的，那么這些功能就很重要了。這種MEMS傳感器應用如此重要，以致于位于墨西哥哈拉帕市的韋拉克魯斯大學研究人員一直在調查其它的可靠性保證方法，這些方法通過監(jiān)視常見故障率進行可靠性預測。正如研究人員指出的那樣，這些方法都缺少實際能力，來預測從北極圈到熱帶的各種工作環(huán)境中的可靠性。
當我們用無處不在的智能傳感器義無反顧地實現(xiàn)霧計算時，確保來自這些傳感器的數(shù)據(jù)的可靠性變得越來越重要。與此同時，霧計算原理的實際運用意味著通信基礎設施正在落實到位，以確保節(jié)點間能夠更好地通信。這兩個因素使得韋拉克魯斯大學開發(fā)實時傳感器故障分析方法變得令人更加感興趣，因為這些方法適用于新的檢測和組網(wǎng)范例。
在建議的設計中，研究小組使用了一個低功耗的8位PIC18F4550 MCU、一個10位的模數(shù)轉換器(ADC)、一個TI INA333儀器放大器和一個HC-05藍牙模塊來監(jiān)視傳感器健康數(shù)據(jù)(平均無故障時間(MTBF))，并將數(shù)據(jù)傳送給智能手機(圖3)。故障可以像通信鏈路丟失這么簡單。
圖3：建議的實時傳感器監(jiān)視方法消除了傳感器可靠性預測的異常行為，因而使得關鍵的物聯(lián)網(wǎng)MEMS傳感器數(shù)據(jù)變得在很長時間內(nèi)都更為可靠。
這里的關鍵是，所有傳感器的MTBF都存儲在本地的非易失性存儲器中，并且隨著時間的推移，其可靠性數(shù)據(jù)會被不斷地重新計算和更新。
向傳感器中增加更多的智能是好事，但隨著我們越來越依賴這些傳感器，更好地理解傳感器(和系統(tǒng))的狀態(tài)，將可以確保我們用于霧計算的數(shù)據(jù)本身變得更為可靠。
推薦閱讀：
