【導讀】隨著物聯網(IoT)的發展，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據處理和存儲方法發展的趨勢，需要有更加智能的傳感器和全新的無線傳感器網絡架構。
雖然霧計算這個術語比較新，但其基本前提是經典的去集中化，即一些處理功能和存儲功能在本地執行，要比將數據從傳感器一路發送到云端，然后再返回執行器的性能更好。這樣做可以縮短延時，并減少需要來回傳送的數據量。縮短延時有助于改善消費類應用的用戶體驗，而在工業應用中，它還可以改善關鍵系統功能的響應時間，節省費用甚至拯救生命。
這種分布式方法通過減少需要從網絡邊緣傳送到云端的數據量提高了安全性，還降低了功耗和數據網絡負載，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，以充分利用給定區域的可用資源，并將物聯網的基礎功能之一——數據分析加進來。
霧計算在充分發揮其潛力所需的網絡架構和協議方面存在著細微差別，以致于成立了諸如開放霧聯盟的組織來定義怎樣才能獲得最佳的實現（題圖：開放霧聯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分布(來源：開放霧聯盟))。
目前為止，開放霧聯盟成員包括思科、英特爾、ARM、戴爾、微軟、東芝、RTI和普林斯頓大學。開放霧聯盟迫切希望與其它組織協同發展，包括工業互聯網聯盟(IIC)、移動邊緣計算(ETSI-MEC)、開放互連基金(OCF)以及OpenNFV。開放霧聯盟已經發布了一份白皮書，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的每個節點應該有多少智能才能獲得最優性能。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置處理、存儲和通信能力。雖然這個要求已經提出來一段時間了，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傳感器上數字功能的集成已經實現了雙向通信、自檢和補償算法的實現(圖2)。
圖2：從基本的模擬信號調節(A)一直到板載MCU(B)、本地內存和ADC(C)提高數字集成程度，有助于MEMS傳感器更好地實現自檢和主動補償例程，但實時的可靠性監視仍然很難。
如果MEMS傳感器對于監視電能分配、醫療系統功能以及工業系統狀態和過程來說，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霧計算時，確保來自這些傳感器的數據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位的模數轉換器(ADC)、一個TI INA333儀器放大器和一個HC-05藍牙模塊來監視傳感器健康數據(平均無故障時間(MTBF))，并將數據傳送給智能手機(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網MEMS傳感器數據變得在很長時間內都更為可靠。
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，其可靠性數據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)的狀態，將可以確保我們用于霧計算的數據本身變得更為可靠。
推薦閱讀：
