现代制造业的数据密集型特征已变得非常明显，这时选择在哪里存储数据就变得至关重要。
2020年6月，IBM遭遇全球云中断，这种情况并非是第一次出现。谷歌、脸书、微软和软件营销部队（Salesforce）在2019年都经历过服务中断，起因皆是其云存储提供商的服务中断。制造业企业越来越依赖云存储，无法访问数据的威胁已迫在眉睫，其后果可能会破坏整个设施。
困难的选择
云计算可将数据存储集中在大型服务器上，而边缘计算则使其更接近于应用点。不同的存储选项向我们提出了如何平衡集中式和分散式数据存储的问题？答案是：在一系列困难的选择之间进行权衡。
首先考虑的是成本。本地服务器的购买、安装和维护成本很高。出现问题时，还需要现场进行故障排除。云服务提供了更便宜的数据存储方式，可以进行扩展、远程服务和付费使用。
第二个考虑是可及性。使用本地服务器，用户可以更快地检索数据，包括检索备份数据和旧文件版本。从云存储上传和下载文件完全依赖于互联网连接，因此可能会受到“网络抖动”的影响。
第三个考虑是安全性。使用本地服务器，公司可以对其数据进行物理控制，但需要投资设备和聘请IT专家来确保服务器的安全。
机会
可以看出，上述选择不仅仅涉及降低风险这一个方面。同时还有机会可使数据架构变得更强大、更安全，并确保可靠的数据访问。对于食品和饮料等要求具备可追溯性的行业，相关解决方案可以防止停工，并避免丢弃大量无缺陷产品，从而节省成本。
理想的数据存储体系结构结合了两种技术的优点，并将每种选择的缺点降至最低。这种混合式解决方案最初在靠近数据生成位置的边缘服务器上处理数据，然后在云中以聚合形式进行分析。通过将云中的信息与存储数据的响应能力相结合，混合模型结合获得的可见性将数据立即存储到所需的地方。这种数据架构降低了数据传输的成本，降低了网络问题的风险。此外，在边缘服务器上存储运营数据可以将日常运营与云中断造成的中断隔离开来。
如果要开始集成边缘计算和云计算的旅程，建议咨询数据管理解决方案专家和工业自动化供应商。他们需要调整相应的解决方案，以确保传感器产生的数据可与生成信号和数据存储的处理相集成。
工业4.0增加了制造业对有效数据存储的依赖，同时也使其易受云中断的影响。一个好的企业数据架构需要找到适合的方法，以确保数据访问中断不会导致工厂停工。
