物联网为卡车和物流行业提供了提高效率和安全性的能见度。然而，与任何技术一样，物联网部署决策必须通过成本效益分析来确定..这包括决定哪些类型的分析应该位于边缘或云中。

事情展开传感器可以产生大量的数据，并且数据必须被存储在要被分析的场所。您可以将数据发送到云实例本地或集中式数据中心，但它需要的数据传输，并且当你看运输部门，在许多领域，通过蜂窝或卫星数据传输将变得非常重要。

连接性是一个非常重要的黑白问题，不管你有没有。 成本稍有不同。 组织应该考虑它的设备产生多少数据。无论是监控货物温度以保持冷链的完整性，评估货物空间以最小化死空间运输，还是检测车辆磨损以改进卡车维护，edge都可以帮助降低其中一些成本。

说到边缘本身，一些专家区分了薄边和厚边。最困难的是，当计算在运输资产上的服务器上执行时，它可以做的不仅仅是一个薄薄的边缘，因为它具有显著更高的计算能力。然而，厚厚的边缘，需要更多的物理空间。而且也不会使你的卡车上的服务器。但是，如果你是在谈论对集装箱运输，在其中放置服务器杂货班轮足够的空间。

薄边的大部分卡车物联网的使用案例。在这种情况下，计算设备，或一个“网关”位于卡车或其他资产。传感器数据不是直接发送通过蜂窝网络，但所有的数据发送到设备。 “从计算设备聚合数据不同的端点，或计算出的数据，并执行诸如人工智能，机器学习等，与云的容量相比，它比较快，几乎是实时的。

仍然需要克服边缘分析数据的困难。无论是网关运行简单的阈值规则还是预测模型，组织都需要一种部署和管理分析的方法..为了做到这一点而不成为一项艰巨的任务，您需要能够远程访问网关并以结构化、自动化的方式部署这些模型。在没有自动化的情况下将许多预测模型部署到边缘是一项繁琐的任务，需要专门的工作人员。

仅仅因为用例充分利用了边缘，并不意味着云不存在。将数据发送到流线型边缘可以减少99.8%的数据传输到云，使组织能够经济地使用云来开发更先进的用例。

当你使用薄边缘时，你总是使用云或本地中央数据中心。 你需要将所有的数据保存在边缘设备上，因为预测模型需要处理和处理，并且必须随着时间的推移而改变，因为它们的改进或设备部分的操作参数的变化。 正在被利用。 您需要捕获这些数据，以便更改这些参数或执行规范化分析。

云提供了执行这些任务所需的扩展效率和高级功能。有更好的能力从云数据中提取洞察力。如今，很多机器学习都是在云端进行的，所有的训练都是在云端进行的。许多组织正在将大量的业务工作负载转移到云计算，因为云计算已经成为他们分析大量数据并从中收集洞察力的一种方式，执行某种形式的机器学习，并对这些数据采取行动，然后将其发送到组织正在使用的相关设备或应用程序。