久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

3　“邊緣計算”產(chǎn)業(yè)

3.1　回到問題的本質(zhì)

IT人擅長于創(chuàng)造概念，OT端的人通常并不擅長此道，這在于兩者解決問題的思路不同，結(jié)果當(dāng)然也不同，OT的產(chǎn)品研發(fā)過程是基于“問題的解決”，而IT可以去“解決未來的問題”，因為機器的加工精度、速度會存在明確的指標，因此，OT的人不能創(chuàng)造一個“概念”來滿足用戶，而IT則可以，例如：蘋果可以設(shè)計一個未來的手機，然后告訴消費者“這就是你想要的手機”，這是IT與OT的不同，也是為何EdgeComputing/Fog Computing概念都首先發(fā)起于ICT領(lǐng)域。

邊緣計算是相對于云計算而言的，更傾向于在接近應(yīng)用現(xiàn)場端提供的計算能力，華為的主旨在于提供計算平臺，包括基礎(chǔ)的網(wǎng)絡(luò)、云、邊緣服務(wù)器、傳輸設(shè)備與接口標準等，而Intel、ARM則為邊緣計算提供芯片與處理能力保障，中國信息通信研究院則扮演傳輸協(xié)議與系統(tǒng)實現(xiàn)的集成，而中國科學(xué)院沈陽自動化研究所、軟通動力則扮演實際應(yīng)用的角色。

各種來自Mckinsey、PwC、Forrest & Sullivan、IHS的分析都把IoT視為未來快速成長的一個領(lǐng)域，最前沿已經(jīng)出現(xiàn)了各種基于Internet的技術(shù)，高通已經(jīng)提出了Internet of Everything—可以稱IoX。

但是，邊緣計算/霧計算要落地，尤其是在工業(yè)領(lǐng)域，必須明白“應(yīng)用”才是最為核心的問題，IT與OT的融合，更為強調(diào)在OT側(cè)的應(yīng)用，即運營的系統(tǒng)所要實現(xiàn)的目標。

3.2　OT是解決問題的

邊緣計算是在高帶寬、時間敏感型、物聯(lián)網(wǎng)集成這個背景下發(fā)展起來的技術(shù)，“Edge”這個概念較早為ABB、KUKA、B&R、Schneider等自動化廠商所提及，其本意是在“貼近用戶與數(shù)據(jù)源的IT資源”—這些是屬于從傳統(tǒng)自動化廠商向IT廠商延伸的一種設(shè)計，2016年4月5日，Schneider即為邊緣計算定義了物理基礎(chǔ)設(shè)施，當(dāng)然了，主要還是打算推廣其“微數(shù)據(jù)中心”的概念。而其它自動化廠商提及云計算/霧計算/邊緣計算都將其與IT融合當(dāng)作未來的一種趨勢，并且同時具有Fog/Edge概念。

3.3　Internet+還是+internet？

IT與OT的人對實現(xiàn)智能制造存在著大方向的一致但對主導(dǎo)權(quán)的認識不同，Internet+思想是將互聯(lián)網(wǎng)當(dāng)作了主導(dǎo)者，借助于ICT技術(shù)來推動智能制造，而+internet認為ICT只是輔助，顯然，從IT和OT各自的出發(fā)點似乎都有道理，但是，無論是放大IT還是OT的作用都是不合適的，因為這里存在著以下的問題：

（1）既然IT和OT都不可或缺，就必須實現(xiàn)兩者的融合而非對抗；

（2）IT與OT事實上也是在相互滲透的，自動化廠商都已在延伸其產(chǎn)品中的IT能力，包括Bosch、SIEMENS、GE等廠商在信息化、數(shù)字化軟件平臺方面，也包括B&R、Rockwell等在基礎(chǔ)的IoT集成、Web技術(shù)的融合方面的產(chǎn)品與技術(shù)。事實上IT技術(shù)也開始在其產(chǎn)品中集成總線接口、HMI功能的產(chǎn)品，以及工業(yè)現(xiàn)場傳輸設(shè)備網(wǎng)關(guān)、交換機等產(chǎn)品。

要滿足未來工業(yè)對數(shù)據(jù)的采集和分析的需求，必須挖掘邊緣計算的應(yīng)用潛力，并部署好邊緣計算架構(gòu)。其實，無論是概念問題還是實質(zhì)落地的問題，都必須回到今天我們的本質(zhì)要做什么？IT與OT通常使用著不同的語言系統(tǒng)，需要進行融合。

4　計算的本質(zhì)

4.1　“控制”與“策略”問題

事實上自動化是以“控制”為核心進行應(yīng)用的行業(yè)，控制基于“信號”進行，而“計算”則是基于數(shù)據(jù)進行的，更多意義是指“策略”、“規(guī)劃”，因此，它更多聚焦于“調(diào)度、優(yōu)化、路徑”，就像對全國的高鐵進行調(diào)度的系統(tǒng)一樣，每增加或減少一個車次都會引發(fā)調(diào)度系統(tǒng)的調(diào)整，它是基于時間和節(jié)點的運籌與規(guī)劃問題，而同樣道理，邊緣計算在工業(yè)領(lǐng)域的應(yīng)用更多是這類“Computing”。

因此，我們注意到邊緣計算、霧計算雖然是低延時，但是其50ms、100ms級的周期對于高精度機床、機器人、高速圖文印刷系統(tǒng)的100μs這樣的“控制任務(wù)”而言，仍然存在非常大的延遲站，在自動化人的視角，邊緣計算所謂的“實時”，本身是被歸在“非實時”的應(yīng)用里。

圖6 云計算—邊緣計算區(qū)分處理數(shù)據(jù)

概而言之，傳統(tǒng)自動控制基于對信號的控制，而邊緣計算則可以理解為“基于信息的控制”，參量由信號到了信息，信號控制可以在既有的模型下實現(xiàn)，而信息控制則需要進行學(xué)習(xí)，因為并沒有可依循的確定性高的模型。

4.2　IIoT與邊緣計算的目標

考慮到全局的優(yōu)化，尤其是在個性化生產(chǎn)時代所需的“質(zhì)量”、“成本優(yōu)化”、“交付能力”的優(yōu)化問題：

（1）質(zhì)量提升的幾個應(yīng)用方向：如何為小批量的產(chǎn)品生產(chǎn)實現(xiàn)動態(tài)的過程優(yōu)化成為了質(zhì)量控制的難點，基于對被加工對象、以及生產(chǎn)過程中的動態(tài)缺陷檢測實現(xiàn)加工參數(shù)的動態(tài)調(diào)整，另一個應(yīng)用需求在于對影響加工質(zhì)量的因素進行學(xué)習(xí)，并根據(jù)變化自動形成工藝參數(shù)的設(shè)定。

（2）成本降低問題，對于小批量生產(chǎn)而言，生產(chǎn)的能耗、當(dāng)機、減速等系列問題引發(fā)的都是成本的上升，而這些成本的上升對于小批量的財務(wù)核算而言，則會造成單位成本的提升，因此，如何借助IIoT技術(shù)來實現(xiàn)能源、維護數(shù)據(jù)的采集，并通過數(shù)據(jù)分析來實現(xiàn)成本的優(yōu)化或為關(guān)注的焦點。

（3）交付周期問題：包括在生產(chǎn)現(xiàn)場中如何配比生產(chǎn)訂單、根據(jù)工藝進行最快的響應(yīng)能力組合，尤其是在變化的過程中降低生產(chǎn)工藝參數(shù)調(diào)校所產(chǎn)生的時間浪費將成為影響交付能力的關(guān)鍵。

我們反復(fù)強調(diào)，智能制造、工業(yè)4.0的核心問題仍然是在“個性化時代解決質(zhì)量、成本與交付的問題”，那么歸根結(jié)底，邊緣計算是提供了計算能力，但計算什么？在管理學(xué)上，我們可以歸入Operation Management，這屬于大的運營管理范疇，包括精益思想、6Sigma等都是設(shè)定了管理的目標的。

5　應(yīng)用仍然為王

5.1　生態(tài)系統(tǒng)建設(shè)問題

邊緣計算其目的是服務(wù)于IoT、工業(yè)4.0的應(yīng)用，在本質(zhì)上并沒有區(qū)別，聯(lián)盟本身是為了構(gòu)建生態(tài)系統(tǒng)，因為，在智能制造時代本質(zhì)上是一種“生態(tài)系統(tǒng)”協(xié)同共贏的局面，廠商可以根據(jù)自己的需要面向不同的領(lǐng)域加入不同的聯(lián)盟。

但是，OICT廠商都是服務(wù)于“制造業(yè)”，服務(wù)于《中國制造2025》的，歸根結(jié)底要為制造企業(yè)解決全球競爭力的問題。如何生產(chǎn)更具競爭力的產(chǎn)品，提升企業(yè)的整體運營效率，而且，從投資回報角度如何計算和平衡，讓生產(chǎn)企業(yè)真正獲利是需要OICT廠商認真思索的問題。

Internet時代最為顯著的特征就是“網(wǎng)絡(luò)協(xié)同”，因此基于傳統(tǒng)的比對競爭的時代已經(jīng)過去，正如James F Moore在其《競爭的衰亡》中所描述的“Ecosystem”，企業(yè)之間必須依存，商業(yè)文化必須改變，傳統(tǒng)買賣關(guān)系的上下游企業(yè)，必須意識到通過合作解決共同的問題才能共同發(fā)展，價值鏈之所以被不斷提及就在于從芯片廠商、自動化、ICT、系統(tǒng)集成、機械制造到生產(chǎn)制造這個價值鏈上的企業(yè)都必須共同來面對“消費者”來實現(xiàn)問題的解決，而消費者，又是我們每個人自己。

5.2　工業(yè)領(lǐng)域的邊緣應(yīng)用場景

（1）能源分析問題：顯然，發(fā)電、輸配電、供電是最大的網(wǎng)絡(luò)，在未來能源效率問題會覆蓋到整個電力系統(tǒng)的每個環(huán)節(jié)，而電力對采集有著特殊的需求，包括電力信號的測頻、相位等，是IoT技術(shù)重要的應(yīng)用領(lǐng)域。

（2）物流規(guī)劃問題：無論是企業(yè)生產(chǎn)制造環(huán)節(jié)中的物料配送、還是快遞業(yè)中的分揀問題，都是需要進行分析和優(yōu)化的。在物流輸送中，巷道車必須根據(jù)系統(tǒng)的存取需求，對現(xiàn)有的倉位進行計算，規(guī)劃出最優(yōu)的路徑，以實現(xiàn)最快速的路徑，最短時間完成倉庫內(nèi)部的物料存取任務(wù)。

（3）工藝優(yōu)化分析：工藝優(yōu)化最為重要的是對質(zhì)量最為緊密的工藝參數(shù)的學(xué)習(xí)，以便在個性化生產(chǎn)時能夠形成自主的參數(shù)配置，以及工藝的自適應(yīng)能力，這種學(xué)習(xí)對于生產(chǎn)制造商非常關(guān)鍵，也是他們最大的期待，但是，在當(dāng)前人工智能學(xué)習(xí)、機器學(xué)習(xí)還沒有很好地與具體工業(yè)領(lǐng)域的生產(chǎn)結(jié)合，這也是未來邊緣計算、霧計算所關(guān)注的重點。

（4）生產(chǎn)任務(wù)與分配：根據(jù)生產(chǎn)訂單為生產(chǎn)進行最優(yōu)的設(shè)備排產(chǎn)排程，本身就是計算范圍，而這也是MES的基本任務(wù)單元之一，而事實上，這些計算附著于由具體MES廠商的軟件平臺還是依附于“邊緣計算”的平臺—基于Web技術(shù)構(gòu)建的分析平臺，在未來并不會存在差別，從某種意義上說MES系統(tǒng)本身是一種傳統(tǒng)的架構(gòu)，而其核心可以在專用的軟件系統(tǒng)，也可以存在于云、霧或者邊緣側(cè)。

總體而言，在整個智能制造、IoT應(yīng)用中，各自分工如下：

自動化可以提供“采集”，并起到數(shù)據(jù)源的作用，通過分布式I/O采集、總線互聯(lián)獲得機器所產(chǎn)生的機器生產(chǎn)、狀態(tài)、質(zhì)量等原生“信息”。

通過MQTT/AMQP進行數(shù)據(jù)的傳輸，OPC UA是一種基本的OT遵循協(xié)議，而針對IT的MQTT協(xié)議，也進行了支持。APROL EC扮演著不同的邊緣計算角色，不管是針對老的工廠改造升級，還是一個全新的工廠產(chǎn)線，或者一臺大型設(shè)備，都可以采用這一方式進行數(shù)據(jù)的采集與傳輸，并送至本地的邊緣計算側(cè)，具有幾種方式的傳輸模式。

圖7 APROL的邊緣計算架構(gòu)

ICT廠商提供“傳輸”，因為在如何提供數(shù)據(jù)的傳輸、存儲、計算方面，ICT廠商有其傳統(tǒng)優(yōu)勢，另外在成本方面，已經(jīng)有云平臺的優(yōu)勢。

智能分析軟件廠商提供“分析”，包括了“邊緣計算”、“云計算”的“計算”而非僅僅提供基礎(chǔ)設(shè)施平臺，如Google、IBM這樣在更大的金融、交通、能源領(lǐng)域的大數(shù)據(jù)集成能力，也包括了眾多中小型企業(yè)在垂直領(lǐng)域進行分析的能力。

終端生產(chǎn)企業(yè)則是需求的來源，因為產(chǎn)業(yè)鏈協(xié)同最終是為其解決“質(zhì)量、成本、交付”的核心問題。

作者簡介:

宋華振，現(xiàn)任貝加萊工業(yè)自動化（中國）有限公司市場部經(jīng)理，兼任POWERLINK中國市場推廣經(jīng)理，SAC/TC124委員，并擔(dān)任邊緣計算產(chǎn)業(yè)聯(lián)盟（ECC）專家委員會專家，聯(lián)訊動力特邀技術(shù)專家。

參考文獻

[1] IBM & AKAMAI. Develop Edge Computing Application[M], June 9, 2003.

[2] Pang H H, Tan K L. Authenticating query results in edge computing [C]. Data Engineering, 2004. Proceedings. 20th International Conference on. IEEE, 2004: 560 - 571.

[3] Grieco R, Malandrino D, Scarano V. A scalable cluster-based infrastructure for edge-computing services[J]. World Wide Web, 2006, 9 ( 3 ) : 317 - 341.

[4] Shi W, Cao J, Zhang Q, et al. Edge Computing: Vision and Challenges[J]. IEEE IOT, 2016.

[5] Varghese B, Wang N, Barbhuiya S, et al. Challenges and Opportunities in Edge Computing [J]. arXiv preprint arXiv:1609. 01967, 2016.

[6] 史揚. 邊緣計算參考1.0架構(gòu)分享[R]. 邊緣計算產(chǎn)業(yè)聯(lián)盟成立大會，2016.

摘自《自動化博覽》2017年4月刊