CA168首页 > 自动化信息 > 中自视点 > 信息详情

工业4.0时代智能制造的新宠——边缘计算

发布日期:2018-10-18 作者:网络
           全球智能手机的快速发展,推动了移动终端和“边缘计算”的发展。而万物互联、万物感知的智能社会,则是跟物联网发展相伴而生,边缘计算系统也因此应声而出。


           自动化事实上是一个以“控制”为核心。控制是基于“信号”的,而“计算”则是基于数据进行的,更多意义是指“策略”、“规划”。因此,它更多聚焦于在“调度、优化、路径”。就像对全国的高铁进行调度的系统一样,每增加一个车次减少都会引发调度系统的调整,它是基于时间和节点的运筹与规划问题。边缘计算在工业领域的应用更多是这类“计算”。


           简单地说,传统自动控制基于信号的控制,而边缘计算则可以理解为“基于信息的控制”。边缘计算是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。而云端计算,仍然可以访问边缘计算的历史数据。


           随着各种可以联网的设备越来越多,如温度、湿度、摄像头、红外感应等在工业现场的大量使用,边缘计算在智能制造中将会有非常广泛的应用空间。




一、边缘计算是CPS核心


           据IDC(互联网数据中心)数据统计,到2020年将有超过500亿的终端与设备联网。未来超过50%的数据需要在网络边缘侧分析、处理与储存。边缘计算正是充分利用物联网终端的嵌入式计算能力,并与云计算结合,通过云端的交互协作,实现系统整体的智能化。


           其实在工业内网中,在离工业现场最近的地方,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务,是满足制造企业数字化转型中提出的快速联接、实时业务、数据优化、应用智能、安全保护等方面的关键需求。


           有专家认为,“工业4.0”的核心是CPS(信息物理系统),而融合了网络、计算、存储、应用核心能力的边缘计算,显然又是CPS的核心。边缘计算与工业控制系统有密切的关系,具备工业互联网接口的工业控制系统本质上就是一种边缘计算设备,解决工业控制高实时性要求与互联网服务质量的不确定性的矛盾。


           例如,目前规模以上冶金企业,信息化已经颇有成效,但缺少的是终端的智能。冶金的物流跟踪是典型的CPS,物理与化学形态经常发生改变,控制过程有一定难度。边缘计算在其中发挥着重要作用,是工业物联网技术的有效补充。


           在目前普遍采用的基于PLCDCS工控机和工业网络的控制系统中,位于底层、嵌于设备中的计算资源,或多或少都是边缘计算的资源。只是目前这些资源比较纷杂、独立、低效,未能充分实现互联、互通、互操作,未能充分标准化和平台化。当然,这也就难以满足现代应用场景在实时、安全、大容量、高速度、自适应计算和通信等方面对它的要求。


二、边缘计算是小型专家系统


           作为边缘计算的具体表现形式,工业CPS在底层通过工业服务适配器,将现场设备封装成web服务;在基础设施层,通过工业无线和工业SDN网络将现场设备以扁平互联的方式联接到工业数据平台中;在数据平台中,根据产线的工艺和工序模型,通过服务组合对现场设备进行动态管理和组合,并与MES等系统对接。工业CPS系统能够支撑生产计划灵活适应产线资源的变化,旧的制造设备快速替换与新设备上线。


           目前的工业互联网平台已经能够接入不同类型的数据。尤其是一些流程复杂的业务系统,在工业互联网边缘端形成的小型专家系统已经是一个数据库。通常在实际的大型工业现场,会有几千张数据表,数据之间的关联关系十分复杂,通过数据地图的“血缘关系”,掌握海量数据的关联,实现数据治理和统一管控。


           工业互联网的边缘计算不局限于对数据的处理,一直从事工业互联网研究的GE也在做工业的边缘计算,随着边缘终端的增多、智能的增强,工业现场对边缘计算的需求是成为一个小型的工业专家系统。


三、实现边缘“专家化”


           严格来讲工业互联网平台不仅仅是用户平台,更是一个开发者平台,几个企业、几个专家是不可能把工业互联网平台做大的,现在为什么要很突出地将工业互联网加以定义,是因为它与传统的工业云有一个重要区别——微服务架构。而微服务架构完全可以通过程序层面的API接口支持不同的开发者,而容器技术可以支持多种语言。


           通过微服务架构,一个机床领域的专家可以靠比较简单的“拖拉拽”的鼠标点击方式,把自己的经验数据上传,用已经封装好的机器学习算法对数据和算法做训练,做出一个预测机床性能的程序,可以应用在边缘,判断现场情况。


           目前做边缘计算平台的企业也在尽量降低对垂直行业专家的IT要求。近几年各大国际云计算厂商纷纷布局边缘计算平台,包括Predix Machine,AWS Greengrass,Azure IoT Edge等。今年3月份,阿里计划在2018年战略投入“边缘计算”。边缘计算平台并不只负责数据的收集转发,更重要的是提供智能化运算,并产生可操作额决策反馈,控制设备端。容器化技术成为边缘计算平台的底层标准技术,是技术发展的必然选择。


           工业互联网的边缘计算应用场景非常复杂。边缘计算平台并不是传统意义的只负责数据收集转发的网关,边缘计算平台需要提供智能化运算能力,而且能产生可操作的决策反馈,用来反向控制设备端。过去,这些运算只能在云端完成。现在需要将云端的计算框架通过裁剪、合并等简化手段,迁移至边缘计算平台,使得能在边缘计算平台上运行云端训练后的智能分析算法。因此,边缘计算平台需要一种技术在单台计算机或者少数几台计算机组成的小规模集群环境中隔离主机资源,实现分布式计算框架的资源调度。


           目前计算机编程技术多样,开发人员运用不同的编程语言处理不同的场景的问题已成为常态,所以在边缘计算平台也需要开放的支持多种开发工具和多种编程语言的运行时环境。因此,在边缘计算平台使用一种运行时环境的隔离技术便成为一种自然的需求。容器技术是主机虚拟化技术后,最具颠覆性的计算机资源隔离技术,通过容器技术进行资源的隔离,不仅对CPU、内存和存储的额外开销非常小,而且容器的生命周期管理非常快捷,可以在毫秒级开启和关闭容器。


           边缘计算/雾计算要落地,尤其是在工业中,“应用”才是最为核心的问题,所谓的IT与OT的融合,更强调在OT侧的应用,即运营的系统所要实现的目标。

 

[信息搜索] [] [告诉好友] [打印本文] [关闭窗口] [返回顶部]
0条 [查看全部]  网友评论

视觉焦点