【边缘计算】设备智联边缘智算，分享工业物联网与边缘智能平台

2018 年 7 月 7 日 产业智能官

7月3日，“设备智联,边缘智算”-- 2018 NI工业物联网全国巡回研讨会在上海举办。本次高峰论坛NI携手天泽智云、边缘计算产业联盟(ECC)等众多合作伙伴，跨越轨道交通、能源电力、院校科研、信息技术(IT)、云计算等多个行业，共同探讨工业物联网中的关键技术要点，打造完整方案与生态系统。天泽智云边缘计算高级技术总监崔鹏出席会议，并发表主题演讲。

天泽智云边缘计算高级技术总监崔鹏

工业企业智能化转型面临着个性化、专业化、碎片化三大挑战，崔鹏在演讲中详细介绍了天泽智云为解决这些挑战推出的以模型为核心的智能化运维体系及实践应用案例。

工业级无线智能PHM系统及EdgePro的诞生

随着更低成本的传感器、工业网关、嵌入式系统以及智能分析技术的出现和发展，大大促进了工业物联网、实时状态监测系统(CMS)与边缘计算硬件的普及。然而，如何直面用户的痛点，直接为企业提供洞察即服务的解决方案则是工业智能应用的根本所在。

为了能够将天泽智云在PHM领域的经验与知识直接转化为服务价值，天泽智云即将推出无线智能监测系统，它可以直接对设备做健康诊断，只要将这个系统部署在轴承、泵、齿轮箱、机床或其他设备旁边，就可以告诉你它的健康值是多少，当设备出现问题的时候也可以直接提供报警功能。

该系统通过声音、振动、电压、电流等监测方式实现对设备的智能监测与特征提取，经过云端或服务器端机器学习训练和迭代之后，可以将模型部署到边缘智能硬件，在边缘侧直接帮客户完成整个业务的逻辑判断和模型判断的决策。

工业界目前一般会把边缘硬件分成两个类别，一类是工业网关，这类网关主要实现与各种PLC通讯，或者是简单数据采集。另一类是实时状态监测系统或叫嵌入式数据采集系统。

工业网关可以接入工业中一些离散装备，这些离散装备对数据采集的要求不是特别高，通过网关汇总之后再传到云平台上，这个是目前国内大多数工业互联网平台能够支持的方式，但是该方式无法覆盖工业设备多源异构数据的数采需求，很多网关由于缺乏边缘计算能力，无法实现边缘智能和本地决策。

为什么要有EdgePro？

通过近两年的工业智能实践发现，工业领域的智能化改造，既有如机床、机械臂等以PLC通讯为主的需求，也有像高铁转向架、轴承、电机、泵等以通过振动、声音或者电压、电流等方式进行实时状态监测的需求，但我们发现目前市场上几乎没有公司可以提供统一平台真正实现对于工业网关、状态监测系统、工控机、嵌入式数据采集系统等多类型边缘硬件的统一接入、配置与管理。

天泽智云通过将十多年对于工业总线协议解析、传感器与数据采集、信号处理与特征工程、机器学习等领域的工业积累，推出了EdgePro工业物联网与边缘智能平台，帮助用户实现企业资产/设备互联、状态实时监测、数据采集与边缘计算、本地智能决策与报警、允许维护人员可视化管理数据和结果，并简化大规模私有云或公有云部署。

首次将数据采集、边缘计算与特征工程配置化

工业领域的原始数据量非常大，而且大部分场景是做私有云部署，很多时候前期数据越多越好，EdgePro创新性地将数据获取、配置下发、状态监控与模型部署四类功能标准化，通过开放接口可实现大部分工业设备数字化与智能化的多样化需求，不论是实时获取原始波形亦或是获取特征数据，可通过配置轻松实现设备数字化映射与特征信息提取。

目前可接入、配置和管理状态监测系统(CMS)、工控机、工业网关/PLC与嵌入式系统，可满足企业实现全面的智能化改造与大规模关键资产与辅助资产统一监控。

提供现成可用的设备监测模板

在特定工业生产环境中，对关键资产或是辅助设备进行物联及在线状态监测，可帮助企业最大程度地了解资产设备和厂房的整体可靠性，进而了解机器的运行状态。对于企业而言，低成本在线状态监测系统可显著降低设备的运维费用，识别潜在故障，提前提醒用户安排维修计划，最大限度避免停产，进而避免严重损失。

EdgePro可为用户提供诸如轴承、齿轮箱、泵、电机等现成可用的数据采集、传感器参数模板，并可针对设备工况设置进入/退出机制，灵活地实现按需采集、灵活触发、采样率可调、波形长短可配的监控策略，以解决客户在制定设备监测方案、传感器选型、信号处理等方面碰到的挑战。

支撑机器学习模型一键部署到边缘端

EdgePro可为旋转设备、电气设备等相关应用场景提供现成可用的特征参数列表以及自定义特征接口，通过不断丰富特征列表大大降低工业设备在健康管理、能耗优化以及其他智能应用场景的特征提取需求。同时可提供云端机器学习模型的部署到边缘智能终端的接口，有机实现云端与边缘端的协同配合。

智能化运维体系架构为企业赋能

前面我们介绍了在数据接入层，通过应用EdgePro可以完成对企业设备互联、边缘计算、本地智能决策与控制等功能，简化大规模在线监测系统的部署。但仅靠物联网和边缘计算，并不能有效解决工业企业智能化转型面临的个性化、专业化、碎片化三大挑战，这还需要分析技术、人机交互等一整套智能化运维体系的支撑来实现真正的智能化。

基于GenPro、CyberSphere及EdgePro等产品为核心的体系架构，将建模和软件开发一整套体系和能力交付给客户，使工业企业能实现高效的智能化转型升级，下面我们通过智能工厂的案例给大家做个分享。

如上图所示，左侧是装备，我们结合场景针对装备设计健康监测方案。将设备模型放在EdgePro这个平台里面，这样我们就可以通过EdgePro实现装备的接入、数据的管理、配置的管理、模型的下发，硬件的状态的监控等。

之后通过CyberSphere模型运行环境，实时地实现计算、调度和存储这样一些策略，最终将GenPro模型通过运行环境，把数据和结果通过前端展示界面做实时交互。

这套方案基于我们前面讲到的以模型为核心的架构，实现快速、高效地项目部署。

Tips：关键设备状态监测和异常检测系统

这当中涉及的对于装备和设备做关键部件的实时状态监测和异常检测，具体流程如下：

选取一些昂贵或者易坏的关键的部件。
判断制定数据采集方案，是要采集已有信息还是加传感器。
信号处理，选择采取什么算法去获取一些信息和特征。
基于特征来做健康模型或业务模型。模型建模有很多方法，包括基于机理、数据、混合方式等，需要判断用什么方式做这件事。
做故障的健康值的雷达图。
最终通过集群管理，对工厂里同型号的不同设备、或者不同型号的类似装备做同类比较。

最后总结一下，融合了边缘智能的以模型为核心的智能化运维体系可以给企业带来什么？

帮助企业按需获取实时数据，并通过特征提取和数据管理，解决工业数据的质量低金和碎片化的问题。
为企业各类设备、不同生产场景建立模型库，并在行业专家的帮助下，对模型不断地进行优化和迭代，使工业“大脑”越来越智慧。
工业APP未来将在云端和私有云上不断丰富和叠加。它们基于数据创造，将来APP可在云端做判断，也可以直接部署在边缘硬件端，为工业系统打通感知和反馈的“神经末梢”。

实施IIoT的最大挑战——工业物联网软件平台与边缘智能

Kurt Au 控制工程中文版

摘要

新兴的技术和体系架构，可以帮助制造企业在集成生态系统中开发灵活的工业物联网（IIoT）基础架构。

随着工业物联网 (IIoT)的发展，它在集成方面也遇到了与以前不同代系的工业自动化相似的挑战。除了不断变化的需求，还需要适用很多不同的硬件、软件技术以及应用场景。但是现在，利用开放标准，这些不同元器件可以很好的融合在一起，为用户提供解决方案。

在IIoT产品和应用开发中，开发人员的目标可能包括：

通过互联网支持不同类型的传感器和驱动器。
集成不同的有线和无线连接协议，包括 Modbus、LoRa、Sigfox、Wi-Fi、蓝牙以及其它协议。
通过端口将原始软件连接到不同的硬件，包括 MCU、x86/ARM CPU、GPU、及其它硬件，还有操作系统，包括微软视窗、Linux、嵌入式操作系统、Android、和其它操作系统。
连接云服务，可能包括WISE-PaaS、微软的Azure、IBM的Bluemix、和其它云服务。
维护数据的所有权和完整性，了解其对安全和隐私的影响。
快速开发健壮的应用程序。
部署、更新、升级和维护大量的设备和服务。
将大数据转换为有价值的业务信息。

因此， IIoT产品或解决方案必须满足与传感器、连接性、安全、云服务、存储、设备硬件与维护、边缘/云分析、系统集成、和应用程序开发等相关的挑战。许多公司面临的最大挑战，就是如何在平衡设计时间、投放市场时间和风险的情况下，将应用迁移到物联网上去。

边缘计算

物联网（IoT）数据往往具有很大的体量。应用程序通常具有实时性需求。传输大量的原始数据，通常会给网络资源带来较大的负载。通常，在数据源附近处理数据更为行之有效，这样就可以只向云中心发送有价值的数据。

边缘计算是一种分布式信息技术(IT)架构。在该体系结构中，客户端数据在网络外围处理，尽可能接近数据源。边缘计算中的时间敏感数据，可由智能设备在数据源点处理，或发送到地理上比较接近的中间服务器来处理。对时间不太敏感的数据，可以发送到云端进行历史分析、大数据分析和长期存储。

不论该解决方案被称为基础结构、体系结构、平台还是服务器，公司都必须有管理边缘计算模式的手段。在研华新推出的边缘智能服务器(EIS)解决方案中，能够使本地IIoT网络实现边缘智能，从而可以最大限度地提高能源利用效率，减少对网络安全的威胁，更易于实施和模块化，还可以减少时间延迟。

IIoT软件平台

IIoT软件平台服务主要基于3个关键组件： IIoT节点、边缘智能服务器和云服务。下面将详细介绍在平台开发中，供应商或企业用户必须做出的一些技术选择。

对于边缘设备开发，“南向”传感设备连接必须处理不同的传感协议，例如Modbus、OPC、BACnet、无线IP和非IP。所有这些协议，可以通过即插即用的模块来处理传感器数据、数据规范化和通信。

然后，通过微服务容器模型来处理 “北向”云连接和智能设施，以模块化不同的云连接并启用设备管理。同样的，智能设施也采用微服务容器体系结构来支持数据摄取工作负载，比如数据预处理和清理。

其中最有价值的可能是按需的实时分析服务，在数据生成时，可实时提取预先设置的数据特性。预测维护和质量功能可用作边缘预测概念的验证。

基于无处不在的MQTT通信协议和模块化的Docker容器(container)技术，通过架构的开放标准来开发分析或预测维护模块。

其它技术，如 RESTful、API、MQTT和Node-RED，也有助于实现拖放式的应用程序开发。Node-RED和配置实用程序，使实现自定义应用程序变得容易。此外，具有良好文档的 SDK MQTT 示例代码和RESTful API 接口，使高级开发人员可以实现更高级别的需求。

最后一个部件是云服务，无论是边缘设备还是云端，都配置了SSL/TLS通信和英特尔内置的安全特性。数据服务可以提供标准化的PostgreSQL数据库和 NoSQL数据库，并支持标准集成接口，可以连接各种数据处理和存储产品。仪表板网充当“物联网”应用的用户界面，利用诸如Azure的Power BI 或表格等可视化设施，通过浏览器或移动设备来显示信息。

此外，IIoT平台还提供了一个用于采购不同的物联网实用程序的“市集”可提供云解决方案，如数据库、仪表板和机器学习工具。

工业物联网（IIoT）软件平台包括工业物联网（IIoT）节点、边缘智能服务器和云服务。图片来源: 研华

与IoT相关的技术

现在让我们更仔细地考察前面提到的一些技术。MQTT是一种简单、轻量级的发布/订阅消息传递协议，用于受约束的设备和低带宽、时间滞后较长或不可靠的网络。该服务将其功能和数据发布到 MQTT 代理，并为输入接口订阅特定主题内容。

RESTful API定义了一组功能，开发人员使用这些功能来执行请求并通过 HTTP 协议，比如"GET " 和 "POST" 接收响应。由于 RESTful API 使用 HTTP 作为传输协议，因此几乎任何编程语言都可以使用该应用程序，并且易于测试。RESTful API 的要求是客户端和服务器之间松散耦合，彼此保持独立，允许客户端或服务器以任何语言编码，并可任意改进，从而延长系统的使用寿命并简化进化过程。

RESTful API 指定了它可以提供什么，如何使用它，以及需要查询的详细信息，例如查询参数、响应格式、请求限制、公共使用/API 密钥、方法 (GET/POST/ PUT/DELETE)、语言支持、回调用法、HTTPS支持、以及资源表示应该都是自我描述的。

受RESTful结构样式约束影响的属性包括：

组件交互可能是用户感知性能和网络效率的主导因素。
可扩展性以支持大量组件和组件之间的交互。
统一接口简单明了。
组件的可修改性，能够满足不断变化的需求，甚至在应用程序运行时都可以进行修改。
服务代理对组件间通信的可见性。
通过将程序代码与数据一起移动，使组件具有可移植性。
在组件、连接器或数据出现故障时，在系统级别仍能防御故障。

微服务体系结构模式，允许设计人员将应用程序拆分为较小的、相互关联的服务集，而不是单一的应用程序。服务通常实现不同的特性或功能，如连接管理、垂直应用程序或其它功能。每个微服务都是一个具有独特体系结构的小型应用程序，包括业务逻辑以及各种适配器。

容器化（Containerization）是一种用于部署和运行分布式应用程序的操作系统级虚拟化方法，无需为每个应用程序启动整个虚拟机 (VM)。采用多个独立的子系统 (称为容器)，运行在同一个控制主机上，并访问单个内核。容器与主机之间共享相同的操作系统内核，通常比虚拟机效率更高，其中任何一个都需要单独的操作系统实例。

Docker容器在一个独立的子系统中封装了一个软件，包含文件系统和运行所需的一切：代码、实时运行、系统工具、系统库以及任何可能安装在服务器上的内容。这保证它始终以相同的模式运行，而无需考虑环境的不同。

此外，主机操作系统还限制了容器对物理资源 (CPU 和内存) 的访问，因此一个容器不会消耗掉主机的所有物理资源。

Node-RED是开源的，由IBM新兴技术组织实施。它包括一个基于浏览器的流编辑器，它可以轻松地将“调色板”中的各种节点连接在一起。单击就可以将数据流部署到试运行中。在Node-RED中创建的流使用 JSON 存储，并且可以导入和导出以供与他人共享。它可以在网络边缘或云端中运行。节点包管理器生态系统用于扩展可用节点的调色板，从而实现与新设备和服务的连接。

Freeboard提供了简单、实时的关键性能指标的可视化。这个工具为IoT项目提供了许多可能性，因为它简单、实惠、开源，并可以进行扩展。客户可以免费开始使用，一旦时机成熟，就可以选择一个适合于他们的计划。

边缘计算是一种分布式的 IT 架构。在该架构下，可以在网络外围尽可能接近数据源的地方，处理客户端数据。

灵活的体系结构

本文所讨论的体系结构可以分为5个类别层。每个层级都作为自己的微服务来实现的，使用 MQTT 代理作为通信总线,与其它微服务或客户端的所有服务接口。在运行时，每个实例都是一个Docker容器。这样就可以很容易地为特定用户、设备或特殊用例部署不同的使用经验。容器化，是一种用于部署和运行分布式应用程序的操作系统级的虚拟方法。

1. 体系结构的底层是传感器网络连接层。有线传感器支持各种类型，包括监控和数据采集 (SCADA)、Modbus和OPC UA。网络连接层收集数据，管理传感器集线器，将传感器协议转换为 MQTT 协议，然后将数据传递给 MQTT 通信总线。

2. SDK 层提供了诸如 EIS RESTful API、HDD故障预测算法等软件服务。开发人员通过 RESTful API或MQTT 调用这些服务。用户可以添加自己的服务，如机器学习平台、数据库引擎等

3. 基于流的层将Node-RED作为数据流设计引擎，以及SUSI API、WSN和HDD预测节点等附加组件。用户通过图形环境中简单的拖放操作，就可以完成逻辑路径的设计。

4.管理和用户的接口层，用于系统管理和IoT连接配置的 Webmin，使用Node-RED用户界面来呈现IoT/传感器数据。

5.云层可以被预安装，例如利用WISE-Agent 连接到WISEPaaS/ RMM云服务器。

灵活、可扩展的硬件/软件体系结构，可帮助制造企业在集成的生态系统中开发复杂的IoT基础架构，服务于不同的垂直市场。这样的架构可以定制，结合多个软件服务，然后根据要求将其安装在不同的硬件上。

本文来自于《控制工程中文版》（CONTROL ENGINEERING China ）2018年6月刊《技术文章》栏目，原标题为：工业物联网软件平台与边缘智能