【边缘计算】工业互联网正确打开方式系列（四）：边缘计算

会员服务 ·

【边缘计算】工业互联网正确打开方式系列（四）：边缘计算

2018 年 8 月 31 日 产业智能官

工业互联网正确打开方式系列（一）

工业互联网正确打开方式系列（二）

工业互联网正确打开方式系列（三）

产业智能官：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。

内容源自边缘计算产业联盟ECC 和网络，由产业智能官整理，仅做研究学习使用，请勿商业用途

边缘计算——走在智能制造的前沿

在国家大力推进工业互联网的大背景下，边缘计算将带给我们什么？这值得我们去研究，本文以边缘计算为中心，讨论与之相关的话题。

1、边缘计算并非新鲜词汇

首先要说边缘计算并非是一个新词，早在2003年，AKMAAI与IBM即开始合作“边缘计算”，AKAMAI是一家内容分发网络CDN和云服务的提供商，是世界上最大的分布式计算服务商之一，承担了全球15%~30%的网络流量，在2003年6月9日的一份内部研究项目“开发边缘计算应用”[1]中即提出“边缘计算”的目的和解决的问题，并通过AKAMAI与IBM在其WebSphere上提供基于Edge的服务。

2004年20届IEEE国际会议上， Pang H提到了EdgeComputing，这是比较早的关于EdgeComputing的公开文献，在这篇文章中，Pang H就提到了“边缘计算是为了实现可扩展且高可用的Web服务，它将推动企业的逻辑与数据处理中心到代理服务的边缘侧，其优势在于应用程序在边缘侧的运行削减了网络延迟，并产生更快的Web服务响应”[2]。

基于移动端的Mobile Edge Computing由欧洲电信标准协会ETSI制定并发布白皮书，其构架主要建立在移动通信网络与无线接入网络，由其提供边缘计算服务，这个简称为MEC，这个技术规范由AT&T、华为、NEC、Motorola、CISCO等移动通信领域的企业共同发起制定。

2016年11月30日，边缘计算产业联盟理事长、中国科学院沈阳自动化研究所所长于海斌在边缘计算产业联盟成立大会上介绍了Edge Computing的定义，边缘计算是指在靠近物或数据源头的网络边缘侧，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，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端处理反馈，其处理过程也将在本地边缘计算层完成。这无疑将大大提升处理效率，同时大大减轻云端的负荷，由于更加靠近用户，还可为用户提供更快的响应，将用户需求解决在边缘。

2、物联网应用催生边缘计算

其实无论是云、雾还是边缘计算，本身只是实现物联网、智能制造的一种方法或者技术模式，其实雾计算和边缘计算本身并没有本质的区别，都是在接近现场应用端提供的计算。就其本质而言，都是相对于“Cloud”的计算而言。

2.1、物联网才是大背景

2014年，IBM中国研究院院长沈晓卫在财新峰会上介绍“边缘计算”，将不便于云端计算的放在边缘侧计算，而云端可以访问边缘计算的历史数据。如今全球智能手机的快速发展使得移动终端成为了“边缘计算”的发展对象，为此，沈晓卫表示“构建边缘计算系统将是物联网发展的一大趋势。”

在边缘计算产业联盟成立大会上，华为网络研发总裁刘少伟提到“未来将是一个万物感知、万物互联、万物智能的智能社会，而行业数字化转型是构建智能社会的支柱。”针对行业数字化转型在网络边缘侧面临的挑战，联盟提出了边缘计算产业价值CROSS，即在敏捷联接（Connection）的基础上，实现实时业务（Real-time）、数据优化（Data Optimization）、应用智能（Smart）、安全与隐私保护（Security），为用户在网络边缘侧带来更多行业创新和价值再造机会。刘少伟以“拉瓦尔喷管”比喻联盟的“窄喉”作用，希望通过联盟的运作，支撑边缘计算重点行业的应用创新与示范推广，并通过广泛的生态合作与营销推广，进一步助力更多行业的数字化转型，实现价值延伸。

2016年12月6日，世界智能制造大会在南京举办，来自美国机械工程师学会（ASME）的Keith Roe博士在他的演讲中预测“物联网将在2019年迎来爆发式增长”。

2.2、边缘计算聚焦于IoT应用

来自英国Queen's大学的Blesson Varghese教授在其《边缘计算的挑战与机会》[5]一文中较为有效地描述了边缘计算的动机、挑战与机会，如图1所示。

图1-云、边缘节点与边缘设备

图2对于边缘计算的研究是比较全面的，也是最新的研究。

图2 边缘计算的动力、挑战与机会

图3也同样从延迟角度来分析边缘侧处于低延时段，而云更为“集中”。

2016年IEEE IoT杂志9月刊上，韦恩州立大学的史伟松在其文章《边缘计算：远景与挑战》[4]中阐述了边缘计算产生的原因，主要聚焦于物联网本身对于数据的传输需求，本地的低延迟对数据处理的迫切需求，并延伸了其在工业大数据、智慧城市、智能家居、健康医疗等重要领域的应用。

图3 边缘计算在整个计算中的位置

2.3、IoT即将快速兴起

事实上，物联网的概念已经提出超过15年的时间，然而，物联网却并未成为一个热门应用，任何技术的发展都是曲折的过程，概念到真正的大量应用有一个较长的过程，因为，与之匹配的技术、产品设备的成本、应用的接受程度、对应用与实际结合的试错过程都是漫长的，甚至可能是失败的，因此，往往不能很快形成大量应用的市场。

根据Gartner的技术成熟曲线理论来看，物联网、大数据目前已逐渐进入日常应用领域，据预测，未来5~10年内IoT平台会有较大的发展，但IoT可能会比我们想像更快的速度进入应用爆发期，具体如图4所示。

图4 Gartner技术成熟曲线

2.4、边缘计算产业联盟生逢其时

中国人做事讲究“天时、地利、人和”，这和Gartner曲线有一定的共通之处，不过，欧美人的思维是设计一个工具、模型进行研究，而中国的思维则有点“玄乎”，讲究“悟性”。

尽管边缘计算也不算新鲜概念，但是，ICT厂商华为敏锐地意识到“IoT、IIoT”的应用正在“天时、地利”当口，而成立联盟则是取得“人和”，为此，联合中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术（集团）有限公司共通打造“OICT”融合的平台。

2.4.1、在边缘计算里定义四个领域

设备域：数据节点的问题，目前出现的包括IoT设备以及自动化的I/O采集，略有不同的在于纯粹的IoT设备与自动化的I/O采集有重叠部分，直接用于在顶层优化并不参与控制本身的数据是可以直接到边缘侧的。

网络域：来自自动化产线的数据其传输方式、机制、协议都会有不同，因此，这里要解决传输的数据标准问题，当然，在OPC UA架构下可以直接访问底层自动化数据，但是，对于Web数据的交互而言，这里会存在IT与OT之间的协调问题，尽管有一些领先的自动化企业已经提供了针对Web方式数据传输的机制，但是大部分现场的数据仍然存在这些问题。

数据域：需要解决数据传输后的数据存储、格式等，此外，数据的查询与数据交互的机制和策略问题也需要考虑。

应用域：这个可能是目前最难以解决的问题，针对这一领域的应用模型尚未有较多的实际应用。

2.4.2、边缘计算的架构理解

从图5中，我们可以看到边缘计算产业联盟对于边缘计算的参考架构的定义，包含了设备、网络、数据与应用四域，主要提供在网络互联（包括总线）、计算能力、数据存储与应用方面的软硬件基础设施。

图5 边缘计算参考架构1.0（来自ECC-需求与架构组）[6]

从产业价值链整合角度而言，边缘计算产业联盟提出了CROSS，即在敏捷联接（Connection）的基础上，实现实时业务（Real-time）、数据优化（Data Optimization）、应用智能（Smart）、安全与隐私保护（Security），为用户在网络边缘侧带来的价值和机会，也即联盟成员要关注的重点。

边缘计算产业联盟第一个将OICT融为一体的设想与生态系统构建，按照其成立时反复强调的“不会成为一个开会的组织”，算是比较朴素、务实的市场声音。

边缘计算包括了基础的传输设备（网关、路由，以及对应的通信协议等）、实时数据库、应用分析软件。

3、“边缘计算”产业

3.1、回到问题的本质

IT人擅长于创造概念，OT端的人通常并不擅长此道，这在于两者解决问题的思路不同，结果当然也不同，OT的产品研发过程是基于“问题的解决”，而IT可以去“解决未来的问题”，因为机器的加工精度、速度会存在明确的指标，因此，OT的人不能创造一个“概念”来满足用户，而IT则可以，例如：苹果可以设计一个未来的手机，然后告诉消费者“这就是你想要的手机”，这是IT与OT的不同，也是为何EdgeComputing/Fog Computing概念都首先发起于ICT领域。

边缘计算是相对于云计算而言的，更倾向于在接近应用现场端提供的计算能力，华为的主旨在于提供计算平台，包括基础的网络、云、边缘服务器、传输设备与接口标准等，而Intel、ARM则为边缘计算提供芯片与处理能力保障，中国信息通信研究院则扮演传输协议与系统实现的集成，而中国科学院沈阳自动化研究所、软通动力则扮演实际应用的角色。

各种来自Mckinsey、PwC、Forrest & Sullivan、IHS的分析都把IoT视为未来快速成长的一个领域，最前沿已经出现了各种基于Internet的技术，高通已经提出了Internet of Everything—可以称IoX。

但是，边缘计算/雾计算要落地，尤其是在工业领域，必须明白“应用”才是最为核心的问题，IT与OT的融合，更为强调在OT侧的应用，即运营的系统所要实现的目标。

3.2、OT是解决问题的

边缘计算是在高带宽、时间敏感型、物联网集成这个背景下发展起来的技术，“Edge”这个概念较早为ABB、KUKA、B&R、Schneider等自动化厂商所提及，其本意是在“贴近用户与数据源的IT资源”—这些是属于从传统自动化厂商向IT厂商延伸的一种设计，2016年4月5日，Schneider即为边缘计算定义了物理基础设施，当然了，主要还是打算推广其“微数据中心”的概念。而其它自动化厂商提及云计算/雾计算/边缘计算都将其与IT融合当作未来的一种趋势，并且同时具有Fog/Edge概念。

3.3、Internet+还是+internet？

IT与OT的人对实现智能制造存在着大方向的一致但对主导权的认识不同，Internet+思想是将互联网当作了主导者，借助于ICT技术来推动智能制造，而+internet认为ICT只是辅助，显然，从IT和OT各自的出发点似乎都有道理，但是，无论是放大IT还是OT的作用都是不合适的，因为这里存在着以下的问题：

（1）既然IT和OT都不可或缺，就必须实现两者的融合而非对抗；

（2）IT与OT事实上也是在相互渗透的，自动化厂商都已在延伸其产品中的IT能力，包括Bosch、SIEMENS、GE等厂商在信息化、数字化软件平台方面，也包括B&R、Rockwell等在基础的IoT集成、Web技术的融合方面的产品与技术。事实上IT技术也开始在其产品中集成总线接口、HMI功能的产品，以及工业现场传输设备网关、交换机等产品。

要满足未来工业对数据的采集和分析的需求，必须挖掘边缘计算的应用潜力，并部署好边缘计算架构。其实，无论是概念问题还是实质落地的问题，都必须回到今天我们的本质要做什么？IT与OT通常使用着不同的语言系统，需要进行融合。

4、计算的本质

4.1、“控制”与“策略”问题

事实上自动化是以“控制”为核心进行应用的行业，控制基于“信号”进行，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“调度、优化、路径”，就像对全国的高铁进行调度的系统一样，每增加或减少一个车次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，而同样道理，边缘计算在工业领域的应用更多是这类“Computing”。

因此，我们注意到边缘计算、雾计算虽然是低延时，但是其50ms、100ms级的周期对于高精度机床、机器人、高速图文印刷系统的100μs这样的“控制任务”而言，仍然存在非常大的延迟站，在自动化人的视角，边缘计算所谓的“实时”，本身是被归在“非实时”的应用里。

图6 云计算—边缘计算区分处理数据

概而言之，传统自动控制基于对信号的控制，而边缘计算则可以理解为“基于信息的控制”，参量由信号到了信息，信号控制可以在既有的模型下实现，而信息控制则需要进行学习，因为并没有可依循的确定性高的模型。

4.2、IIoT与边缘计算的目标

考虑到全局的优化，尤其是在个性化生产时代所需的“质量”、“成本优化”、“交付能力”的优化问题：

（1）质量提升的几个应用方向：如何为小批量的产品生产实现动态的过程优化成为了质量控制的难点，基于对被加工对象、以及生产过程中的动态缺陷检测实现加工参数的动态调整，另一个应用需求在于对影响加工质量的因素进行学习，并根据变化自动形成工艺参数的设定。

（2）成本降低问题，对于小批量生产而言，生产的能耗、当机、减速等系列问题引发的都是成本的上升，而这些成本的上升对于小批量的财务核算而言，则会造成单位成本的提升，因此，如何借助IIoT技术来实现能源、维护数据的采集，并通过数据分析来实现成本的优化或为关注的焦点。

（3）交付周期问题：包括在生产现场中如何配比生产订单、根据工艺进行最快的响应能力组合，尤其是在变化的过程中降低生产工艺参数调校所产生的时间浪费将成为影响交付能力的关键。

我们反复强调，智能制造、工业4.0的核心问题仍然是在“个性化时代解决质量、成本与交付的问题”，那么归根结底，边缘计算是提供了计算能力，但计算什么？在管理学上，我们可以归入Operation Management，这属于大的运营管理范畴，包括精益思想、6Sigma等都是设定了管理的目标的。

5、应用仍然为王

5.1、生态系统建设问题

边缘计算其目的是服务于IoT、工业4.0的应用，在本质上并没有区别，联盟本身是为了构建生态系统，因为，在智能制造时代本质上是一种“生态系统”协同共赢的局面，厂商可以根据自己的需要面向不同的领域加入不同的联盟。

但是，OICT厂商都是服务于“制造业”，服务于《中国制造2025》的，归根结底要为制造企业解决全球竞争力的问题。如何生产更具竞争力的产品，提升企业的整体运营效率，而且，从投资回报角度如何计算和平衡，让生产企业真正获利是需要OICT厂商认真思索的问题。

Internet时代最为显著的特征就是“网络协同”，因此基于传统的比对竞争的时代已经过去，正如James F Moore在其《竞争的衰亡》中所描述的“Ecosystem”，企业之间必须依存，商业文化必须改变，传统买卖关系的上下游企业，必须意识到通过合作解决共同的问题才能共同发展，价值链之所以被不断提及就在于从芯片厂商、自动化、ICT、系统集成、机械制造到生产制造这个价值链上的企业都必须共同来面对“消费者”来实现问题的解决，而消费者，又是我们每个人自己。

5.2、工业领域的边缘应用场景

（1）能源分析问题：显然，发电、输配电、供电是最大的网络，在未来能源效率问题会覆盖到整个电力系统的每个环节，而电力对采集有着特殊的需求，包括电力信号的测频、相位等，是IoT技术重要的应用领域。

（2）物流规划问题：无论是企业生产制造环节中的物料配送、还是快递业中的分拣问题，都是需要进行分析和优化的。在物流输送中，巷道车必须根据系统的存取需求，对现有的仓位进行计算，规划出最优的路径，以实现最快速的路径，最短时间完成仓库内部的物料存取任务。

（3）工艺优化分析：工艺优化最为重要的是对质量最为紧密的工艺参数的学习，以便在个性化生产时能够形成自主的参数配置，以及工艺的自适应能力，这种学习对于生产制造商非常关键，也是他们最大的期待，但是，在当前人工智能学习、机器学习还没有很好地与具体工业领域的生产结合，这也是未来边缘计算、雾计算所关注的重点。

（4）生产任务与分配：根据生产订单为生产进行最优的设备排产排程，本身就是计算范围，而这也是MES的基本任务单元之一，而事实上，这些计算附着于由具体MES厂商的软件平台还是依附于“边缘计算”的平台—基于Web技术构建的分析平台，在未来并不会存在差别，从某种意义上说MES系统本身是一种传统的架构，而其核心可以在专用的软件系统，也可以存在于云、雾或者边缘侧。

总体而言，在整个智能制造、IoT应用中，各自分工如下：

自动化可以提供“采集”，并起到数据源的作用，通过分布式I/O采集、总线互联获得机器所产生的机器生产、状态、质量等原生“信息”。

通过MQTT/AMQP进行数据的传输，OPC UA是一种基本的OT遵循协议，而针对IT的MQTT协议，也进行了支持。APROL EC扮演着不同的边缘计算角色，不管是针对老的工厂改造升级，还是一个全新的工厂产线，或者一台大型设备，都可以采用这一方式进行数据的采集与传输，并送至本地的边缘计算侧，具有几种方式的传输模式。

图7 APROL的边缘计算架构

ICT厂商提供“传输”，因为在如何提供数据的传输、存储、计算方面，ICT厂商有其传统优势，另外在成本方面，已经有云平台的优势。

智能分析软件厂商提供“分析”，包括了“边缘计算”、“云计算”的“计算”而非仅仅提供基础设施平台，如Google、IBM这样在更大的金融、交通、能源领域的大数据集成能力，也包括了众多中小型企业在垂直领域进行分析的能力。

终端生产企业则是需求的来源，因为产业链协同最终是为其解决“质量、成本、交付”的核心问题。

作者简介:

宋华振，现任贝加莱工业自动化（中国）有限公司市场部经理，兼任POWERLINK中国市场推广经理，SAC/TC124委员，并担任边缘计算产业联盟（ECC）专家委员会专家，联讯动力特邀技术专家。

参考文献

[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] 史扬. 边缘计算参考1.0架构分享[R]. 边缘计算产业联盟成立大会，2016.

边缘计算参考架构2.0

边缘计算如何加速工业4.0发展？

德国弗劳恩霍夫研究机构FOKUS研究所下一代网络中心主任- Prof.Dr. Thomas Magedanz

工业互联网中边缘计算的实现方法

来源控制网

摘要：工业互联网是新工业革命的关键支撑和智能制造的重要基石，已经成为国家战略。构建企业工业互联网系统，核心是平台，如同一个智能体的心脏，工业互联网平台是系统建设的核心，用于汇聚数据、处理数据、准备数据，并驱动数据向工厂各处输送活力。而在平台建设中，边缘计算技术应用以及边缘与云端功能的分担是一个重要的话题。

关键词：工业互联网；大数据；边缘计算服务；云中心

Abstract: The industrial Internet, which has been a national strategy, is the key support of the new industrial revolution and an important cornerstone of smart manufacturing. To construct a platform in the enterprise industrial Internet, the key point is the platform, which is similar to the heart of an agent. The platform isused to gather, process and prepare data, and drive information to any corner of the factory. In the construction of platform, the application of edge computing technology and the sharing of edge and cloud functions are still important topics.

Key words: Industrial internet; Big data; Edge computation service; Cloud center

1　工业互联网是智能制造的突破口

2015年5月，国务院发布了《中国制造2025》，围绕先进制造和高端装备制造，前瞻部署重点突破的战略领域，描绘了未来三十年建设制造强国的宏伟蓝图和梯次推进的路线图，是一份总的行动纲领文件；2015年7月，国务院关于积极推进“互联网+”行动的指导意见，提出了“充分发挥中国互联网的规模优势和应用优势，推动互联网由消费领域向生产领域拓展，加速提升产业发展水平，增强各行业创新能力，构筑经济社会发展新优势和新动能”；2016年5月，国务院发布了《关于深化制造业与互联网融合发展的指导意见》，指出：制造业是国民经济的主体，是实施“互联网+”行动的主战场；2017年11月，国务院《关于深化“互联网+先进制造业”发展工业互联网的指导意见》正式发布，“工业互联网作为新一代信息技术与制造业深度融合的产物，日益成为新工业革命的关键支撑和深化“互联网+先进制造业”的重要基石”，明确提出“构建网络、平台、安全三大功能体系，增强工业互联网产业供给能力。”并明确了与《中国制造2025》三步走相适应的一系列发展目标，至此，工业互联网上升为智能制造国家战略。

2018年年初，工业互联网高峰论坛在北京举行。时任国务院副总理、国家制造强国领导小组组长马凯出席会议并发表了重要讲话，指出：“工业互联网是新工业革命的关键支撑和智能制造的重要基石。工业互联网通过实现人、机、物的全面互联，促进制造资源泛在连接、弹性供给和高效配置。推动制造业创新模式、生产方式、组织形式、商业范式的深刻变革，和全球工业生态体系的重构迭代和全面升级。”

今年两会报告，工业互联网被写入了总理的政府工作报告，明确指出：“实施重大短板装备专项工程，发展工业互联网平台，创建‘中国制造2025’示范区。”

2　工业互联网是一个复杂的智能体

工业互联网的概念首先由GE提出。在《工业互联网——打破智慧与机器的边界》中，GE以航空发动机全生命周期管理为例，阐述了工业互联网的内涵，明确了工业互联网建设中的三个关键要素，即：智能机器、高级分析和工作中的人。可以认为，工业互联网是数据流、硬件、软件和智能的交互。

为了抢占工业互联网的制高点，跨国企业巨头进行了大量的投入，不仅在技术概念的研究、商业模式的设计上占据了话语权，同时利用先发优势，打造工业互联网平台，最具代表性的是：GE的工业互联网操作系统Predix，Siemens基于云的开放式物联网操作系统MindSphere。

工业互联网系统是一个复杂的智能系统，它是OT（Operation Technology）和IT（InformationTechnology）深度融合的产物，“工业互联网是一个整体，当前时髦的信息技术，都在工业互联网系统大框架之下。”国家信息化专家咨询委员会常务副主任周宏仁说到。

企业工业互联网系统涉及到下列产品制造和企业运营要素：

（1）装备是工厂运转的基本单元，感知环境、生成数据、执行指令、精准控制；

（2）互联互通的网络，实时、动态、透明的传递数据、输送信息；

（3）用于汇聚数据、处理数据、准备数据的平台，并驱动数据向工厂各处输送活力；

（4）工业APPs遍布工厂自下而上的每一个角落，表达控制逻辑、传递决策指令；

（5）模型描述是控制和决策的基础，支撑决策中枢，人工智能技术应用取决于模型。

企业工业互联网系统是一个由模型、软件、平台、网络和工业装备组成的复杂的完整的智能系统，而其中数据就像智能体的“血液”一样，贯通肢体到中枢，是智能体产生活力的源泉。

3　工业互联网建设要以数据为中心

3.1　现存系统架构中数据的流动方式

通常，制造企业都拥有多个、不同时期投入、不同IT公司提供的独立开发的软件系统，这些软件都有自己独特的理念、青睐的供方以及专门的系统。由于系统的建设是一个较长的时间过程，除了技术发展的限制外，为了不影响在线系统运营，最简单的办法是：在多个低层级系统之上（或多个系统之外）构筑一个新系统，将所有低层级系统的数据按照既定的需求处理后上传，以实现数据共享并开发跨系统的应用功能，由此造就了系统层次不断增多，架构复杂（如图2所示）。

大量的经验数据表明：信息系统的开发建设时，需要大量的时间精力（30%-40%）来处理数据交互的问题，包括：通讯规约、电文格式等；为了保持设备日常正常运转，企业需要花费大量时间和精力去处理、传达和交换信息，非常低效。

· 数据逐级上传，以满足上层管理和决策特定目标需求；

· 数据样本是根据既定目标进行选择并处理后进行传输的；

· 大量原始数据的微观属性价值被过滤而不复存在；

· 同级或周边系统无法直接分享数据，需要经过上位系统周转；

· 数据样本多用于已经在设计之初就明确的单一目的，数据价值未充分发挥；

· 上位系统基于数据的决策以非实时的方式逐级下达并执行。

通过对系统架构和功能的重构，一个重要的外在特征是系统更加扁平化。

3.2　数据服务业务重要性日益凸显

在过去若干年信息系统建设中，由于受到技术、管理、认识等多种因素的限制，往往不会刻意去区分两类业务，在已经建设的系统中，除了流程型业务的设计之外，也有大量的数据应用的业务，彼此紧密地交织在一起，这种方式可以保障在有限数据样本情况下，满足特定的计算需求；其不足在于数据样本选择是事先确定的而且是固化在程序中，无法灵活方便地进行调整。

这两类系统的数据源是同源的，但对数据处理所擅长的领域又不同，流程交易类服务主要是实时处理数据，数据服务的系统则是对量大、面广的数据做批处理，两者相辅相成、交织并存。但必须看到，支撑两类业务运行的技术和平台配置要求有很大的不同，源自对数据样本获取和使用的原则和方法不同，同时，在实践中，还要考虑既要减少对现有业务系统的干扰，又要增强数据的业务应用。

随着大数据的概念日益被接受，技术日臻成熟，使得打造一个专门从事数据业务的平台环境具有了技术的基础，同时也使得在一个专门的大数据平台上更多的运用数据成为可能，所以，将重要的、业已存在的数据服务型任务剥离到数据平台上运行不仅可能，而且必要；特别是在企业大数据平台上，可以方便地获取数据、灵活地使用算法工具、甚至“天马行空”式的在数据中耕耘，有助于企业知识的积累，有可能通过大量、多源时空数据发现更多的价值。

4　平台是工业互联网的核心

工业互联网系统中，平台是“心脏”，是企业运行数据的中心汇聚点，汇聚数据、处理数据、准备数据，并将数据信息输送到工厂各处，产生活力。必须构建一个能使所有系统实现互联互通的平台。在此平台上，信息的传递不再是上下节点的传递关系，而是全流程的信息打通，所有信息流和任务流都通过这个中间平台交互，让信息传递平台化。平台上任何一个工作节点都是对等的，从而实现技术架构上的去中心化和系统扁平化，每个系统或设备可以被视作可提供不同复杂程度的服务，实现服务化。

4.1　基于工业互联的企业数据系统架构

参照美国工业互联网联盟（IIA）提出的工业互联网参考架构（图2），将系统分为三个层级，分别为：边缘级、平台级、企业级。

这个参考架构明确定义了各层级的功能、技术特征，同时较好地阐述了此架构与业务系统（业务域）之间的对应关系。

4.2　企业工业互联网平台构成

当我们讨论制造装备时，有两个不同的考虑视角，从智能制造而言，关注装备智能化问题；从工业互联网的角度，则将装备视为产生数据的边缘装置，讨论装备对工业互联网的影响。

企业工业互联网建设中首先要解决的一个最重要问题是：数据采集和接入，这是与社会互联网的最大区别所在，也是GE、Siemens等不将自身的平台简单定义为一个云端平台的重要原因。

（1）现场多源异构数据的实时接入与可靠传输企业大数据与传统数据仓库的区别主要不在于数据量大，而在于数据多源。建设企业数据系统，在数据采

集上要关注数据全样本的收集，其特征体现在数据的多源、多维度、多结构、多尺度。

根据对钢铁制造现场实际系统现状分析，工业现场数据归类如图3所示。

· 大量的多源、多时空尺度、多采样周期时序数据构成了现场工业数据的主体；

· 众多非结构化数据，如：工业电视、特殊仪表等；

· 未来，会有大量的来自移动终端的结构化和非结构化的数据接入系统，数据传输的协议规范也各不相同，包括：232、485、104、OPC协议，TCP/IP协议，数据库DB-LINK等。

（2）边缘计算资源的有效利用

为了对现场多源、异构数据归一化处理，同时兼顾计算和网络资源以及数据传输的有效性等，形成云端和边缘计算资源的合理和优化配置，既保留数据的原始属性，又避免无谓的网络与存储和计算资源开销，需配置数据采集区域服务器资源。

（3）云端数据平台架构

大数据平台的核心是面向不同数据类型的分布式存储，以及在存储之上搭建的分布式并行计算框架，通过内嵌丰富的算法包，实现对数据的计算和分析。对下，提供面向多元数据源的数据接入方式，使外部系统的数据能方便地接入大数据平台；对上，提供面向复杂应用系统的多样化展示方式，满足更高的数据可视化需求。

大数据平台服务按微服务架构设计，服务可分拆、可裁剪，可按模块化方式进行独立部署，系统可伸缩性，使得业务系统可以根据需求选择对应的服务进行非全量部署，降低了对硬件资源的要求。对于部分非关键性应用，如果无需分布式存储和处理的要求，甚至单服务器就可以实现系统的部署。

除了与数据存储、检索、展示等必备的功能之外，平台还需要配备必要的数据分析软件和工具，以便于用户方便地用于数据的分析。

某些功能既可以在边缘端实现，也可以在云端实现，取决于具体需求和资源配置情况。重要的是：系统要提供便捷的功能配置工具，使得云端与边缘端功能分担的配置可以灵活实现。

（4）云端与边缘功能配置与协同

如前所述，平台的功能是汇聚数据、处理数据、准备数据，并将数据信息输送到工厂各处，产生活力。

有些功能可以配置在云端，也可以部署在边缘，这主要视具体需求而定，需要在设计中提供一个便捷的技术手段，灵活地加以处理，所以，作为平台的两极，边缘与云端同时存在，构成一个整体，按照具体需求进行最优的功能分担设计和配置，将成为企业工业互联网平台构建的一个非常重要的问题（如图5所示）。

区域服务器的首要任务是对上述所有数据进行归一化处理，使之按照预先定义的格式归一化，并按照标准的TCP/IP网络协议上传大数据平台。

另外，视不同场景和需求，区域服务器还可以承载更多的可以在数据上传云端之前需要完成的许多必做的技术处理。至于具体在边缘完成还是在云端进行，一个重要的原则是：能够在边缘进行的工作，不要配置在云端。

5　企业数据系统建设实践

5.1　区域数据服务系统构成

数据采集采取区域汇聚原则

即某制造工序的所有数据均由本区域配置的数据服务器统一汇聚处理，从而可以在区域确保数据的时空一致性、确保数据基础模型的一致性。

首先按照厂部配置，如果一个厂部范围由于产线多、数据复杂等因素，单台服务器无法满足，可按照相同标准配置第二台，数据接入可按照产线（工序）来划分，原则是同一产线的相关数据接入同一台服务器，以便数据模型的管理。

区域数据服务器的配置原则

尽可能采用相同的标准配置所有区域的数据服务器，包括硬件、软件和功能，从而降低个性化开发的成本，便于扩展和维护。

区域数据服务器软件配置

数据采集采用宝信iCV软件实现，iCV具备先进可靠、具备众多功能和对系统接口，能够提供一体、可灵活配置、实施简便的开发环境；

高速数据存储使用实时数据库iHyperDB实现，通过配置建立好连接方式及存储参数后，所有选定的实时数据会自动传输至实时数据库中并作为原始数据存储，关系型数据采用开放式关系型数据库如MYSQL等进行数据存储；

数据处理、匹配、管理采用iBatchCube软件，可以将基础自动化原始数据根据业务规则形成与生产相关的批次数据。

配置ETL引擎，以便从关系数据库表中抓取数据，如过程计算机等系统。

5.2　数据服务功能构成

利用区域数据服务器的边缘计算能力和软件工具，对汇聚于服务器节点的所有现场数据进行分类预处理（如图6所示）。

数据汇聚

将区域内各种采集数据（包括：工业设备状态的常规物理量数据、环境与工况情景数据、漫游在此区域无线覆盖范围接入的数据等），均通过适当的接入方式汇聚到此服务器节点，接入方式可以是直接接入，或通过网关转接等。

协议转换

现场数据采集和传输的方式多种多样，并通过不同的网络协议接入，服务器必须具有接入各种接口协议的适配能力，并将不同数据格式、数据速率等转换成统一的网络协议，向上传送。

减量解析

数据从各种不同的专业系统汇聚而来，其数据的类型各不相同、数据的颗粒度也不尽相同、数据的原始结构也各有差异，所以要在数据传送到大数据平台前对数据进行处理，如：采集的数据进行噪音处理、异点剔除等；必要时，按照对数据质量的不同标准，选择适当的压缩方法，对数据进行压缩处理，减低网络资源需求。

数据缓存

具有足够的存储现场数据资源空间，以保证在与大数据平台进行数据交互不畅时，可以缓存数据能力，缓存时段可定义。

OPC服务

提供标准的OPC服务，在需要时，便于与其他同级服务器间进行数据交互。

时序匹配（数据关联）

主要是通过建立数据之间的关联关系，确保数据的时空一致性。

· 时序关系：保证数据时间顺序的正确关系，尤其是事件数据；

· 批次处理：根据业务规则，将原始数据形成与生产相关的批次数据，是后续数据应用的基础；

· 动态判定：可以基于本区域数据完成一些简单的异常判定、自动向系统输出日志或报警，该报警可作为标准业务流程的触发源。

与时空一致性关联相对应的是涉及业务内涵和逻辑的数据建模，经处理的数据从不同的专业和业务核心概念来对数据进行多维度的建模，依据数据后续的业务用途进行关联性整合，这类建模工作一般会在云端基于全样本数据进行，如：设备状态信息要对应到相应的材料归并，生产实绩信息要和产品信息相关联等。

结构解析

对于某些非结构化数据，在需要时，可以进行简单的（初级的）结构化处理，以降低数据传输对网络资源和云端存储资源的需求。

数据传送

写入大数据平台有如下几种方式：

· 通过实时数据库配置方式，定周期地把tag点数据传递到大数据平台，也可选择压缩后传递；

· 对于数据库，可采用大数据平台的ETL工具，定周期地把数据抽取到大数据平台；

· 本地编程，写远端的大数据OTS和PDS；

· 通过TCP/IP编程方式把数据传递到大数据平台。

6　小结

工业互联网建设已经上升到国家战略。企业工业互联网将有效地赋能智慧制造。

企业工业互联网系统涉及到各种各样的技术，但数据是一切设计的着眼点，而平台则构成工业互联网的核心。

对于工业系统，构建平台要兼顾云端和边缘计算资源的有效利用，而边缘计算环境的配置和功能设计，对于数据效率至关重要。

参考文献：

[1] The Industrial Internet of Things Volume G1: Reference Architecture[Z].

[2] peter C. Evans. Marco Annunziata.工业互联网——打破智慧与机器的边界[M]. 2015.

摘自《自动化博览》2018年5月刊

边缘计算在智能制造领域的应用

摘要：他从软件定义一切的时代已来；智能制造基于策略模型实现业务快速部署和运营；网络边缘侧实时数据具有独特价值，面临CROSS（Connection；Real-time；Data Optimization；Smart；Security）挑战；现场数据无需都上云，在工业现场需要分布式生产云；边缘计算面向智能制造的系统抽象，识别和定义关键的功能和技术；工业联接技术现状，智能制造需要解决联接基础问题；异构计算满足业务实时和多样性等方面，阐述了在智能制造领域中如何应用边缘计算的架构。

机器人产业与边缘计算

沈阳新松机器人自动化股份有限公司中央研究院副院长杨奇峰

摘要：从中国工业机器人产业发展现状，介绍了新松机器人产业现状与未来布局，又从机器人与边缘计算结合，拓展到智能制造、智慧生活的整体解决方案。

数据驱动边缘计算安全

数据驱动边缘计算安全

360企业安全集团总裁-吴云坤

工业机器人边缘计算控制器测试床

1 实验平台名称

工业机器人边缘计算控制器测试床

2 发起单位

沈阳新松机器人自动化股份有限公司

3 目标和概述

目前的机器人控制器，既包括运动规划和控制功能，也包括具体行业应用功能。在应用上存在以下两点制约：一是行业类应用与机器人的基础控制耦合程度深，不利于应用功能的开发、升级和转换；二是机器人控制器的接口能力和计算能力有限，对PLC/传感器/智能仪表/智能IO等周边设备接入和控制的支持差。

边缘计算控制器测试床实验平台的第一个目标是将机器人控制器分为边缘计算控制器和运动控制器两部分，以实现应用功能和运动控制功能的解耦。运动控制器提供运动规划和控制，并对边缘计算控制器提供标准交互接口。边缘计算控制器提供两方面的功能，一是机器人的标准服务，如安全、监控、智能诊断；二是具体的行业应用软件包，如码垛、点焊、弧焊等工艺包，多机器人协调、调度等机器人扩展服务。

边缘计算控制器测试床实验平台的第二个目标是提高机器人的接口能力和计算能力，使机器人能便捷的完成与PLC、各类传感器、智能仪表、智能IO模块等周边环境设备的数据交互。并通过提供计算能力，使边缘计算控制器可以完成工作站或生产线的控制功能，提高机器人的适用性。

基于以上两个目标，边缘计算控制器需要实现通信、数据和应用三个平台的建设：机器人的通信平台，使边缘计算控制器能便捷的完成与PLC、各类传感器、智能仪表、智能IO模块等设备的数据交互；机器人的数据平台，使机器人自身数据、工作站等环境数据得到有效的采集和管理，以应对行业应用统计和分析使用；机器人应用平台，通过搭载监控、智能诊断、安全等机器人服务，集成码垛、调度、点焊、弧焊等工艺包，扩展工业机器人应用领域，提高信息化程度和生产制造服务质量。

4 应用场景

工业机器人主要应用于生产制造车间，图1为生产制造车间控制系统的参考模型（参考ISA95生产制造控制和调度模型）。机器人设备作为执行装备处于Level 0，运动控制作为直接控制系统处于Level 1，边缘计算控制器实现流程控制和管理监控等功能，处于Level 2，它需要完成与底层直接控制设备的数据采集、监控，并进行流程控制，在数据交互、数据存储和应用控制三个层面进行功能的设计和开发。

图1 生产制造控制系统分级

5 预期成果

边缘计算控制器实验平台集成了生产制造业智能设备、各类传感器、仪表等连接，工业机器人及其周边设备的运行数据采集，并在此基础上集成机器人工艺包、智能维护和诊断、监控、机器人管理等应用服务，预期成果如下：

给最终客户带来什么好处？

1. 基于工业机器人的工作站或产线配置更加便捷，降低了机器人系统的集成难度；

2. 提供了机器人监控、维护等一站式服务，节省了产线或工作站在这方面的建造成本。

3. 机器人更加柔性，可通过工艺包切换完成机器人应用切换。

4. 提高了机器人的本地运算能力，通过多个边缘计算控制器搭建的分布式数据存储和分布式计算，有效提高机器人边缘侧的计算能力，最终用户可以节省复杂计算应用计算服务器及其系统的搭建费用。

5. 提高了工业机器人在维护、维修管理方面的效率。

6. 提供了工业机器人连接云端服务的接口，提高机器人信息化程度，最终用户可以便捷的搭建云端服务平台而不用担心设备端对物联接入是否支持的问题。

7. 点焊、弧焊、码垛、调度、安全、视觉定位等多种应用工艺包的集成，有效扩展机器人功能性，使机器人可以为用户提供更多的服务。

给机器人设备供应商带来什么好处？

1. 机器人设备更容易接入自动化产线，系统集成上节约了很多成本和时间；

2. 上层应用支持对底层设备的实时状态和数据的检测、支持设备故障上报、设备数据统计分析以及可视化管理，降低设备供应商在数据监控和采集上花费的成本；

3. 通过异常和故障信息的采集，进行自诊断，分析，可远程为用户服务，解决简单的问题，减少不必要的现场服务次数；

4. 控制器支持多级离线控制模式，上下行网络故障时可保证日常的计划任务正常执行，保证系统的可靠运行；

5. 对机器人数据进行远程获取和统计分析，更好的为生产服务做基础。

6 商业价值

随着工业机器人的普及和推广，机器人行业的竞争也越来越激烈，提高机器人竞争力，推广适用场景，是提高机器人商业价值的关键。边缘计算控制器规划为一个应用集成平台，比如用户在边缘计算控制器中加载新松提供的码垛工艺包，机器人就具备了码垛功能；加载数据监控模块，机器人就具备了数据上传和监控的功能；同时用户还可以在边缘计算控制器中自行设计和开发工艺流程。综上，通过机器人厂家提供的行业应用标准工艺包和用户自行开发的工艺包，提高机器人生产服务质量，使工业机器人的应用场景越来越广泛，从而使机器人行业创作越来越多的商业价值。

边缘计算控制器将机器人的安全、管理、智能诊断等机器人服务作为标准服务集成，机器人供应商可以有效的采集机器人及其周边环境的运行数据，监控和管理机器人产品，并深度挖掘所采集数据的价值，提高机器人及其服务的质量。因此，基于工业机器人边缘控制器的产品管理和分析系统，能有效降低机器人售后维护的投入，并提高产品服务质量。因此，在产品管理和售后服务方面，边缘计算控制器也有很高的商业价值。

7 社会价值

边缘计算控制的社会价值体现在两个方面，一是开放的应用开发平台，可以形成工业机器人资源建设和分享平台，在机器人教学、机器人应用场景拓展、生产自动化改进等方面都有很好的社会价值；

二是机器人功能性和易用性提高后，可以适用更多的应用场景，机器人可以承担更多环境下人们不愿意从事的工作，使人们从繁重重复的劳动中解放出来，去做更多创造性的工作。