当前位置：今日智造 > 智造快讯 > 热门直播 > MES

视点丨边缘计算——走在智能制造的前沿（下）

2017/5/10 12:39:34 人评论次浏览来源：控制网分类：MES

作者/宋华振

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。