無論IT端還是OT端的主流廠商都將目光聚焦在了“邊緣計(jì)算”這個(gè)焦點(diǎn)上，顯然，這并非是為了概念，對于OT廠商而言，傳統(tǒng)的控制系統(tǒng)任務(wù)聚焦在控制的實(shí)時(shí)性、穩(wěn)定性，而隨著數(shù)據(jù)的需求變大，如圖1所示，包括了機(jī)器、產(chǎn)線、過程、基礎(chǔ)設(shè)施中的物流、質(zhì)量、能源、運(yùn)營維護(hù)等數(shù)據(jù)的集成，以獲得全局優(yōu)化，這也的確需要更為開放、大容量支撐的數(shù)據(jù)處理架構(gòu)來提供新的業(yè)務(wù)發(fā)展，因此，開始向著IT方向延伸，并推出其解決這些問題的邊緣計(jì)算方案。而IT端則借助于在通信網(wǎng)絡(luò)、軟件技術(shù)等，希望將其資源與工業(yè)場景融合，以實(shí)現(xiàn)市場的分?jǐn)偅ふ倚碌臉I(yè)務(wù)增長。

圖1-工廠數(shù)據(jù)的集成層次

本文試圖通過一些更為簡單的描述來闡述“邊緣計(jì)算”，避免過于專業(yè)的詞匯、復(fù)雜的模型。

簡要理解邊緣計(jì)算的維度

1.控制與計(jì)算的不同視角看邊緣計(jì)算

用一個(gè)簡單的例子來說明控制與計(jì)算的不同，1臺AGV小車沿著路徑運(yùn)動，它運(yùn)動的精度和速度由一個(gè)控制器來實(shí)現(xiàn)即可，這里的控制器采集物理的速度、位置信號，并對運(yùn)動的速度、位置進(jìn)行動態(tài)的調(diào)整，但是，100臺AGV小車在工廠里分布，然后如何最短路徑、且不與其它AGV碰撞，那么這個(gè)規(guī)劃算法就是一個(gè)“計(jì)算”的場景，在這個(gè)場景中，這個(gè)規(guī)劃算法核心在于為每個(gè)AGV制定調(diào)度策略，并給予指令，它的問題是在全局的層面，而不是單機(jī)層面，但也需要一定的實(shí)時(shí)性采集每個(gè)車輛的參數(shù)來運(yùn)行。

類似的場景非常多，例如火車的調(diào)度、飛機(jī)的班次都屬于這類問題，另一類也包括優(yōu)化問題，最優(yōu)、最經(jīng)濟(jì)、利益最大化的策略問題，但是，共同是基于全局的策略、規(guī)劃、優(yōu)化、調(diào)度問題。

2.在物理與數(shù)字的邊界上工作的層

當(dāng)然，也可以從另一視角，即，在整個(gè)智能制造中的層次架構(gòu)來看，通過數(shù)字建模將整個(gè)制造的物理系統(tǒng)在數(shù)字世界對應(yīng)的模型，然后，通過邊緣層進(jìn)行實(shí)時(shí)的數(shù)據(jù)采集，將生產(chǎn)的現(xiàn)狀反饋給信息系統(tǒng)，在測試驗(yàn)證、運(yùn)行、維護(hù)的各個(gè)階段，都可以在虛擬系統(tǒng)中對制造的工藝、參數(shù)、策略進(jìn)行優(yōu)化，進(jìn)而下載到物理系統(tǒng)，并且可以根據(jù)物理系統(tǒng)的變化在虛擬系統(tǒng)中進(jìn)行調(diào)整，這是一個(gè)不斷交互的層面，因此，邊緣計(jì)算可以被理解為在數(shù)字與物理世界間的協(xié)作層。

3.靠近地面的云

云計(jì)算也很火熱??！它和邊緣有什么區(qū)別呢？簡單的說，邊緣就是靠近地面（現(xiàn)場）的云，這個(gè)理解起來有幾個(gè)維度：

--時(shí)間維度：它的時(shí)間周期處于云的長時(shí)間周期（s,Day,Week,Month）和控制的短周期（mS-μS）之間，比如在100mS級別的任務(wù)，就像機(jī)器人協(xié)同的周期可以定義在mS級即可。

--職能維度：它比較了解現(xiàn)場，一方面，作為接近OT端的存在，它需要了解各種現(xiàn)場總線，解決數(shù)據(jù)的連接問題，而另一方面它需要有IT經(jīng)驗(yàn)，包括實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)存儲、Web技術(shù)發(fā)布等，因此，邊緣計(jì)算是一個(gè)銜接現(xiàn)場控制與云端服務(wù)之間的架構(gòu)層。

簡單說，邊緣計(jì)算就是位于工廠整體調(diào)度規(guī)劃軟件層與現(xiàn)場層之間，進(jìn)行協(xié)同的基于信息的策略與優(yōu)化問題。

哪些應(yīng)用可以放在邊緣側(cè)進(jìn)行計(jì)算？

1.資產(chǎn)與數(shù)據(jù)管理

當(dāng)我們討論工業(yè)4.0那會，就討論了數(shù)據(jù)對象的問題，包括物流倉庫中的原材料、在制品（在線物流）、成品倉庫，這些都是要處于監(jiān)測之下的，因?yàn)閭€(gè)性化生產(chǎn)需要精準(zhǔn)的計(jì)量每個(gè)產(chǎn)品的質(zhì)量、能源、機(jī)器、人工的消耗，而另一方面，包括你的設(shè)備資產(chǎn)處于的狀態(tài)也必須被監(jiān)測到，這些都是需要處于透明狀態(tài)下的，否則，你都不知道你每天加工了多少個(gè)產(chǎn)品，而整個(gè)生產(chǎn)和產(chǎn)線的運(yùn)營基準(zhǔn)就是你要知道你的家底。

圖2-資產(chǎn)性能監(jiān)測器的邊緣計(jì)算架構(gòu)

圖2即是一個(gè)基于ABB Ability與現(xiàn)場設(shè)備集成的資產(chǎn)性能監(jiān)測器的架構(gòu)，可以通過邊緣側(cè)的數(shù)據(jù)采集、存儲到云端，除了本地實(shí)時(shí)顯示，也可以為遠(yuǎn)程的移動端提供訪問，采用邊緣計(jì)算架構(gòu)主要借助于IT成熟的網(wǎng)絡(luò)、軟件資源。

2.生產(chǎn)運(yùn)營中的監(jiān)測

OEE就是個(gè)最簡單的計(jì)算例子，你可能覺得它太簡單了，就是A*P*Q三個(gè)指標(biāo)，而且就是“加減乘除”計(jì)算，是的，計(jì)算本來就是這樣的，難道非要微積分，高階函數(shù)、非線性才是計(jì)算嗎？

OEE對于制造企業(yè)非常關(guān)鍵在于，這個(gè)參數(shù)直接反映了生產(chǎn)的效率問題，如果你投資了10億建了生產(chǎn)線，然后它的OEE只有50%，你可以理解為這個(gè)生產(chǎn)線50%的時(shí)間在幫你賺錢，另外50%的時(shí)間在幫你浪費(fèi)，而這個(gè)浪費(fèi)的還比你賺錢快，你就知道OEE何其重要。

當(dāng)然了，生產(chǎn)中的質(zhì)量分析SPC-過程統(tǒng)計(jì)分析、帕累托圖之類都可以通過這些計(jì)算來呈現(xiàn)。

圖3-對于老工廠的性能數(shù)據(jù)統(tǒng)一集成

圖3是一個(gè)老工廠，可以通過多種方式集成數(shù)據(jù)，并應(yīng)用于數(shù)據(jù)的管理，包括OEE的整體統(tǒng)計(jì)，便于生產(chǎn)運(yùn)營人員對整個(gè)產(chǎn)線進(jìn)行調(diào)整。

3.策略優(yōu)化問題

舉個(gè)例子，印刷廠里接了A4、B5各種尺寸的訂單，但是，一般印刷機(jī)都是對開四色印花機(jī)，那么，這個(gè)訂單如何在一個(gè)紙張上最大的使用，就是一個(gè)“拼單”的問題，這個(gè)就是一個(gè)節(jié)省成本的算法，包括玻璃在線切割也是，一般玻璃產(chǎn)線出來的幅面比較大，而且在線檢測系統(tǒng)會對玻璃的質(zhì)量進(jìn)行監(jiān)測，然后與訂單進(jìn)行匹配，在線裁切出不同需求的，用于汽車行業(yè)的玻璃和用于建筑行業(yè)的玻璃自然品質(zhì)要求不同，讓訂單與生產(chǎn)實(shí)時(shí)匹配也是一個(gè)邊緣應(yīng)用場景。

4.智能協(xié)同

就像無人駕駛的場景，交通擁堵多半來自路口，而當(dāng)綠燈亮的時(shí)候，每個(gè)人的反應(yīng)速度不同，有的人甚至因?yàn)榇螂娫挾R數(shù)秒才啟動，而如果采用統(tǒng)一的車-車之間的數(shù)據(jù)協(xié)同，每個(gè)車都可以同時(shí)啟動，就保持了交通的通常，而另一方面，當(dāng)車-車間及時(shí)的數(shù)據(jù)交互，就會產(chǎn)生潛在風(fēng)險(xiǎn)的消除，因?yàn)楸３周嚲嗟牟呗钥梢员粓?zhí)行。

邊緣協(xié)同就是扮演，通過數(shù)據(jù)的協(xié)同，保持車輛的同步啟動、等車距等安全、高效的交通調(diào)度，這樣就可以使得交通最大的優(yōu)化，大幅度降低堵車的可能。

5.預(yù)測性維護(hù)問題

預(yù)測性維護(hù)在傳統(tǒng)上基于機(jī)理模型、機(jī)械失效分析等方法，往往需要復(fù)雜的建模、專業(yè)的人員，而通過邊緣側(cè)的數(shù)據(jù)采集、處理，基于數(shù)據(jù)驅(qū)動型的機(jī)器學(xué)習(xí)方法，充分發(fā)揮算法、模型的作用，借助于計(jì)算機(jī)的算力、學(xué)習(xí)能力來尋找最優(yōu)的維護(hù)參數(shù)，并獲得更高的預(yù)測準(zhǔn)確度。

根據(jù)行業(yè)屬性、現(xiàn)場工況、以及實(shí)際的運(yùn)行參數(shù)，選擇合適的特征值，并進(jìn)行學(xué)習(xí)，獲取最優(yōu)的參數(shù)，以對機(jī)器的狀態(tài)進(jìn)行故障預(yù)警，提高設(shè)備利用率，并降低宕機(jī)及其帶來的生產(chǎn)運(yùn)營損失。

文章來源：信息化和軟件服務(wù)網(wǎng)