浅析边缘计算与智能制造装备
来源:用户上传
作者:
摘 要：本文对边缘计算的概念、发展现状做了概括性介绍，同时对人工智能、云计算、边缘计算、自控系统和智能制造装备间的相互关系进行了系统性阐述，对相关技术的应用和发展方向提出了自己的观点。
关键词：边缘计算；智能制造装备；自控系统；物联网
DOI：10.16640/j.cnki.37-1222/t.2019.13.033
1 概述
边缘计算（Edge computing ），是相对于云计算而言，在物理上临近数据源头就近提供边缘智能计算服务的一种工作模式，它使物联网（Internet of Things，IoT）、智能制造等所需的网络通信、数据存储、实时计算、应用处理等核心功能在靠近工作现场的地方得以完成。边缘计算更好的实现了网络计算能力、工作和通信负载的优化。
智能制造裝备，是先进制造、智能感知和自动控制等先进技术深度融合的产物，是具有感知、分析、决策、控制、执行等功能各类制造装备的统称，是实现制造强国战略的重要环节。
边缘计算为智能制造装备提供了新的技术手段，利用云端大数据进行人工智能分析，对边缘智能制造装备进行安全配置、部署和管理，根据智能制造装备工况、类型和场景进行算法和控制方法的调整，每个智能制造装备都独立具备数据采集、本地存储、智能分析计算、通信及控制功能，以实现人工智能、大数据云端、边缘计算和装备实时自控的协同高效工作。
2 边缘计算
边缘计算并不是最近才出现的一个新概念。边缘计算最早可以追溯至十多年前出现的相关技术和概念。自2014年开始，特别是近两年在万物互联的背景下，边缘数据量呈现爆发性增长，边缘计算开始被广泛关注，相关技术也得到了飞速发展（见图1）。
边缘计算的兴起一方面原因是随着物联网接入终端的爆发式增长，这些终端设备所产生的大量的数据给数据传输、分析和处理带来了新的挑战。据IDC的统计数据和预测，到2020年将有超过500亿的终端和设备联网。尽管随着技术的进步，从设备到云端的网络传输速度和云端的数据存储能力都得到了极大的提高，但如果将这些海量数据全部传输到云计算端进行数据存储、处理分析，将严重影响系统的工作效率并且费用成本高昂，同时由于网络延迟和云端数据处理的时间问题，无法满足实时控制和响应处理。另一方面，随着技术的进步，边缘终端设备的计算、存储和通信能力有了极大的提高，使得原来必须由云端完成的计算可以在无限接近传感器和设备数据源的网络边缘完成，据预测约50%的数据将在网络边缘侧处理分析和存储。
用人脑和眼睛视觉图像认知识别的过程作类比，可以更好的理解边缘计算。人眼并不是一个单纯的光学系统，它不会简单地把投射到视网膜上的图像每一个像素原原本本地传给大脑，而是先对图像信息进行预处理，抽取图形轮廓、纹理、运动方向、颜色和亮度对比等重要特征信息，并把它们编制成神经编码信号传送给大脑。这就极大的减轻了神经传导和大脑处理信息的负担。同样，神经系统反射弧的工作过程也是这种运作模式。这些都是自然进化产生的边缘计算。
边缘计算与云计算是共生共存的，是对计算能力、工作负载、通信负载和响应速度的优化平衡，也会随着软硬件和信息通信技术的进步进行再平衡。
3 边缘计算与智能制造装备
类似于边缘计算的工作方式其实在自控领域早就存在。集散控制系统（Distributed Control System，DCS），自1975年问世，已经经历了四十多年的发展历程，被广泛的应用于生产过程自动化领域。其基本思想核心是集中（分级）管理、分散控制。系统控制功能分散在各现场控制单元上实现，系统结构采用容错设计，任何一个现场控制单元出现故障或离线都不会导致系统其他功能的丧失，大大提高了整个系统的安全性和实时响应速度。同时也有效减轻了系统网络通信负荷，确保系统的可靠性和实时性。
传统自动控制是基于传感器信号的控制，而边缘计算则是基于信息和数据的控制。需要指出的是，受制于网络传输、响应速度等因素，边缘计算虽然相对于云计算来说是低延时，但是其几十毫秒到一百毫秒的响应周期对于高精度机床、工业机器人等许多微秒级的智能制造装备“控制任务”所需的响应速度的而言，过大的时间延迟不能满足真正的实时控制的需要，边缘计算目前还只能被称为“准实时”，从自动化行业的角度来看只能被归在“非实时”的解决方案。但这并不妨碍边缘计算用于智能制造装备，只是所处理的领域和范围不同罢了。
人工智能、云计算、边缘计算、自控系统的相互关系，可以用图2简化描述。
智能制造装备传感器产生的数据上传至边缘网关，并且在网络边缘完成数据的分析和处理，边缘计算节点从各联网设备中获取由多种的协议传送的数据并进行转换，对数据进行实时分析处理再根据预先设定的规则将数据上传到云端。边缘计算分析除了进行数据的转换和
（下转第10页）
（上接第36页）
传输，更可离线独立进行基于规则的算法处理和控制，而不依赖于集中式服务器或云端。处理之后的数据汇集到云端，与其他来源的数据进行再聚合，使用云端人工智能分析引擎进行大数据分析，根据分析结果再将优化的边缘分析模型发送回边缘计算端。边缘计算层不仅同时连接云端、应用层和设备层，还在物联网体系内起到安全隔离作用，确保系统的安全性和工作效率，在这一点上和DCS系统极为相似。
以智能机床为例。机床是装备制造的母机，智能机床是智能制造装备中一个重要的环节。智能机床能自主对生产制造过程进行监控、分析，诊断和修正在生产过程中出现的各类偏差，并且能为生产过程的优化提供解决方案。智能机床通过自动振动抑制、噪音抑制、热变形分析和控制、干涉预防、润滑油量自动调节等，以提高机床加工的精度和效率。目前高速高精度运动控制还是由专用的控制器来实现。而通过边缘计算则可以在各种信息进行储存、分析、处理、判断、调节、优化、控制等方面发挥重要作用。比如，通过对机器工作噪音、震动、功耗、负载等信息的采集汇总分析比对，可以对机器的机械磨损、异常工况、预计寿命等做出判断和预测。这些机器工况数据不太可能（也没有必要）全部上传到云端再进行处理，通过边缘计算节点进行预分析处理，只上传特异性和趋势性的数据到云端，通过云端对此类设备大数据的汇集分析，对比设备的实际运行状态，实现对设备工况的智能研判、故障预测和运行参数的优化调整，同时还可对边缘节点的智能算法、运行规则进行优化修改。
边缘计算在智能装备制造领域有着极其广阔的应用前景，但也存在着许多需要解决的问题，每个智能装备企业都有自己集成系统、产业与边缘计算，边缘计算技术标准的制订、产业化推进和生态体系的构建是下一步工作推进的重点。
4 结语
回顾近十年信息技术的发展，大数据的兴起是因为通信能力、云端存储和处理能力的提高，人工智能的发展则是大数据充分挖掘处理的要求，而边缘计算快速正增长是物联网设备接入的爆发式增长的需要，边缘计算是适用于智能装备制造领域的一项先进技术手段。可以预见，随着工业互联网和5G的应用，原来无法由云端实现的功能将更多的向云端转移，同时更多具有边缘计算功能的智能传感器和设备将得到大量的部署和应用，云计算、边缘计算和智能制造装备将实现和谐统一的共同发展。
参考文献：
[1]施巍松.边缘计算：现状与展望[J].美国韦恩州立大学.
[2]边缘计算产业联盟，工业互联网产业联盟.边缘计算参考架构2.0[DB/OL].
转载注明来源:https://www.xzbu.com/1/view-14697394.htm
