淺析邊緣計算與智能制造裝備

張宇翔

摘 要：本文對邊緣計算的概念、發展現狀做了概括性介紹，同時對人工智能、云計算、邊緣計算、自控系統和智能制造裝備間的相互關系進行了系統性闡述，對相關技術的應用和發展方向提出了自己的觀點。

關鍵詞：邊緣計算；智能制造裝備；自控系統；物聯網

DOI：10.16640/j.cnki.37-1222/t.2019.13.033

1 概述

邊緣計算（Edge computing ），是相對于云計算而言，在物理上臨近數據源頭就近提供邊緣智能計算服務的一種工作模式，它使物聯網（Internet of Things，IoT）、智能制造等所需的網絡通信、數據存儲、實時計算、應用處理等核心功能在靠近工作現場的地方得以完成。邊緣計算更好的實現了網絡計算能力、工作和通信負載的優化。

智能制造裝備，是先進制造、智能感知和自動控制等先進技術深度融合的產物，是具有感知、分析、決策、控制、執行等功能各類制造裝備的統稱，是實現制造強國戰略的重要環節。

邊緣計算為智能制造裝備提供了新的技術手段，利用云端大數據進行人工智能分析，對邊緣智能制造裝備進行安全配置、部署和管理，根據智能制造裝備工況、類型和場景進行算法和控制方法的調整，每個智能制造裝備都獨立具備數據采集、本地存儲、智能分析計算、通信及控制功能，以實現人工智能、大數據云端、邊緣計算和裝備實時自控的協同高效工作。

2 邊緣計算

邊緣計算并不是最近才出現的一個新概念。邊緣計算最早可以追溯至十多年前出現的相關技術和概念。自2014年開始，特別是近兩年在萬物互聯的背景下，邊緣數據量呈現爆發性增長，邊緣計算開始被廣泛關注，相關技術也得到了飛速發展（見圖1）。

邊緣計算的興起一方面原因是隨著物聯網接入終端的爆發式增長，這些終端設備所產生的大量的數據給數據傳輸、分析和處理帶來了新的挑戰。據IDC的統計數據和預測，到2020年將有超過500億的終端和設備聯網。盡管隨著技術的進步，從設備到云端的網絡傳輸速度和云端的數據存儲能力都得到了極大的提高，但如果將這些海量數據全部傳輸到云計算端進行數據存儲、處理分析，將嚴重影響系統的工作效率并且費用成本高昂，同時由于網絡延遲和云端數據處理的時間問題，無法滿足實時控制和響應處理。另一方面，隨著技術的進步，邊緣終端設備的計算、存儲和通信能力有了極大的提高，使得原來必須由云端完成的計算可以在無限接近傳感器和設備數據源的網絡邊緣完成，據預測約50%的數據將在網絡邊緣側處理分析和存儲。

用人腦和眼睛視覺圖像認知識別的過程作類比，可以更好的理解邊緣計算。人眼并不是一個單純的光學系統，它不會簡單地把投射到視網膜上的圖像每一個像素原原本本地傳給大腦，而是先對圖像信息進行預處理，抽取圖形輪廓、紋理、運動方向、顏色和亮度對比等重要特征信息，并把它們編制成神經編碼信號傳送給大腦。這就極大的減輕了神經傳導和大腦處理信息的負擔。同樣，神經系統反射弧的工作過程也是這種運作模式。這些都是自然進化產生的邊緣計算。

邊緣計算與云計算是共生共存的，是對計算能力、工作負載、通信負載和響應速度的優化平衡，也會隨著軟硬件和信息通信技術的進步進行再平衡。

3 邊緣計算與智能制造裝備

類似于邊緣計算的工作方式其實在自控領域早就存在。集散控制系統（Distributed Control System，DCS），自1975年問世，已經經歷了四十多年的發展歷程，被廣泛的應用于生產過程自動化領域。其基本思想核心是集中（分級）管理、分散控制。系統控制功能分散在各現場控制單元上實現，系統結構采用容錯設計，任何一個現場控制單元出現故障或離線都不會導致系統其他功能的喪失，大大提高了整個系統的安全性和實時響應速度。同時也有效減輕了系統網絡通信負荷，確保系統的可靠性和實時性。

傳統自動控制是基于傳感器信號的控制，而邊緣計算則是基于信息和數據的控制。需要指出的是，受制于網絡傳輸、響應速度等因素，邊緣計算雖然相對于云計算來說是低延時，但是其幾十毫秒到一百毫秒的響應周期對于高精度機床、工業機器人等許多微秒級的智能制造裝備“控制任務”所需的響應速度的而言，過大的時間延遲不能滿足真正的實時控制的需要，邊緣計算目前還只能被稱為“準實時”，從自動化行業的角度來看只能被歸在“非實時”的解決方案。但這并不妨礙邊緣計算用于智能制造裝備，只是所處理的領域和范圍不同罷了。

人工智能、云計算、邊緣計算、自控系統的相互關系，可以用圖2簡化描述。

智能制造裝備傳感器產生的數據上傳至邊緣網關，并且在網絡邊緣完成數據的分析和處理，邊緣計算節點從各聯網設備中獲取由多種的協議傳送的數據并進行轉換，對數據進行實時分析處理再根據預先設定的規則將數據上傳到云端。邊緣計算分析除了進行數據的轉換和

（下轉第10頁）

（上接第36頁）

傳輸，更可離線獨立進行基于規則的算法處理和控制，而不依賴于集中式服務器或云端。處理之后的數據匯集到云端，與其他來源的數據進行再聚合，使用云端人工智能分析引擎進行大數據分析，根據分析結果再將優化的邊緣分析模型發送回邊緣計算端。邊緣計算層不僅同時連接云端、應用層和設備層，還在物聯網體系內起到安全隔離作用，確保系統的安全性和工作效率，在這一點上和DCS系統極為相似。

以智能機床為例。機床是裝備制造的母機，智能機床是智能制造裝備中一個重要的環節。智能機床能自主對生產制造過程進行監控、分析，診斷和修正在生產過程中出現的各類偏差，并且能為生產過程的優化提供解決方案。智能機床通過自動振動抑制、噪音抑制、熱變形分析和控制、干涉預防、潤滑油量自動調節等，以提高機床加工的精度和效率。目前高速高精度運動控制還是由專用的控制器來實現。而通過邊緣計算則可以在各種信息進行儲存、分析、處理、判斷、調節、優化、控制等方面發揮重要作用。比如，通過對機器工作噪音、震動、功耗、負載等信息的采集匯總分析比對，可以對機器的機械磨損、異常工況、預計壽命等做出判斷和預測。這些機器工況數據不太可能（也沒有必要）全部上傳到云端再進行處理，通過邊緣計算節點進行預分析處理，只上傳特異性和趨勢性的數據到云端，通過云端對此類設備大數據的匯集分析，對比設備的實際運行狀態，實現對設備工況的智能研判、故障預測和運行參數的優化調整，同時還可對邊緣節點的智能算法、運行規則進行優化修改。

邊緣計算在智能裝備制造領域有著極其廣闊的應用前景，但也存在著許多需要解決的問題，每個智能裝備企業都有自己集成系統、產業與邊緣計算，邊緣計算技術標準的制訂、產業化推進和生態體系的構建是下一步工作推進的重點。

4 結語

回顧近十年信息技術的發展，大數據的興起是因為通信能力、云端存儲和處理能力的提高，人工智能的發展則是大數據充分挖掘處理的要求，而邊緣計算快速正增長是物聯網設備接入的爆發式增長的需要，邊緣計算是適用于智能裝備制造領域的一項先進技術手段?？梢灶A見，隨著工業互聯網和5G的應用，原來無法由云端實現的功能將更多的向云端轉移，同時更多具有邊緣計算功能的智能傳感器和設備將得到大量的部署和應用，云計算、邊緣計算和智能制造裝備將實現和諧統一的共同發展。

參考文獻：

[1]施巍松.邊緣計算：現狀與展望[J].美國韋恩州立大學.

[2]邊緣計算產業聯盟，工業互聯網產業聯盟.邊緣計算參考架構2.0[DB/OL].