卡奧斯工業(yè)智能研究院（青島）有限公司陳錄城

卡奧斯物聯(lián)科技股份有限公司魯效平，盛國軍

卡奧斯工業(yè)智能研究院（青島）有限公司楊振發(fā)，秦承剛，王超，王朋靜

1　引言

家電行業(yè)是典型的離散制造業(yè)細分領(lǐng)域，是支撐我國經(jīng)濟飛速發(fā)展的關(guān)鍵力量。隨著(zhù)新一代信息技術(shù)的廣泛應用，家電行業(yè)面臨著(zhù)以下困境：產(chǎn)品在外觀(guān)設計、功能性等方面具有高度相似性，同質(zhì)化現象突出，難以滿(mǎn)足體驗經(jīng)濟時(shí)代消費者差異化、多樣化的需求，價(jià)格戰頻發(fā)，利潤空間受到擠壓；消費者對產(chǎn)品品質(zhì)、智能化、個(gè)性化的需求不斷增加，傳統的生產(chǎn)模式無(wú)法快速響應市場(chǎng)變化，訂單交付周期長(cháng)，質(zhì)量管控力度不足，庫存周轉壓力大，等等^[1]。這些挑戰逼迫家電企業(yè)進(jìn)行數字化、智能化轉型，以海爾為代表的龍頭企業(yè)早已開(kāi)始著(zhù)手布局工業(yè)互聯(lián)網(wǎng)。其通過(guò)搭建工業(yè)互聯(lián)網(wǎng)平臺^[2,3]，形成以用戶(hù)為中心的大規模個(gè)性化定制生產(chǎn)模式^[4]，完成人、機、料、管理流程、管理系統的廣泛互聯(lián)，使用戶(hù)參與到產(chǎn)品從概念設計到成品制造的全過(guò)程，實(shí)現用戶(hù)需求的實(shí)時(shí)響應和生產(chǎn)資源的無(wú)縫對接，從而實(shí)現降本、增效、提質(zhì)。面向家電行業(yè)的工業(yè)互聯(lián)網(wǎng)平臺需要解決多種類(lèi)工業(yè)設備接入、多源工業(yè)數據集成、海量數據處理、工業(yè)數據建模分析、工業(yè)知識積累迭代等一系列問(wèn)題，在傳統的“云-端”架構中，訓練和推理服務(wù)器部署在遠端數據中心或云端，端側的數據需要通過(guò)網(wǎng)絡(luò )傳輸到云端統一處理和分析，但家電智能工廠(chǎng)涉及海量的生產(chǎn)設備和傳感器，如果所有數據都發(fā)往云端處理，會(huì )消耗大量網(wǎng)絡(luò )帶寬資源，增加企業(yè)隱私和機密信息泄漏風(fēng)險，一旦出現網(wǎng)絡(luò )不穩定或斷網(wǎng)的情況，還會(huì )導致生產(chǎn)中斷，也無(wú)法滿(mǎn)足生產(chǎn)線(xiàn)監控、設備狀態(tài)檢測等特定場(chǎng)景對數據處理的低延遲需求^[5,6]。邊緣計算恰好可以彌補這一短板，它通過(guò)將計算資源放置在靠近數據源的邊緣節點(diǎn)上，在本地實(shí)現部分數據處理和決策能力，只將關(guān)鍵數據或結果傳輸到云端，減少了數據傳輸延遲，提高了響應速度，減少了對網(wǎng)絡(luò )帶寬的需求，即使在沒(méi)有網(wǎng)絡(luò )的情況下，設備仍然可以正常運行。在云邊協(xié)同架構中，計算資源的異構性、處理器的地理分散性等因素，給云端和邊緣端的資源分配和任務(wù)調度優(yōu)化帶來(lái)了新的挑戰，云邊資源優(yōu)化調度成為工業(yè)互聯(lián)網(wǎng)的重要研究方向之一^[7]。倪志偉等^[8]提出了一種基于多目標離散型人工蜂群算法的云任務(wù)調度優(yōu)化策略，能更好地改善虛擬資源中云任務(wù)調度系統的性能。趙宏偉等^[9]提出了一種改進(jìn)的差分人工蜂群算法，能優(yōu)化云邊協(xié)同調度模型，并有效解決多目標資源調度問(wèn)題。王淑玲等^[10]從場(chǎng)景拆分、調度目標、求解方案的角度依次對兩種典型的云邊協(xié)同場(chǎng)景進(jìn)行分析，給出了適應場(chǎng)景特性的資源調度優(yōu)化參考方案。

海爾集團基于自身近40年的制造經(jīng)驗與數字化轉型實(shí)踐，探索出一套基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺體系。該平臺利用5G的快速部署、高可靠、低時(shí)延等特性構建家電智能工廠(chǎng)的網(wǎng)絡(luò )架構，將云計算全局性、非實(shí)時(shí)、長(cháng)周期的大數據處理、分析與業(yè)務(wù)決策能力，和邊緣計算實(shí)時(shí)性、低延遲的數據處理與應用服務(wù)能力有機結合，可以從大規模任務(wù)統一調度、異構計算協(xié)同部署與邊緣任務(wù)實(shí)時(shí)重構三個(gè)層面對云端和邊緣端的計算資源進(jìn)行高效管控和利用，從而使家電企業(yè)能夠有效采集生產(chǎn)設備、生產(chǎn)線(xiàn)和生產(chǎn)現場(chǎng)成千上萬(wàn)種不同類(lèi)型的數據，并依托人工智能技術(shù)強化數據分析與洞察能力，實(shí)現了智能化的管理和控制，為家電行業(yè)的智能化、自動(dòng)化轉型提供了參考和啟示。

2　基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺

通過(guò)創(chuàng )新現場(chǎng)級工業(yè)操作系統、數字工業(yè)操作系統和工業(yè)云腦，卡奧斯建立了基于云邊端協(xié)同的家電行業(yè)工業(yè)互聯(lián)網(wǎng)平臺。該平臺匯聚了各類(lèi)工業(yè)資源，打通了交互定制、研發(fā)設計、精準營(yíng)銷(xiāo)、模塊采購、智能生產(chǎn)、智慧物流和智慧服務(wù)等業(yè)務(wù)全流程，形成了以用戶(hù)最佳體驗為中心的跨行業(yè)、跨領(lǐng)域、全周期的企業(yè)-用戶(hù)、企業(yè)-資源、資源-用戶(hù)“三元價(jià)值矩陣”新工業(yè)體系，實(shí)現了企業(yè)全面精細化、信息化、智能化的管理與控制，賦能家電企業(yè)完成從大規模生產(chǎn)到大規模個(gè)性化定制的模式轉型。如圖1所示，平臺架構自下而上分別為：

（1）端—工業(yè)裝備

端泛指連接到平臺邊緣節點(diǎn)的設備以及該設備承載的應用，可以是注塑機、大型工控機床等各種生產(chǎn)設備，溫度、振動(dòng)、超聲等各類(lèi)傳感器，以及攝像頭、AGV、工業(yè)機器人等。其通過(guò)大帶寬、低時(shí)延、高可靠的5G網(wǎng)絡(luò )，并適配MQTT、Modbus、OPC-UA等通信協(xié)議，實(shí)現多源異構設備的海量接入。

（2）邊—現場(chǎng)級工業(yè)操作系統

現場(chǎng)級工業(yè)操作系統采用工業(yè)級高可用架構，由云邊協(xié)同-邊緣組件、容器引擎、安全模塊、應用容器組和實(shí)時(shí)Linux操作系統等部分組成，能夠完成邊緣節點(diǎn)的注冊認證和管理。應用容器組中配置了各種功能應用，包括機器視覺(jué)算法、裝備預測性維護、產(chǎn)品裝配輔助、數據預治理、產(chǎn)線(xiàn)能效優(yōu)化和產(chǎn)品質(zhì)量提升等。系統兼容數百種通信協(xié)議，支持多源異構工業(yè)裝備的泛在接入，依托協(xié)議轉換技術(shù)能夠實(shí)現多源異構數據的歸一化和融合集成，并可進(jìn)行邊緣計算和本地分析，實(shí)現底層數據的匯聚處理和向云端的集成。

（3）云—數字工業(yè)操作系統和工業(yè)云腦

數字工業(yè)操作系統包含容器云管平臺，數據庫、中間件、數據計算等選裝件管理及服務(wù)，數據增強、計算增強、交互增強等增強件管理及服務(wù)，組件服務(wù)開(kāi)放API，云邊協(xié)同-云端組件，物聯(lián)管理和數據管理等部分，其通過(guò)數據主線(xiàn)技術(shù)可以連接多種企業(yè)數據源。容器云管平臺支持企業(yè)完成硬件資源管理、虛擬資源管理、容器管理和運行/運營(yíng)管理，為企業(yè)提供安全可靠的服務(wù)。

圖1 基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺體系架構

工業(yè)云腦主要由專(zhuān)家模型庫、工業(yè)知識庫、工業(yè)大模型、工業(yè)大數據和能力網(wǎng)格等部分組成。專(zhuān)家模型庫支持設備故障預測、工廠(chǎng)生產(chǎn)排程、制造資源配置優(yōu)化以及AGV智能調度等功能；工業(yè)知識庫中沉淀了經(jīng)過(guò)數字化封裝的工業(yè)機理模型，具有強大的可復用能力，可以廣泛應用于產(chǎn)品的設計研發(fā)和生產(chǎn)制造過(guò)程；工業(yè)大數據能夠對邊端傳輸的數據進(jìn)行存儲、治理、訪(fǎng)問(wèn)、分析和決策；工業(yè)大模型支持多模態(tài)信息的融合，可以識別產(chǎn)品的CAD設計圖紙，生成設備操作指令，能夠調度專(zhuān)家模型完成工藝參數推薦。企業(yè)可以任意調用能力網(wǎng)格中的機器視覺(jué)、數字孿生、可視化看板等能力，實(shí)現生產(chǎn)自感知、自適應、自診斷、自學(xué)習、自決策。

3　云邊資源智能優(yōu)化調度

平臺云端和邊緣端的資源分配和任務(wù)調度是通過(guò)內置在云邊協(xié)同-邊緣組件和云邊協(xié)同-云端組件中的云邊資源智能優(yōu)化調度模塊實(shí)現的。如圖2所示，該模塊由任務(wù)響應接收與處理子模塊、任務(wù)部署子模塊和任務(wù)調度算法庫子模塊三部分組成，能夠從大規模任務(wù)統一調度、異構計算協(xié)同部署與邊緣任務(wù)實(shí)時(shí)重構三個(gè)層面對邊端和云端計算資源進(jìn)行高效管控，以滿(mǎn)足異構計算、任務(wù)部署、協(xié)同優(yōu)化的實(shí)時(shí)需求。

圖2 云邊資源智能優(yōu)化調度模塊

（1）任務(wù)接收與處理子模塊

任務(wù)接收與處理子模塊接收用戶(hù)提交的任務(wù)，其采用增量聚類(lèi)技術(shù)讀取上載任務(wù)所需資源量、所對應的物理設備、依賴(lài)數據源、依賴(lài)數據上載量、運行過(guò)程與物理設備交互量、任務(wù)結果下載方式等數據信息，并通過(guò)不確定性量化模型計算任務(wù)運行時(shí)長(cháng)及失效率，完成不確定性挖掘。該子模塊基于確定性規則按照領(lǐng)域粗分和需求細分對任務(wù)進(jìn)行分類(lèi)，依據任務(wù)重要度、任務(wù)前驅后繼關(guān)系、任務(wù)運行方式指派任務(wù)優(yōu)先級，以能耗和效率為任務(wù)調度的目標，制定調度約束的統一需求描述規則。該子模塊的輸入為用戶(hù)提交的任務(wù)，輸出為任務(wù)分類(lèi)和任務(wù)需求描述，由任務(wù)部署子模塊接收。

（2）任務(wù)部署子模塊

由于云端和邊緣端資源的分布性和異構性，通過(guò)單一云平臺對所有可共享計算和存儲資源的統籌調度是十分低效的。隨著(zhù)資源和任務(wù)規模的增大，多個(gè)云端和邊緣端逐漸實(shí)現分區域協(xié)同，通過(guò)域內調度單元對用戶(hù)提交的任務(wù)群進(jìn)行調度和部署。對任務(wù)來(lái)說(shuō)，可選資源群包含云端資源、鄰近邊端資源及非鄰近可達邊端資源，其中鄰近指資源與任務(wù)關(guān)聯(lián)的終端設備物理距離的鄰近。鄰近邊端資源主要用于處理通信量與實(shí)時(shí)性要求高的任務(wù)，云端資源主要用于處理通信和實(shí)時(shí)性要求較低的計算或存儲密集型任務(wù)，而非鄰近可達邊端則作為二者的折中，當鄰近邊端和云端資源過(guò)載情況下，分擔其部分任務(wù)負載。由于任務(wù)需求不同且可選資源特性不同，為每一類(lèi)任務(wù)需求和云邊協(xié)同場(chǎng)景建立特定的調度模型并求解顯然是不現實(shí)的。

因此，任務(wù)部署子模塊建立了異構任務(wù)調度過(guò)程統一模型，將各領(lǐng)域關(guān)聯(lián)任務(wù)以拓撲圖模板表示，集成各類(lèi)場(chǎng)景下獨立任務(wù)、關(guān)聯(lián)任務(wù)群的總執行時(shí)間、各類(lèi)任務(wù)能耗、工業(yè)任務(wù)的物流約束和質(zhì)量約束等，形成任務(wù)目標集、變量編碼集和任務(wù)約束集，利用按位補齊和掩碼技術(shù)實(shí)現不同長(cháng)度調度變量的變換，使編碼作為任務(wù)調度算法庫子模塊的一個(gè)統一輸入接口。子模塊具備云邊資源信息實(shí)時(shí)獲取功能，能夠將當前任務(wù)對應的可達資源劃分為上述三個(gè)層面，讀取不同層面資源的可利用率、節點(diǎn)路由信息、節點(diǎn)間可用頻道與帶寬、節點(diǎn)物理距離，為任務(wù)調度提供必要支持。

任務(wù)部署子模塊按照任務(wù)群分組、調度域劃分、調度模型配置、優(yōu)化方案生成、調度結果部署和任務(wù)動(dòng)態(tài)遷移等六個(gè)步驟實(shí)現任務(wù)群部署。按照類(lèi)型將任務(wù)群分為多個(gè)調度組，每組任務(wù)依據其鄰近邊端資源狀態(tài)選擇調度域；基于異構任務(wù)調度過(guò)程統一模型，為每組任務(wù)對應生成一組變量編碼，配置不同調度目標和約束，并調用任務(wù)調度算法庫子模塊中的算法生成優(yōu)化方案，最終將任務(wù)群按照方案逐一指派邊緣端和云端計算資源節點(diǎn)，生成具有特定硬件平臺約束的目標代碼，進(jìn)而執行代碼加載指令，遠程控制目標節點(diǎn)的指令更新，完成任務(wù)動(dòng)態(tài)部署。當發(fā)生資源過(guò)載、任務(wù)中斷、負載不均時(shí)，子模塊將再次調用任務(wù)調度算法庫子模塊中的算法對問(wèn)題節點(diǎn)中的任務(wù)進(jìn)行快速重調度，移至其他物理資源繼續運行，實(shí)現動(dòng)態(tài)遷移。

任務(wù)部署子模塊是云邊資源智能優(yōu)化調度的核心實(shí)施部件，其輸入為可達云端和邊緣端的資源信息以及任務(wù)接收與處理子模塊的輸出，其輸出直接作用于云端和邊端資源，完成任務(wù)部署和動(dòng)態(tài)調整，是任務(wù)和資源的核心中間件。

（3）任務(wù)調度算法庫子模塊

任務(wù)調度算法庫子模塊基于超啟發(fā)思想，搭建了可配置智能優(yōu)化算法框架，集合了多種進(jìn)化搜索算子，建立了任務(wù)調優(yōu)的多個(gè)可選局部變換規則。根據迭代過(guò)程和種群劃分，算法的可配置分為兩個(gè)層面，第一個(gè)層面指針對不同迭代階段選取不同的進(jìn)化算子和局部啟發(fā)式規則實(shí)現種群的更新，通過(guò)指定其參數、執行順序及迭代尋優(yōu)的次數來(lái)對所生成的算法進(jìn)行控制，算子作為靈活組成零件能在不同階段發(fā)揮廣度搜索和深度挖掘作用，當某一個(gè)或多個(gè)低效算子被選中時(shí)，其他算子能在后一階段及時(shí)修正搜索方向，保持搜索的整體性能；第二個(gè)層面指針對不同個(gè)體配置選取不同的算子，各個(gè)算子針對個(gè)體的作用域不同、組成結構不同、參數不同，它們在整個(gè)迭代過(guò)程同步執行，多個(gè)算子的同時(shí)作用保證了個(gè)體的多樣性行為，高效算子可帶動(dòng)低效算子在各階段保持搜索效率，多個(gè)算子的混合保證在搜索時(shí)間復雜性不增的情況下拓展問(wèn)題的適用范圍，保持算法整體的魯棒性，并帶動(dòng)其他個(gè)體實(shí)現協(xié)作求解。

在此基礎上，子模塊基于進(jìn)化算子和局部啟發(fā)式規則特征將算法結構、算子及參數映射為算法編碼，集成主流的超啟發(fā)策略，實(shí)現算法結構自動(dòng)變換、算子自動(dòng)選擇和算子參數自動(dòng)配置。從算子分類(lèi)角度來(lái)看，進(jìn)化算子主要決定種群在整個(gè)解空間內的進(jìn)化方向，而局部調度規則作為輔助則從個(gè)體局部范圍進(jìn)行定位。由于云邊資源狀態(tài)和協(xié)同模式的多變性，很難事先確定哪一種算子對哪一個(gè)場(chǎng)景的搜索是有效的，在這種情況下，子模塊將半隨機超啟發(fā)策略應用到進(jìn)化算子的選擇中，并運用各種隨機超啟發(fā)策略為每個(gè)個(gè)體在不同階段變步長(cháng)的選取局部搜索規則，提升了搜索效率和準確性。

4　案例實(shí)施與效果

以某冰箱互聯(lián)工廠(chǎng)為例，其通過(guò)云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺，將云計算、邊緣計算、物聯(lián)網(wǎng)、大數據等數字化技術(shù)融入工業(yè)生產(chǎn)中，為生產(chǎn)決策提供了智能化服務(wù)，實(shí)現了端到端的互聯(lián)互通，前端連接用戶(hù)需求，后端連接智能工廠(chǎng)，在實(shí)現柔性化、定制化生產(chǎn)的同時(shí)，進(jìn)行全球資源的協(xié)同配置。同時(shí)，其基于大規模個(gè)性化定制模式，在賦能建設互聯(lián)工廠(chǎng)的過(guò)程中，不僅實(shí)現了數字化改造，還通過(guò)數字化手段面向用戶(hù)開(kāi)放全流程，使其參與研發(fā)、設計、制造，實(shí)現產(chǎn)業(yè)鏈的連接形式隨用戶(hù)需求靈活變化，打造出端到端“燈塔工廠(chǎng)”。

經(jīng)過(guò)賦能，工廠(chǎng)面對用戶(hù)定制設計、快速交貨和高品質(zhì)的需求，通過(guò)大數據、數字孿生、先進(jìn)視覺(jué)檢測技術(shù)的應用，實(shí)現按單生產(chǎn)智能制造、超薄真空節能發(fā)泡、數據集成分析、AI視覺(jué)真空管控、壓縮機柔性裝配、物流發(fā)運智能調配等業(yè)務(wù)場(chǎng)景的數字化，訂單響應周期縮短35%，生產(chǎn)效率提升35%，質(zhì)量績(jì)效提升36%。

5　結論

海爾集團構建了基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺，賦能家電行業(yè)數字化、智能化轉型，形成了以用戶(hù)為中心的大規模個(gè)性化定制生產(chǎn)模式，完成了人、機、料、管理流程、管理系統的廣泛互聯(lián)，使用戶(hù)參與到從產(chǎn)品設計到成品制造的業(yè)務(wù)全流程，實(shí)時(shí)響應用戶(hù)需求，精準匹配制造資源，實(shí)現可持續發(fā)展。平臺通過(guò)云邊資源智能優(yōu)化調度模塊對云端和邊緣端的計算資源進(jìn)行高效管控，能夠滿(mǎn)足云邊協(xié)同架構對異構計算、任務(wù)部署和協(xié)同優(yōu)化的實(shí)時(shí)需求。目前該平臺已經(jīng)賦能多家工廠(chǎng)完成數智化轉型，全面提升了核心競爭力，為家電企業(yè)的數智化轉型起到了良好的示范作用。

★基金項目：國家自然科學(xué)基金青年基金（62303272），山東省博士后創(chuàng )新項目（SDCXZG-202203036），泰山產(chǎn)業(yè)領(lǐng)軍人才工程專(zhuān)項經(jīng)費資助（tscx202306029），山東省自然科學(xué)基金青年基金（ZR2022QF038）。

作者簡(jiǎn)介：

陳錄城（1969-），男，山東青島人，正高級工程師，現就職于卡奧斯物聯(lián)科技股份有限公司，研究方向為工業(yè)互聯(lián)網(wǎng)、智能制造、大規模個(gè)性化定制理論及關(guān)鍵技術(shù)等。

魯效平（1981-），男，山東泰安人，教授級高工，現就職于卡奧斯物聯(lián)科技股份有限公司，研究方向為工業(yè)互聯(lián)網(wǎng)、智能制造關(guān)鍵技術(shù)等。（本文通訊作者）

楊振發(fā)（1993-），男，山東臨沂人，現就職于卡奧斯工業(yè)智能研究院（青島）有限公司，研究方向為智能傳感器、工業(yè)互聯(lián)網(wǎng)、大規模個(gè)性化定制理論及關(guān)鍵技術(shù)等。

參考文獻：

[1] 趙爽, 許蕾, 張艷麗, 等. 家用電器行業(yè)個(gè)性化定制發(fā)展綜述[J]. 家電科技, 2020, (6) : 112 - 116.

[2] 蔡毅, 田暉, 彭玲, 等. 家電行業(yè)"5G+工業(yè)互聯(lián)網(wǎng)"標準化體系構建研究[J]. 輕工標準與質(zhì)量, 2022, (5) : 116 - 119.

[3] 邢燕. 5G+工業(yè)互聯(lián)網(wǎng)賦能家電行業(yè)數字化轉型探析[J]. 信息通信技術(shù), 2022, 16 (5) : 13 - 17.

[4] 陳錄城, 魯效平, 盛國軍, 等. 大規模個(gè)性化定制研究綜述[J]. 新型工業(yè)化, 2023, 13 (10) : 11 - 21.

[5] 李智威, 莫王昊, 李北, 等. 基于資源約束多目標優(yōu)化的物聯(lián)網(wǎng)邊緣計算資源分配[J]. 現代電子技術(shù), 2024, 47 (2) : 59 - 66.

[6] 王超, 魯效平, 劉倫明, 等. 5G+MEC在家電業(yè)機器視覺(jué)檢測系統中的應用[J]. 電子技術(shù)應用, 2022, 48 (12) : 84 - 88.

[7] 王凌, 吳楚格, 范文慧. 邊緣計算資源分配與任務(wù)調度優(yōu)化綜述[J]. 系統仿真學(xué)報, 2021, 33 (3) : 509 - 520.

[8] 倪志偉, 李蓉蓉, 方清華, 等. 基于離散人工蜂群算法的云任務(wù)調度優(yōu)化[J]. 計算機應用, 2016, 36 (1) : 107 - 112 + 121.

[9] 趙宏偉, 荊學(xué)慧, 張帥, 等. 面向云邊協(xié)同的資源調度優(yōu)化策略[J]. 沈陽(yáng)大學(xué)學(xué)報(自然科學(xué)版), 2021, 33 (1) : 41 - 46 + 74.

[10] 王淑玲, 孫杰, 王鵬, 等. 云邊協(xié)同中的資源調度優(yōu)化[J]. 電信科學(xué), 2023, 39 (2) : 163 - 170.

摘自《自動(dòng)化博覽》2024年第二期暨《邊緣計算2024專(zhuān)輯