3　“邊緣計算”產(chǎn)業(yè)

3.1　回到問(wèn)題的本質(zhì)

IT人擅長(cháng)于創(chuàng )造概念，OT端的人通常并不擅長(cháng)此道，這在于兩者解決問(wèn)題的思路不同，結果當然也不同，OT的產(chǎn)品研發(fā)過(guò)程是基于“問(wèn)題的解決”，而IT可以去“解決未來(lái)的問(wèn)題”，因為機器的加工精度、速度會(huì )存在明確的指標，因此，OT的人不能創(chuàng )造一個(gè)“概念”來(lái)滿(mǎn)足用戶(hù)，而IT則可以，例如：蘋(píng)果可以設計一個(gè)未來(lái)的手機，然后告訴消費者“這就是你想要的手機”，這是IT與OT的不同，也是為何EdgeComputing/Fog Computing概念都首先發(fā)起于ICT領(lǐng)域。

邊緣計算是相對于云計算而言的，更傾向于在接近應用現場(chǎng)端提供的計算能力，華為的主旨在于提供計算平臺，包括基礎的網(wǎng)絡(luò )、云、邊緣服務(wù)器、傳輸設備與接口標準等，而Intel、ARM則為邊緣計算提供芯片與處理能力保障，中國信息通信研究院則扮演傳輸協(xié)議與系統實(shí)現的集成，而中國科學(xué)院沈陽(yáng)自動(dòng)化研究所、軟通動(dòng)力則扮演實(shí)際應用的角色。

各種來(lái)自Mckinsey、PwC、Forrest & Sullivan、IHS的分析都把IoT視為未來(lái)快速成長(cháng)的一個(gè)領(lǐng)域，最前沿已經(jīng)出現了各種基于Internet的技術(shù)，高通已經(jīng)提出了Internet of Everything—可以稱(chēng)IoX。

但是，邊緣計算/霧計算要落地，尤其是在工業(yè)領(lǐng)域，必須明白“應用”才是最為核心的問(wèn)題，IT與OT的融合，更為強調在OT側的應用，即運營(yíng)的系統所要實(shí)現的目標。

3.2　OT是解決問(wèn)題的

邊緣計算是在高帶寬、時(shí)間敏感型、物聯(lián)網(wǎng)集成這個(gè)背景下發(fā)展起來(lái)的技術(shù)，“Edge”這個(gè)概念較早為ABB、KUKA、B&R、Schneider等自動(dòng)化廠(chǎng)商所提及，其本意是在“貼近用戶(hù)與數據源的IT資源”—這些是屬于從傳統自動(dòng)化廠(chǎng)商向IT廠(chǎng)商延伸的一種設計，2016年4月5日，Schneider即為邊緣計算定義了物理基礎設施，當然了，主要還是打算推廣其“微數據中心”的概念。而其它自動(dòng)化廠(chǎng)商提及云計算/霧計算/邊緣計算都將其與IT融合當作未來(lái)的一種趨勢，并且同時(shí)具有Fog/Edge概念。

3.3　Internet+還是+internet？

IT與OT的人對實(shí)現智能制造存在著(zhù)大方向的一致但對主導權的認識不同，Internet+思想是將互聯(lián)網(wǎng)當作了主導者，借助于ICT技術(shù)來(lái)推動(dòng)智能制造，而+internet認為ICT只是輔助，顯然，從IT和OT各自的出發(fā)點(diǎn)似乎都有道理，但是，無(wú)論是放大IT還是OT的作用都是不合適的，因為這里存在著(zhù)以下的問(wèn)題：

（1）既然IT和OT都不可或缺，就必須實(shí)現兩者的融合而非對抗；

（2）IT與OT事實(shí)上也是在相互滲透的，自動(dòng)化廠(chǎng)商都已在延伸其產(chǎn)品中的IT能力，包括Bosch、SIEMENS、GE等廠(chǎng)商在信息化、數字化軟件平臺方面，也包括B&R、Rockwell等在基礎的IoT集成、Web技術(shù)的融合方面的產(chǎn)品與技術(shù)。事實(shí)上IT技術(shù)也開(kāi)始在其產(chǎn)品中集成總線(xiàn)接口、HMI功能的產(chǎn)品，以及工業(yè)現場(chǎng)傳輸設備網(wǎng)關(guān)、交換機等產(chǎn)品。

要滿(mǎn)足未來(lái)工業(yè)對數據的采集和分析的需求，必須挖掘邊緣計算的應用潛力，并部署好邊緣計算架構。其實(shí)，無(wú)論是概念問(wèn)題還是實(shí)質(zhì)落地的問(wèn)題，都必須回到今天我們的本質(zhì)要做什么？IT與OT通常使用著(zhù)不同的語(yǔ)言系統，需要進(jìn)行融合。

4　計算的本質(zhì)

4.1　“控制”與“策略”問(wèn)題

事實(shí)上自動(dòng)化是以“控制”為核心進(jìn)行應用的行業(yè)，控制基于“信號”進(jìn)行，而“計算”則是基于數據進(jìn)行的，更多意義是指“策略”、“規劃”，因此，它更多聚焦于“調度、優(yōu)化、路徑”，就像對全國的高鐵進(jìn)行調度的系統一樣，每增加或減少一個(gè)車(chē)次都會(huì )引發(fā)調度系統的調整，它是基于時(shí)間和節點(diǎn)的運籌與規劃問(wèn)題，而同樣道理，邊緣計算在工業(yè)領(lǐng)域的應用更多是這類(lèi)“Computing”。

因此，我們注意到邊緣計算、霧計算雖然是低延時(shí)，但是其50ms、100ms級的周期對于高精度機床、機器人、高速圖文印刷系統的100μs這樣的“控制任務(wù)”而言，仍然存在非常大的延遲站，在自動(dòng)化人的視角，邊緣計算所謂的“實(shí)時(shí)”，本身是被歸在“非實(shí)時(shí)”的應用里。

圖6 云計算—邊緣計算區分處理數據

概而言之，傳統自動(dòng)控制基于對信號的控制，而邊緣計算則可以理解為“基于信息的控制”，參量由信號到了信息，信號控制可以在既有的模型下實(shí)現，而信息控制則需要進(jìn)行學(xué)習，因為并沒(méi)有可依循的確定性高的模型。

4.2　IIoT與邊緣計算的目標

考慮到全局的優(yōu)化，尤其是在個(gè)性化生產(chǎn)時(shí)代所需的“質(zhì)量”、“成本優(yōu)化”、“交付能力”的優(yōu)化問(wèn)題：

（1）質(zhì)量提升的幾個(gè)應用方向：如何為小批量的產(chǎn)品生產(chǎn)實(shí)現動(dòng)態(tài)的過(guò)程優(yōu)化成為了質(zhì)量控制的難點(diǎn)，基于對被加工對象、以及生產(chǎn)過(guò)程中的動(dòng)態(tài)缺陷檢測實(shí)現加工參數的動(dòng)態(tài)調整，另一個(gè)應用需求在于對影響加工質(zhì)量的因素進(jìn)行學(xué)習，并根據變化自動(dòng)形成工藝參數的設定。

（2）成本降低問(wèn)題，對于小批量生產(chǎn)而言，生產(chǎn)的能耗、當機、減速等系列問(wèn)題引發(fā)的都是成本的上升，而這些成本的上升對于小批量的財務(wù)核算而言，則會(huì )造成單位成本的提升，因此，如何借助IIoT技術(shù)來(lái)實(shí)現能源、維護數據的采集，并通過(guò)數據分析來(lái)實(shí)現成本的優(yōu)化或為關(guān)注的焦點(diǎn)。

（3）交付周期問(wèn)題：包括在生產(chǎn)現場(chǎng)中如何配比生產(chǎn)訂單、根據工藝進(jìn)行最快的響應能力組合，尤其是在變化的過(guò)程中降低生產(chǎn)工藝參數調校所產(chǎn)生的時(shí)間浪費將成為影響交付能力的關(guān)鍵。

我們反復強調，智能制造、工業(yè)4.0的核心問(wèn)題仍然是在“個(gè)性化時(shí)代解決質(zhì)量、成本與交付的問(wèn)題”，那么歸根結底，邊緣計算是提供了計算能力，但計算什么？在管理學(xué)上，我們可以歸入Operation Management，這屬于大的運營(yíng)管理范疇，包括精益思想、6Sigma等都是設定了管理的目標的。

5　應用仍然為王

5.1　生態(tài)系統建設問(wèn)題

邊緣計算其目的是服務(wù)于IoT、工業(yè)4.0的應用，在本質(zhì)上并沒(méi)有區別，聯(lián)盟本身是為了構建生態(tài)系統，因為，在智能制造時(shí)代本質(zhì)上是一種“生態(tài)系統”協(xié)同共贏(yíng)的局面，廠(chǎng)商可以根據自己的需要面向不同的領(lǐng)域加入不同的聯(lián)盟。

但是，OICT廠(chǎng)商都是服務(wù)于“制造業(yè)”，服務(wù)于《中國制造2025》的，歸根結底要為制造企業(yè)解決全球競爭力的問(wèn)題。如何生產(chǎn)更具競爭力的產(chǎn)品，提升企業(yè)的整體運營(yíng)效率，而且，從投資回報角度如何計算和平衡，讓生產(chǎn)企業(yè)真正獲利是需要OICT廠(chǎng)商認真思索的問(wèn)題。

Internet時(shí)代最為顯著(zhù)的特征就是“網(wǎng)絡(luò )協(xié)同”，因此基于傳統的比對競爭的時(shí)代已經(jīng)過(guò)去，正如James F Moore在其《競爭的衰亡》中所描述的“Ecosystem”，企業(yè)之間必須依存，商業(yè)文化必須改變，傳統買(mǎi)賣(mài)關(guān)系的上下游企業(yè)，必須意識到通過(guò)合作解決共同的問(wèn)題才能共同發(fā)展，價(jià)值鏈之所以被不斷提及就在于從芯片廠(chǎng)商、自動(dòng)化、ICT、系統集成、機械制造到生產(chǎn)制造這個(gè)價(jià)值鏈上的企業(yè)都必須共同來(lái)面對“消費者”來(lái)實(shí)現問(wèn)題的解決，而消費者，又是我們每個(gè)人自己。

5.2　工業(yè)領(lǐng)域的邊緣應用場(chǎng)景

（1）能源分析問(wèn)題：顯然，發(fā)電、輸配電、供電是最大的網(wǎng)絡(luò )，在未來(lái)能源效率問(wèn)題會(huì )覆蓋到整個(gè)電力系統的每個(gè)環(huán)節，而電力對采集有著(zhù)特殊的需求，包括電力信號的測頻、相位等，是IoT技術(shù)重要的應用領(lǐng)域。

（2）物流規劃問(wèn)題：無(wú)論是企業(yè)生產(chǎn)制造環(huán)節中的物料配送、還是快遞業(yè)中的分揀問(wèn)題，都是需要進(jìn)行分析和優(yōu)化的。在物流輸送中，巷道車(chē)必須根據系統的存取需求，對現有的倉位進(jìn)行計算，規劃出最優(yōu)的路徑，以實(shí)現最快速的路徑，最短時(shí)間完成倉庫內部的物料存取任務(wù)。

（3）工藝優(yōu)化分析：工藝優(yōu)化最為重要的是對質(zhì)量最為緊密的工藝參數的學(xué)習，以便在個(gè)性化生產(chǎn)時(shí)能夠形成自主的參數配置，以及工藝的自適應能力，這種學(xué)習對于生產(chǎn)制造商非常關(guān)鍵，也是他們最大的期待，但是，在當前人工智能學(xué)習、機器學(xué)習還沒(méi)有很好地與具體工業(yè)領(lǐng)域的生產(chǎn)結合，這也是未來(lái)邊緣計算、霧計算所關(guān)注的重點(diǎn)。

（4）生產(chǎn)任務(wù)與分配：根據生產(chǎn)訂單為生產(chǎn)進(jìn)行最優(yōu)的設備排產(chǎn)排程，本身就是計算范圍，而這也是MES的基本任務(wù)單元之一，而事實(shí)上，這些計算附著(zhù)于由具體MES廠(chǎng)商的軟件平臺還是依附于“邊緣計算”的平臺—基于Web技術(shù)構建的分析平臺，在未來(lái)并不會(huì )存在差別，從某種意義上說(shuō)MES系統本身是一種傳統的架構，而其核心可以在專(zhuān)用的軟件系統，也可以存在于云、霧或者邊緣側。

總體而言，在整個(gè)智能制造、IoT應用中，各自分工如下：

自動(dòng)化可以提供“采集”，并起到數據源的作用，通過(guò)分布式I/O采集、總線(xiàn)互聯(lián)獲得機器所產(chǎn)生的機器生產(chǎn)、狀態(tài)、質(zhì)量等原生“信息”。

通過(guò)MQTT/AMQP進(jìn)行數據的傳輸，OPC UA是一種基本的OT遵循協(xié)議，而針對IT的MQTT協(xié)議，也進(jìn)行了支持。APROL EC扮演著(zhù)不同的邊緣計算角色，不管是針對老的工廠(chǎng)改造升級，還是一個(gè)全新的工廠(chǎng)產(chǎn)線(xiàn)，或者一臺大型設備，都可以采用這一方式進(jìn)行數據的采集與傳輸，并送至本地的邊緣計算側，具有幾種方式的傳輸模式。

圖7 APROL的邊緣計算架構

ICT廠(chǎng)商提供“傳輸”，因為在如何提供數據的傳輸、存儲、計算方面，ICT廠(chǎng)商有其傳統優(yōu)勢，另外在成本方面，已經(jīng)有云平臺的優(yōu)勢。

智能分析軟件廠(chǎng)商提供“分析”，包括了“邊緣計算”、“云計算”的“計算”而非僅僅提供基礎設施平臺，如Google、IBM這樣在更大的金融、交通、能源領(lǐng)域的大數據集成能力，也包括了眾多中小型企業(yè)在垂直領(lǐng)域進(jìn)行分析的能力。

終端生產(chǎn)企業(yè)則是需求的來(lái)源，因為產(chǎn)業(yè)鏈協(xié)同最終是為其解決“質(zhì)量、成本、交付”的核心問(wèn)題。

作者簡(jiǎn)介:

宋華振，現任貝加萊工業(yè)自動(dòng)化（中國）有限公司市場(chǎng)部經(jīng)理，兼任POWERLINK中國市場(chǎng)推廣經(jīng)理，SAC/TC124委員，并擔任邊緣計算產(chǎn)業(yè)聯(lián)盟（ECC）專(zhuān)家委員會(huì )專(zhuān)家，聯(lián)訊動(dòng)力特邀技術(shù)專(zhuān)家。

參考文獻

[1] IBM & AKAMAI. Develop Edge Computing Application[M], June 9, 2003.

[2] Pang H H, Tan K L. Authenticating query results in edge computing [C]. Data Engineering, 2004. Proceedings. 20th International Conference on. IEEE, 2004: 560 - 571.

[3] Grieco R, Malandrino D, Scarano V. A scalable cluster-based infrastructure for edge-computing services[J]. World Wide Web, 2006, 9 ( 3 ) : 317 - 341.

[4] Shi W, Cao J, Zhang Q, et al. Edge Computing: Vision and Challenges[J]. IEEE IOT, 2016.

[5] Varghese B, Wang N, Barbhuiya S, et al. Challenges and Opportunities in Edge Computing [J]. arXiv preprint arXiv:1609. 01967, 2016.

[6] 史揚. 邊緣計算參考1.0架構分享[R]. 邊緣計算產(chǎn)業(yè)聯(lián)盟成立大會(huì )，2016.

摘自《自動(dòng)化博覽》2017年4月刊