佚名

工業(yè)物聯(lián)網(wǎng)通常與大數(shù)據(jù)和云相關(guān)聯(lián)，收集來自分布廣泛的海量傳感器數(shù)據(jù)，將信息轉(zhuǎn)化為洞察力。在某些工業(yè)流程中，獲取洞察力所需的時(shí)間至關(guān)重要，而在將數(shù)據(jù)發(fā)送到云并收到響應(yīng)的過程中，可能出現(xiàn)延遲。在其他情況下，數(shù)據(jù)安全性可能受到威脅，或無法快速可靠地連接到互聯(lián)網(wǎng)。為克服這些挑戰(zhàn)，邊緣計(jì)算可為云的大數(shù)據(jù)處理功能提供補(bǔ)充。它能執(zhí)行需要瞬時(shí)響應(yīng)的計(jì)算密集型任務(wù)，并對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)和篩選，以便在適當(dāng)時(shí)傳輸至云。邊緣計(jì)算包含諸多要素，例如簡(jiǎn)單數(shù)據(jù)篩選、事件處理甚至機(jī)器學(xué)習(xí)，并可在任何連接的設(shè)備上運(yùn)行，從小型嵌入式計(jì)算機(jī)或 PLC 到工業(yè) PC 或本地微型數(shù)據(jù)中心。

最大限度地發(fā)掘數(shù)據(jù)的價(jià)值

工業(yè)物聯(lián)網(wǎng)的主要價(jià)值在于它能夠整合來自多個(gè)來源的數(shù)據(jù)，幫助企業(yè)總攬全局：如何改進(jìn)流程、優(yōu)化維護(hù)活動(dòng)、減少浪費(fèi)和能耗以及消除不必要的成本。以云為中心的工業(yè)物聯(lián)網(wǎng)視圖可提供不同的數(shù)據(jù)流，這些數(shù)據(jù)流使用重量級(jí)軟件應(yīng)用程序，在遠(yuǎn)程數(shù)據(jù)中心進(jìn)行組合和分析。

這種模式假定了幾個(gè)前提條件：可隨時(shí)使用可靠的互聯(lián)網(wǎng)連接；有足夠的帶寬來處理推送至云的數(shù)據(jù)；延遲，即生成數(shù)據(jù)與收到云分析結(jié)果之間的時(shí)間是可接受的。但是，其中任何一個(gè)關(guān)鍵條件都可能無法滿足。遠(yuǎn)程站點(diǎn)可能依賴于蜂窩網(wǎng)絡(luò)來提供互聯(lián)網(wǎng)連接，但蜂窩網(wǎng)絡(luò)覆蓋可能不完全或不可靠。大量傳感器可能生成大容量數(shù)據(jù)，將這些數(shù)據(jù)傳輸?shù)皆频某杀痉浅８甙?，特別是在包括高清圖像或視頻的情況下。出于安全原因，或者為了保持高效運(yùn)營(yíng)，可能需要實(shí)時(shí)進(jìn)行復(fù)雜決策。另一方面，對(duì)于某些公司而言，數(shù)據(jù)安全也可能是一大問題，他們可能不希望通過互聯(lián)網(wǎng)將數(shù)據(jù)傳輸至云，從而暴露敏感信息。在上述任何一種情況下，將從流程或設(shè)備采集的原始數(shù)據(jù)傳輸至云可能都是不切實(shí)際的。但是，我們需要在單個(gè)機(jī)器或流程控制邏輯級(jí)別之上的某些智能和決策功能，以幫助企業(yè)確定最佳行動(dòng)方案。這正是邊緣計(jì)算的角色。

邊緣計(jì)算提供性能提升

作為工業(yè)物聯(lián)網(wǎng)的一部分，邊緣計(jì)算變得日益重要。在靠近設(shè)備或流程的位置部署第一層計(jì)算能力，可以實(shí)現(xiàn)智能或協(xié)調(diào)的事件響應(yīng)，并有助于降低云的數(shù)據(jù)處理負(fù)擔(dān)。在包含數(shù)十個(gè)、數(shù)百個(gè)甚至數(shù)千個(gè)傳感器的系統(tǒng)中，來自這些傳感器的很多數(shù)據(jù)可能沒有太多價(jià)值，只是報(bào)告“正常”工作狀況。智能網(wǎng)關(guān)可以對(duì)這些數(shù)據(jù)進(jìn)行篩選、丟棄或更高效地對(duì)其進(jìn)行重新組合，以便傳輸至云進(jìn)行存儲(chǔ)和分析。當(dāng)發(fā)生值得關(guān)注的事件時(shí)，智能節(jié)點(diǎn)可以快速確定正確的響應(yīng)，向互聯(lián)設(shè)備發(fā)出適當(dāng)?shù)闹噶?，并在適合云使用的報(bào)告中總結(jié)該事件。與針對(duì)來自少量傳感器的信號(hào)的高度局部化響應(yīng)不同，邊緣計(jì)算能夠采取更加協(xié)調(diào)的行動(dòng)，評(píng)估來自更多數(shù)量的傳感器的數(shù)據(jù)，在更高的級(jí)別上進(jìn)行決策。

邊緣計(jì)算設(shè)備具有板載數(shù)據(jù)聚合和處理能力，而簡(jiǎn)單的傳感器/報(bào)警組合不具備它的全局視角，邊緣處理引擎能處理從所有互聯(lián)傳感器接收的數(shù)據(jù)，并基于預(yù)先確定的優(yōu)先級(jí)做出最佳決策。在生產(chǎn)情況下，經(jīng)過產(chǎn)品測(cè)試或檢測(cè)后，發(fā)現(xiàn)裝配線末端故障率突然增加，這可能導(dǎo)致需要暫停生產(chǎn)以調(diào)查起因。連接到所有機(jī)器的智能邊緣設(shè)備可在裝配線上的所有設(shè)備之間協(xié)調(diào)此類響應(yīng)行動(dòng)。或者，它可以通過分析來自多臺(tái)機(jī)器的感測(cè)數(shù)據(jù)確定變化原因，并自動(dòng)應(yīng)用修復(fù)，或指導(dǎo)操作人員修正錯(cuò)誤，讓生產(chǎn)能快速高效地重新啟動(dòng)。

此外，邊緣計(jì)算能支持預(yù)測(cè)性維護(hù)，將感測(cè)的測(cè)量結(jié)果與歷史數(shù)據(jù)或預(yù)設(shè)閾值進(jìn)行比較，以計(jì)算更換設(shè)備的最佳時(shí)間，以此協(xié)助實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。在互聯(lián)網(wǎng)訪問不可靠、網(wǎng)絡(luò)覆蓋不佳的某些地理區(qū)域，它也可以實(shí)現(xiàn)對(duì)部署在這些地區(qū)的設(shè)備的智能管理。如果網(wǎng)關(guān)設(shè)備暫時(shí)無法連接至云，可將數(shù)據(jù)存儲(chǔ)在本地存儲(chǔ)器中，直至能重新建立連接。然后，設(shè)備可自動(dòng)與云重新同步，確保遠(yuǎn)程應(yīng)用能始終訪問完整的最新信息。

另一方面，通過邊緣設(shè)備中的更多智能，還可以增強(qiáng)能效管理，即利用感測(cè)的數(shù)據(jù)，根據(jù)高級(jí)別能源管理策略來調(diào)節(jié)和優(yōu)化設(shè)置。

實(shí)施：硬件與軟件

邊緣處理的原則是讓分析智能的位置盡可能靠近互聯(lián)設(shè)備。對(duì)于邊緣計(jì)算及其與云的關(guān)系，人們正在制定相關(guān)規(guī)范，因此定義和架構(gòu)仍然不太確定。由于用戶可能沒有部署專用邊緣服務(wù)器的物理空間或資源，因此智能可能需要嵌入現(xiàn)有基礎(chǔ)設(shè)施中。

實(shí)質(zhì)上，邊緣計(jì)算存在于單個(gè)機(jī)器控制系統(tǒng)的級(jí)別之上，在本地運(yùn)行，以輔助在云中托管的重量級(jí)應(yīng)用的工作。邊緣應(yīng)用可以執(zhí)行簡(jiǎn)單的任務(wù)，例如接入和存儲(chǔ)來自多個(gè)渠道的數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行篩選，然后將數(shù)據(jù)轉(zhuǎn)發(fā)至云。更復(fù)雜的可視化將分析甚至機(jī)器學(xué)習(xí)也納入邊緣計(jì)算范圍，以實(shí)時(shí)生成智能響應(yīng)。實(shí)現(xiàn)這種高級(jí)構(gòu)想所需的基本組件包括數(shù)據(jù)接入、事件處理引擎、互聯(lián)設(shè)備管理、用戶應(yīng)用以及數(shù)據(jù)向云的安全傳輸。

從基本原理構(gòu)建完整的智能邊緣處理平臺(tái)是一個(gè)巨大的挑戰(zhàn)。一種替代方法是使用硬件獨(dú)立的軟件框架，以提供基本構(gòu)建模塊，例如事件處理引擎、設(shè)備管理，以及使用多種協(xié)議的安全流式傳輸。很多此類框架正在應(yīng)用于工業(yè)物聯(lián)網(wǎng)領(lǐng)域，例如 GE 的 Predix、Cisco 的 IOx 以及 FogHorn Systems 的照明平臺(tái)。除功能組件之外，這些框架還提供各種軟件開發(fā)套件 （SDK） 來允許用戶運(yùn)行自己的自定義應(yīng)用，并提供開發(fā)環(huán)境來幫助配置系統(tǒng)和定義分析功能。這些框架還提供管理邊緣設(shè)備的工具，包括監(jiān)控、控制和診斷。

節(jié)省資源的輕型單板計(jì)算機(jī)，例如 Raspberry Pi Foundation 提供的 Raspberry Pi 3，可為此類設(shè)備奠定基礎(chǔ)。實(shí)際上，GE 已經(jīng)演示了面向在此類平臺(tái)上運(yùn)行的邊緣設(shè)備的 Predix Machine 軟件。另一方面，能夠在網(wǎng)關(guān)設(shè)備或自動(dòng)化系統(tǒng)中使用更強(qiáng)大工業(yè) PC 的工程師可以充分利用額外的資源和計(jì)算性能來執(zhí)行更復(fù)雜的應(yīng)用。采用 PC/104 等成熟外形尺寸的模塊現(xiàn)在可以提供臺(tái)式機(jī)級(jí)別的性能，例如 VersaLogic Liger 板，它采用可選的 Intel i3、i5 或 i7 （Kaby Lake） 雙核處理器，在最高 2.8 GHz 的頻率下運(yùn)行。這些板極其堅(jiān)固耐用，具有 MIL-STD 標(biāo)準(zhǔn)級(jí)別的耐沖擊和耐振動(dòng)性能，能夠在部署于惡劣環(huán)境中的設(shè)備上使用。這些板具有多達(dá)八個(gè)本地?cái)?shù)字 I/O 通道、用于進(jìn)一步擴(kuò)展的 Mini PCIe 端口和高速 SATA 存儲(chǔ)接口，能夠執(zhí)行復(fù)雜的自動(dòng)化任務(wù)，并可處理邊緣處理工作負(fù)載。千兆以太網(wǎng)接口便于其通過企業(yè)網(wǎng)關(guān)連接到互聯(lián)網(wǎng)和云。此外，該板還包含信任平臺(tái)模塊 （TPM），該模塊能夠?qū)崿F(xiàn)硬件加密加速，并提供安全的密鑰存儲(chǔ)，因而非常適用于需要很高黑客攻擊防御能力的自主設(shè)備。

軟件容器

要在與自動(dòng)化控制器或 PLC 相同的硬件上運(yùn)行邊緣計(jì)算引擎和應(yīng)用，這些引擎和應(yīng)用必須與其他軟件隔離運(yùn)行。使用容器已經(jīng)成為一種流行的方法，這種方法可提供與虛擬機(jī)類似的隔離，但更適合資源受限的設(shè)備。容器鏡像包括了軟件運(yùn)行需要的全部資源。但與虛擬機(jī)不同，容器對(duì)操作系統(tǒng)而不是硬件實(shí)現(xiàn)虛擬化，從而產(chǎn)生更輕便的解決方案。還可將容器與虛擬機(jī)結(jié)合使用，以便更加靈活地部署和管理應(yīng)用。

合適的軟件平臺(tái)提供便利的儀表盤，用于管理互聯(lián)邊緣設(shè)備，讓開發(fā)人員能夠?qū)Ｗ⒂谧远x他們的應(yīng)用，以捕捉他們需要的數(shù)據(jù)，并對(duì)檢測(cè)到的事件做出響應(yīng)。隨著軟件開發(fā)平臺(tái)和交鑰匙邊緣計(jì)算設(shè)備進(jìn)入市場(chǎng)，邊緣計(jì)算已成為新產(chǎn)品開發(fā)的主題。

邊緣計(jì)算是工業(yè)物聯(lián)網(wǎng)的附屬品，可隨時(shí)與云結(jié)合使用，為運(yùn)營(yíng)商和企業(yè)管理者提供便利，讓他們?cè)谶m當(dāng)時(shí)獲得需要的洞察力。據(jù) GE 估計(jì)，傳統(tǒng)自動(dòng)化系統(tǒng)僅使用 3% 的機(jī)器數(shù)據(jù)來產(chǎn)生有意義的結(jié)果。如果將邊緣計(jì)算和云計(jì)算結(jié)合使用，可以增強(qiáng)實(shí)時(shí)自動(dòng)化并為長(zhǎng)期決策提供指導(dǎo)，從而釋放剩余 97% 的數(shù)據(jù)的更多價(jià)值。

隨著更多企業(yè)在更多情況下需要依賴工業(yè)物聯(lián)網(wǎng)，一種更加先進(jìn)的架構(gòu)在不斷演進(jìn)，該架構(gòu)在網(wǎng)絡(luò)邊緣提供智能，為云的能力提供補(bǔ)充?，F(xiàn)在進(jìn)入市場(chǎng)的軟件解決方案讓企業(yè)能充分利用網(wǎng)關(guān)和傳統(tǒng)工業(yè)計(jì)算平臺(tái)，來實(shí)時(shí)響應(yīng)緊急事件、保持安全性及高效利用連接和帶寬。