張宇翔

摘 要：本文對(duì)邊緣計(jì)算的概念、發(fā)展現(xiàn)狀做了概括性介紹，同時(shí)對(duì)人工智能、云計(jì)算、邊緣計(jì)算、自控系統(tǒng)和智能制造裝備間的相互關(guān)系進(jìn)行了系統(tǒng)性闡述，對(duì)相關(guān)技術(shù)的應(yīng)用和發(fā)展方向提出了自己的觀點(diǎn)。

關(guān)鍵詞：邊緣計(jì)算；智能制造裝備；自控系統(tǒng)；物聯(lián)網(wǎng)

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

1 概述

邊緣計(jì)算（Edge computing ），是相對(duì)于云計(jì)算而言，在物理上臨近數(shù)據(jù)源頭就近提供邊緣智能計(jì)算服務(wù)的一種工作模式，它使物聯(lián)網(wǎng)（Internet of Things，IoT）、智能制造等所需的網(wǎng)絡(luò)通信、數(shù)據(jù)存儲(chǔ)、實(shí)時(shí)計(jì)算、應(yīng)用處理等核心功能在靠近工作現(xiàn)場(chǎng)的地方得以完成。邊緣計(jì)算更好的實(shí)現(xiàn)了網(wǎng)絡(luò)計(jì)算能力、工作和通信負(fù)載的優(yōu)化。

智能制造裝備，是先進(jìn)制造、智能感知和自動(dòng)控制等先進(jìn)技術(shù)深度融合的產(chǎn)物，是具有感知、分析、決策、控制、執(zhí)行等功能各類制造裝備的統(tǒng)稱，是實(shí)現(xiàn)制造強(qiáng)國(guó)戰(zhàn)略的重要環(huán)節(jié)。

邊緣計(jì)算為智能制造裝備提供了新的技術(shù)手段，利用云端大數(shù)據(jù)進(jìn)行人工智能分析，對(duì)邊緣智能制造裝備進(jìn)行安全配置、部署和管理，根據(jù)智能制造裝備工況、類型和場(chǎng)景進(jìn)行算法和控制方法的調(diào)整，每個(gè)智能制造裝備都獨(dú)立具備數(shù)據(jù)采集、本地存儲(chǔ)、智能分析計(jì)算、通信及控制功能，以實(shí)現(xiàn)人工智能、大數(shù)據(jù)云端、邊緣計(jì)算和裝備實(shí)時(shí)自控的協(xié)同高效工作。

2 邊緣計(jì)算

邊緣計(jì)算并不是最近才出現(xiàn)的一個(gè)新概念。邊緣計(jì)算最早可以追溯至十多年前出現(xiàn)的相關(guān)技術(shù)和概念。自2014年開始，特別是近兩年在萬(wàn)物互聯(lián)的背景下，邊緣數(shù)據(jù)量呈現(xiàn)爆發(fā)性增長(zhǎng)，邊緣計(jì)算開始被廣泛關(guān)注，相關(guān)技術(shù)也得到了飛速發(fā)展（見圖1）。

邊緣計(jì)算的興起一方面原因是隨著物聯(lián)網(wǎng)接入終端的爆發(fā)式增長(zhǎng)，這些終端設(shè)備所產(chǎn)生的大量的數(shù)據(jù)給數(shù)據(jù)傳輸、分析和處理帶來(lái)了新的挑戰(zhàn)。據(jù)IDC的統(tǒng)計(jì)數(shù)據(jù)和預(yù)測(cè)，到2020年將有超過(guò)500億的終端和設(shè)備聯(lián)網(wǎng)。盡管隨著技術(shù)的進(jìn)步，從設(shè)備到云端的網(wǎng)絡(luò)傳輸速度和云端的數(shù)據(jù)存儲(chǔ)能力都得到了極大的提高，但如果將這些海量數(shù)據(jù)全部傳輸?shù)皆朴?jì)算端進(jìn)行數(shù)據(jù)存儲(chǔ)、處理分析，將嚴(yán)重影響系統(tǒng)的工作效率并且費(fèi)用成本高昂，同時(shí)由于網(wǎng)絡(luò)延遲和云端數(shù)據(jù)處理的時(shí)間問(wèn)題，無(wú)法滿足實(shí)時(shí)控制和響應(yīng)處理。另一方面，隨著技術(shù)的進(jìn)步，邊緣終端設(shè)備的計(jì)算、存儲(chǔ)和通信能力有了極大的提高，使得原來(lái)必須由云端完成的計(jì)算可以在無(wú)限接近傳感器和設(shè)備數(shù)據(jù)源的網(wǎng)絡(luò)邊緣完成，據(jù)預(yù)測(cè)約50%的數(shù)據(jù)將在網(wǎng)絡(luò)邊緣側(cè)處理分析和存儲(chǔ)。

用人腦和眼睛視覺圖像認(rèn)知識(shí)別的過(guò)程作類比，可以更好的理解邊緣計(jì)算。人眼并不是一個(gè)單純的光學(xué)系統(tǒng)，它不會(huì)簡(jiǎn)單地把投射到視網(wǎng)膜上的圖像每一個(gè)像素原原本本地傳給大腦，而是先對(duì)圖像信息進(jìn)行預(yù)處理，抽取圖形輪廓、紋理、運(yùn)動(dòng)方向、顏色和亮度對(duì)比等重要特征信息，并把它們編制成神經(jīng)編碼信號(hào)傳送給大腦。這就極大的減輕了神經(jīng)傳導(dǎo)和大腦處理信息的負(fù)擔(dān)。同樣，神經(jīng)系統(tǒng)反射弧的工作過(guò)程也是這種運(yùn)作模式。這些都是自然進(jìn)化產(chǎn)生的邊緣計(jì)算。

邊緣計(jì)算與云計(jì)算是共生共存的，是對(duì)計(jì)算能力、工作負(fù)載、通信負(fù)載和響應(yīng)速度的優(yōu)化平衡，也會(huì)隨著軟硬件和信息通信技術(shù)的進(jìn)步進(jìn)行再平衡。

3 邊緣計(jì)算與智能制造裝備

類似于邊緣計(jì)算的工作方式其實(shí)在自控領(lǐng)域早就存在。集散控制系統(tǒng)（Distributed Control System，DCS），自1975年問(wèn)世，已經(jīng)經(jīng)歷了四十多年的發(fā)展歷程，被廣泛的應(yīng)用于生產(chǎn)過(guò)程自動(dòng)化領(lǐng)域。其基本思想核心是集中（分級(jí)）管理、分散控制。系統(tǒng)控制功能分散在各現(xiàn)場(chǎng)控制單元上實(shí)現(xiàn)，系統(tǒng)結(jié)構(gòu)采用容錯(cuò)設(shè)計(jì)，任何一個(gè)現(xiàn)場(chǎng)控制單元出現(xiàn)故障或離線都不會(huì)導(dǎo)致系統(tǒng)其他功能的喪失，大大提高了整個(gè)系統(tǒng)的安全性和實(shí)時(shí)響應(yīng)速度。同時(shí)也有效減輕了系統(tǒng)網(wǎng)絡(luò)通信負(fù)荷，確保系統(tǒng)的可靠性和實(shí)時(shí)性。

傳統(tǒng)自動(dòng)控制是基于傳感器信號(hào)的控制，而邊緣計(jì)算則是基于信息和數(shù)據(jù)的控制。需要指出的是，受制于網(wǎng)絡(luò)傳輸、響應(yīng)速度等因素，邊緣計(jì)算雖然相對(duì)于云計(jì)算來(lái)說(shuō)是低延時(shí)，但是其幾十毫秒到一百毫秒的響應(yīng)周期對(duì)于高精度機(jī)床、工業(yè)機(jī)器人等許多微秒級(jí)的智能制造裝備“控制任務(wù)”所需的響應(yīng)速度的而言，過(guò)大的時(shí)間延遲不能滿足真正的實(shí)時(shí)控制的需要，邊緣計(jì)算目前還只能被稱為“準(zhǔn)實(shí)時(shí)”，從自動(dòng)化行業(yè)的角度來(lái)看只能被歸在“非實(shí)時(shí)”的解決方案。但這并不妨礙邊緣計(jì)算用于智能制造裝備，只是所處理的領(lǐng)域和范圍不同罷了。

人工智能、云計(jì)算、邊緣計(jì)算、自控系統(tǒng)的相互關(guān)系，可以用圖2簡(jiǎn)化描述。

智能制造裝備傳感器產(chǎn)生的數(shù)據(jù)上傳至邊緣網(wǎng)關(guān)，并且在網(wǎng)絡(luò)邊緣完成數(shù)據(jù)的分析和處理，邊緣計(jì)算節(jié)點(diǎn)從各聯(lián)網(wǎng)設(shè)備中獲取由多種的協(xié)議傳送的數(shù)據(jù)并進(jìn)行轉(zhuǎn)換，對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析處理再根據(jù)預(yù)先設(shè)定的規(guī)則將數(shù)據(jù)上傳到云端。邊緣計(jì)算分析除了進(jìn)行數(shù)據(jù)的轉(zhuǎn)換和

（下轉(zhuǎn)第10頁(yè)）

（上接第36頁(yè)）

傳輸，更可離線獨(dú)立進(jìn)行基于規(guī)則的算法處理和控制，而不依賴于集中式服務(wù)器或云端。處理之后的數(shù)據(jù)匯集到云端，與其他來(lái)源的數(shù)據(jù)進(jìn)行再聚合，使用云端人工智能分析引擎進(jìn)行大數(shù)據(jù)分析，根據(jù)分析結(jié)果再將優(yōu)化的邊緣分析模型發(fā)送回邊緣計(jì)算端。邊緣計(jì)算層不僅同時(shí)連接云端、應(yīng)用層和設(shè)備層，還在物聯(lián)網(wǎng)體系內(nèi)起到安全隔離作用，確保系統(tǒng)的安全性和工作效率，在這一點(diǎn)上和DCS系統(tǒng)極為相似。

以智能機(jī)床為例。機(jī)床是裝備制造的母機(jī)，智能機(jī)床是智能制造裝備中一個(gè)重要的環(huán)節(jié)。智能機(jī)床能自主對(duì)生產(chǎn)制造過(guò)程進(jìn)行監(jiān)控、分析，診斷和修正在生產(chǎn)過(guò)程中出現(xiàn)的各類偏差，并且能為生產(chǎn)過(guò)程的優(yōu)化提供解決方案。智能機(jī)床通過(guò)自動(dòng)振動(dòng)抑制、噪音抑制、熱變形分析和控制、干涉預(yù)防、潤(rùn)滑油量自動(dòng)調(diào)節(jié)等，以提高機(jī)床加工的精度和效率。目前高速高精度運(yùn)動(dòng)控制還是由專用的控制器來(lái)實(shí)現(xiàn)。而通過(guò)邊緣計(jì)算則可以在各種信息進(jìn)行儲(chǔ)存、分析、處理、判斷、調(diào)節(jié)、優(yōu)化、控制等方面發(fā)揮重要作用。比如，通過(guò)對(duì)機(jī)器工作噪音、震動(dòng)、功耗、負(fù)載等信息的采集匯總分析比對(duì)，可以對(duì)機(jī)器的機(jī)械磨損、異常工況、預(yù)計(jì)壽命等做出判斷和預(yù)測(cè)。這些機(jī)器工況數(shù)據(jù)不太可能（也沒有必要）全部上傳到云端再進(jìn)行處理，通過(guò)邊緣計(jì)算節(jié)點(diǎn)進(jìn)行預(yù)分析處理，只上傳特異性和趨勢(shì)性的數(shù)據(jù)到云端，通過(guò)云端對(duì)此類設(shè)備大數(shù)據(jù)的匯集分析，對(duì)比設(shè)備的實(shí)際運(yùn)行狀態(tài)，實(shí)現(xiàn)對(duì)設(shè)備工況的智能研判、故障預(yù)測(cè)和運(yùn)行參數(shù)的優(yōu)化調(diào)整，同時(shí)還可對(duì)邊緣節(jié)點(diǎn)的智能算法、運(yùn)行規(guī)則進(jìn)行優(yōu)化修改。

邊緣計(jì)算在智能裝備制造領(lǐng)域有著極其廣闊的應(yīng)用前景，但也存在著許多需要解決的問(wèn)題，每個(gè)智能裝備企業(yè)都有自己集成系統(tǒng)、產(chǎn)業(yè)與邊緣計(jì)算，邊緣計(jì)算技術(shù)標(biāo)準(zhǔn)的制訂、產(chǎn)業(yè)化推進(jìn)和生態(tài)體系的構(gòu)建是下一步工作推進(jìn)的重點(diǎn)。

4 結(jié)語(yǔ)

回顧近十年信息技術(shù)的發(fā)展，大數(shù)據(jù)的興起是因?yàn)橥ㄐ拍芰?、云端存?chǔ)和處理能力的提高，人工智能的發(fā)展則是大數(shù)據(jù)充分挖掘處理的要求，而邊緣計(jì)算快速正增長(zhǎng)是物聯(lián)網(wǎng)設(shè)備接入的爆發(fā)式增長(zhǎng)的需要，邊緣計(jì)算是適用于智能裝備制造領(lǐng)域的一項(xiàng)先進(jìn)技術(shù)手段?？梢灶A(yù)見，隨著工業(yè)互聯(lián)網(wǎng)和5G的應(yīng)用，原來(lái)無(wú)法由云端實(shí)現(xiàn)的功能將更多的向云端轉(zhuǎn)移，同時(shí)更多具有邊緣計(jì)算功能的智能傳感器和設(shè)備將得到大量的部署和應(yīng)用，云計(jì)算、邊緣計(jì)算和智能制造裝備將實(shí)現(xiàn)和諧統(tǒng)一的共同發(fā)展。

參考文獻(xiàn)：

[1]施巍松.邊緣計(jì)算：現(xiàn)狀與展望[J].美國(guó)韋恩州立大學(xué).

[2]邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟，工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟.邊緣計(jì)算參考架構(gòu)2.0[DB/OL].