【轻松入门】边缘计算是干什么的？

• 关键词：贝加莱,边缘计算
• 摘要：无论IT端还是OT端的主流厂商都将目光聚焦在了“边缘计算”这个焦点上，显然，这并非是为了概念，对于OT厂商而言，传统的控制系统任务聚焦在控制的实时性、稳定性，而随着数据的需求变大，如图1所示，包括了机器、产线、过程、基础设施中的物流、质量、能源、运营维护等数据的集成，以获得全局优化，这也的确需要更为开放、大容量支撑的数据处理架构来提供新的业务发展，因此，开始向着IT方向延伸，并推出其解决这些问题的边缘计算方案。而IT端则借助于在通信网络、软件技术等，希望将其资源与工业场景融合，以实现市场的分摊，并寻找新的业务增长。

无论IT端还是OT端的主流厂商都将目光聚焦在了“边缘计算”这个焦点上，显然，这并非是为了概念，对于OT厂商而言，传统的控制系统任务聚焦在控制的实时性、稳定性，而随着数据的需求变大，如图1所示，包括了机器、产线、过程、基础设施中的物流、质量、能源、运营维护等数据的集成，以获得全局优化，这也的确需要更为开放、大容量支撑的数据处理架构来提供新的业务发展，因此，开始向着IT方向延伸，并推出其解决这些问题的边缘计算方案。而IT端则借助于在通信网络、软件技术等，希望将其资源与工业场景融合，以实现市场的分摊，并寻找新的业务增长。

❖图1-工厂数据的集成层次

本文试图通过一些更为简单的描述来阐述“边缘计算”，避免过于专业的词汇、复杂的模型。

简要理解边缘计算的维度

1、控制与计算的不同视角看边缘计算

用一个简单的例子来说明控制与计算的不同，1台AGV小车沿着路径运动，它运动的精度和速度由一个控制器来实现即可，这里的控制器采集物理的速度、位置信号，并对运动的速度、位置进行动态的调整，但是，100台AGV小车在工厂里分布，然后如何最短路径、且不与其它AGV碰撞，那么这个规划算法就是一个“计算”的场景，在这个场景中，这个规划算法核心在于为每个AGV制定调度策略，并给予指令，它的问题是在全局的层面，而不是单机层面，但也需要一定的实时性采集每个车辆的参数来运行。

类似的场景非常多，例如火车的调度、飞机的班次都属于这类问题，另一类也包括优化问题，最优、最经济、利益最大化的策略问题，但是，共同是基于全局的策略、规划、优化、调度问题。

2、在物理与数字的边界上工作的层

当然，也可以从另一视角，即，在整个智能制造中的层次架构来看，通过数字建模将整个制造的物理系统在数字世界对应的模型，然后，通过边缘层进行实时的数据采集，将生产的现状反馈给信息系统，在测试验证、运行、维护的各个阶段，都可以在虚拟系统中对制造的工艺、参数、策略进行优化，进而下载到物理系统，并且可以根据物理系统的变化在虚拟系统中进行调整，这是一个不断交互的层面，因此，边缘计算可以被理解为在数字与物理世界间的协作层。

3、靠近地面的云

云计算也很火热啊！它和边缘有什么区别呢？简单的说，边缘就是靠近地面（现场）的云，这个理解起来有几个维度：

--时间维度：它的时间周期处于云的长时间周期（s,Day,Week,Month）和控制的短周期（mS-μS）之间，比如在100mS级别的任务，就像机器人协同的周期可以定义在mS级即可。

--职能维度：它比较了解现场，一方面，作为接近OT端的存在，它需要了解各种现场总线，解决数据的连接问题，而另一方面它需要有IT经验，包括实时数据、历史数据存储、Web技术发布等，因此，边缘计算是一个衔接现场控制与云端服务之间的架构层。

简单说，边缘计算就是位于工厂整体调度规划软件层与现场层之间，进行协同的基于信息的策略与优化问题。

哪些应用可以放在边缘侧进行计算？

1、资产与数据管理

当我们讨论工业4.0那会，就讨论了数据对象的问题，包括物流仓库中的原材料、在制品（在线物流）、成品仓库，这些都是要处于监测之下的，因为个性化生产需要精准的计量每个产品的质量、能源、机器、人工的消耗，而另一方面，包括你的设备资产处于的状态也必须被监测到，这些都是需要处于透明状态下的，否则，你都不知道你每天加工了多少个产品，而整个生产和产线的运营基准就是你要知道你的家底。

❖图2-资产性能监测器的边缘计算架构

图2即是一个基于ABB Ability与现场设备集成的资产性能监测器的架构，可以通过边缘侧的数据采集、存储到云端，除了本地实时显示，也可以为远程的移动端提供访问，采用边缘计算架构主要借助于IT成熟的网络、软件资源。

2、生产运营中的监测

OEE就是个最简单的计算例子，你可能觉得它太简单了，就是A*P*Q三个指标，而且就是“加减乘除”计算，是的，计算本来就是这样的，难道非要微积分，高阶函数、非线性才是计算吗？

OEE对于制造企业非常关键在于，这个参数直接反映了生产的效率问题，如果你投资了10亿建了生产线，然后它的OEE只有50%，你可以理解为这个生产线50%的时间在帮你赚钱，另外50%的时间在帮你浪费，而这个浪费的还比你赚钱快，你就知道OEE何其重要。

当然了，生产中的质量分析SPC-过程统计分析、帕累托图之类都可以通过这些计算来呈现。

❖图3-对于老工厂的性能数据统一集成

图3是一个老工厂，可以通过多种方式集成数据，并应用于数据的管理，包括OEE的整体统计，便于生产运营人员对整个产线进行调整。

3、策略优化问题

举个例子，印刷厂里接了A4、B5各种尺寸的订单，但是，一般印刷机都是对开四色印花机，那么，这个订单如何在一个纸张上最大的使用，就是一个“拼单”的问题，这个就是一个节省成本的算法，包括玻璃在线切割也是，一般玻璃产线出来的幅面比较大，而且在线检测系统会对玻璃的质量进行监测，然后与订单进行匹配，在线裁切出不同需求的，用于汽车行业的玻璃和用于建筑行业的玻璃自然品质要求不同，让订单与生产实时匹配也是一个边缘应用场景。

4、智能协同

就像无人驾驶的场景，交通拥堵多半来自路口，而当绿灯亮的时候，每个人的反应速度不同，有的人甚至因为打电话而耽搁数秒才启动，而如果采用统一的车-车之间的数据协同，每个车都可以同时启动，就保持了交通的通常，而另一方面，当车-车间及时的数据交互，就会产生潜在风险的消除，因为保持车距的策略可以被执行。

边缘协同就是扮演，通过数据的协同，保持车辆的同步启动、等车距等安全、高效的交通调度，这样就可以使得交通最大的优化，大幅度降低堵车的可能。

5、预测性维护问题

预测性维护在传统上基于机理模型、机械失效分析等方法，往往需要复杂的建模、专业的人员，而通过边缘侧的数据采集、处理，基于数据驱动型的机器学习方法，充分发挥算法、模型的作用，借助于计算机的算力、学习能力来寻找最优的维护参数，并获得更高的预测准确度。

根据行业属性、现场工况、以及实际的运行参数，选择合适的特征值，并进行学习，获取最优的参数，以对机器的状态进行故障预警，提高设备利用率，并降低宕机及其带来的生产运营损失。

关于贝加莱

贝加莱是一个总部位于奥地利并拥有遍布全球分支机构的创新驱动型自动化企业，2017年7月，贝加莱成为ABB集团全球机器与工厂自动化业务单元。作为全球工业自动化领域的领导者，贝加莱融合了前沿技术与先进的工程能力，为各个产业客户提供机器与工厂自动化、运动控制、HMI以及集成安全技术的完整解决方案。通过工业物联网通信标准如OPC UA、POWERLINK和openSAFETY以及贝加莱强大的Automation Studio软件开发环境，贝加莱不断重新定义自动化工程的未来。贝加莱保持持续的创新精神，为客户提供更为简化以及超出预期的工业自动化领域前沿技术与方案。