什麼是邊緣計算

邊緣計算是個比較高大上的概念,在這裡就不提眾多官方與非官方的定義了,只說說自己的理解。

邊緣計算就是在最靠近物理設備的使用現場,利用有限的硬體資源,完成設備層數據採集、協議轉換、數據上傳、數據存儲、數據分析等操作的軟硬體一體的解決方案。

邊緣計算在智能製造技術架構中的位置

首先,我們看一下the Industrial Internet Consortium (IIC)發布的《The Industrial Internet of Things Volume G1: Reference Architecture》中的工業物聯網的三層架構。

邊緣層使用鄰近網路從邊緣節點收集數據。 在邊緣層內,邊緣網關(Edge Gateway)具有兩方面的作用,一方面與物理實體交互以獲取數據,另一方面通過接入網路與平台層連接。在一般情況下,邊緣網關是承擔邊緣計算的載體

平台層接收、處理和轉發從企業層到邊緣層的控制命令。 平台層整合流程並分析來自邊緣層和其他層的數據流,為設備和資產提供管理功能。 平台層還提供一些通用的服務,如數據查詢和分析。

企業層實現特定領域的應用程序、決策支持系統,並為最終用戶提供人機交互界面。 企業層從邊緣和平台層接收數據流。 它還向平台層和邊緣層發出控制命令。

邊緣計算在智能製造中所發揮的作用

  • 連接與協議轉換:通過協議轉換,實現IT與OT的融合,完成設備層與信息系統之間的數據交互。工業現場的設備種類繁多,所採用的協議也是五花八門。因此,邊緣計算單元的首要任務是作為翻譯官,將設備的工業自動化語言翻譯成信息系統能夠聽懂的IT語言,也就是完成設備層眾多OT協議的轉換,將其轉化為IT協議。
  • 數據存儲:作為邊緣計算載體的邊緣網關應有一定的數據存儲能力,對來自設備層的實時狀態數據,以及報警、故障等信息做一定時間長度的存儲。由於邊緣網關的硬體條件的限制,存儲容量不會太大。而且所採用的資料庫一般為實時資料庫,這種資料庫能夠在有限的硬體資源條件下,有效應對生產現場設備狀態的海量實時流數據的存儲,邊緣網關會不斷用新的數據覆蓋原有的超過一定時間周期的數據。邊緣側存儲的數據中,只有必要的數據才會上傳到平台層,這樣能夠節省大量的數據傳輸成本。同時,邊緣側雖然存儲數據量有限,但是仍然可以作為黑匣子,用於設備發生故障後的原因分析。
  • 實時分析:由於硬體配置的限制(如CPU的計算能力、內存的容量等等),邊緣層所進行的分析更多是簡單直接的數據處理與分析,例如原始值向工程值的轉換、報警規則的設置、對數據進行過濾後只將重要數據上傳到雲平台或後端數據中心,減少對網路帶寬的壓力。
  • 實時監控:外接顯示器、觸摸屏等,作為現場操作站,用於現場工作人員對設備狀態的及時查看以及操作。邊緣智能節點還能夠將實時分析的結果在生產現場做實時展示。
  • 反饋控制:在人為授權的情況下,邊緣網關在採集到生產現場數據後,能夠根據預置的規則對設備的運行進行自動反饋控制。由此在邊緣層形成一個閉環——從數據採集,到分析,再到控制。在邊緣側進行的這種閉環反饋控制能夠充分保證實時性。

邊緣計算的軟體開源框架

在這裡給大家推薦一個邊緣計算的開源框架Apache Edgent。

這款框架的前身是Quarks,是用於邊緣分析的編程模型和運行時,它是帶有功能流API的編程SDK,能夠用於流數據分析。在連接性方面,能夠支持很多的連接器,如MQTT,HTTP,JDBC,Apache Kafka。最為重要的是,Apache Edgent是一個輕量級的框架,能夠在Raspberry Pi等小型邊緣設備上運行。

對Apache Edgent感興趣的朋友可以關注下方公眾號,回復「邊緣計算」,獲取Apache Edgent的相關資料。

結語

說到邊緣計算,可能製造業的很多從業者都比較陌生。但是,看到邊緣計算所提供的能力,相信大部分人都不會陌生。很多位於生產現場的操作站,數采終端都或多或少地完成了類似的功能。我之前在鋼廠的一個起重機監控項目中,就是採用嵌入式工控機作為前置機,安裝在起重機上,完成數據採集、存儲、實時狀態展示、數據上傳MES等功能,除了分析方面的功能稍弱以外,基本已經具備了邊緣計算節點的功能。

因此,我認為,對於邊緣計算在工業現場的應用,應充分利用現有的位於現場的工控機等硬體,將其作為邊緣計算的載體,在原有的數據採集、實時狀態展示等基本功能的基礎上,利用一些輕量級的分析框架,提升在邊緣層的分析能力。

此外,邊緣網關所進行的對數據的處理操作要與後端平台層的數據分析操作相結合,統一規劃、部署,也就是說,要先想清楚「哪些數據處理操作放在邊緣側,哪些分析操作放在平台層,邊緣側的功能設計怎樣才能更好地為平台層的深入分析提供數據支持」,以此發揮邊緣計算的最大作用。


歡迎轉載,轉載請註明出處。

如果想獲得更多關於智能製造以及物聯網方面的文章,關注我的公眾號「聊聊智能製造那些事」,查看歷史文章即可。

推薦閱讀:

相关文章