隨著物聯網的快速發展，智能終端的不斷普及，我們已經進入了萬物互聯時代。在工控領域，工業設備所產生的數據量將越來越多，海量的連接及由此產生的海量數據，對數據處理的實時性、智能性、安全性和隱私性都帶來了更大的挑戰，而僅靠上傳到云端的云計算的方式越來越難以滿足人們的需求。

　　邊緣計算的誕生與發展

　　既然海量的數據產生在網絡邊緣側，那么有沒有一種方式能夠將智慧能力下沉，實現數據在邊緣側的及時處理和反饋，彌補傳統云計算方式的不足呢?在這樣的背景下，邊緣計算(Edge Computing)應運而生。

　　邊緣計算產業聯盟(ECC)把邊緣計算定義為：“邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開發平臺，就近提供邊緣智能服務，滿足行業數字在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求”。與云計算相比，邊緣計算具有低延時、低帶寬、實時性高、更安全可靠等特點。如果說云計算是一個統籌者，負責長周期數據的大數據分析，而邊緣計算更注重于實時、短周期的數據分析。

　　邊緣計算參考架構

　　為了更好的理解邊緣計算的相關技術、架構模型，以及促進邊緣計算在各垂直行業的深度應用，2018年12月4日，邊緣計算產業聯盟(ECC)與工業互聯網產業聯盟(AII)聯合發布了《邊緣計算參考架構3.0》。

　　邊緣計算參考架構3.0的主要內容：整個物聯網系統分為云、邊緣和現場三層，邊緣計算位于云和現場層之間，邊緣層向下支持各種現場設備的接入，向上可以與云端對接;邊緣層包括邊緣計算節點和邊緣管理器兩個主要部分。邊緣計算節點是硬件實體，是承載邊緣計算業務的核心，一般具有計算、網絡和存儲資源。邊緣管理器的呈現核心是軟件，主要功能是對邊緣節點進行統一管理。

　　1.云層

　　云層由多個高性能服務器和存儲設備組成，具有強大的計算和存儲功能，可以執行復雜的計算任務。云模塊通過控制策略可以有效地管理和調度邊緣節點和云計算中心，為用戶提供更好的服務。

　　2.邊緣層

　　邊緣層位于網絡的邊緣，由大量的邊緣節點組成，通常包括路由器、網關、交換機、接入點、基站、特定邊緣服務器等，這些邊緣節點廣泛分布在終端設備和云層之間。在工業領域，邊緣層涉及到由很多邊緣設備互相連接構成的工業現場，業內通常稱之為OT層。

　　3.現場設備層

　　現場設備層就是最底層的一個邊緣設備，例如傳感器、智能手機、智能車輛、智能卡、讀卡器等。在工業領域，它可以是流程工業的儀器儀表、傳感器，也可以是離散制造業的數控機床或者工業機器人。

　　邊緣計算系統對資源的使用有兩種方式：第一，直接將計算、網絡和存儲資源進行封裝，提供調用接口，邊緣管理器以代碼下載、網絡策略配置和數據庫操作等方式使用邊緣節點資源;第二，進一步將邊緣節點的資源按功能領域封裝成功能模塊，邊緣管理器通過模型驅動的業務編排的方式組合和調用功能模塊，實現邊緣計算業務的一體化開發和敏捷部署。

　　邊緣計算設備與平臺

　　傳統意義上網絡應用現場的控制器或者網關，并不能代表邊緣計算設備，符合邊緣計算定義要求的設備需要具備以下三個條件：

　　首先，該設備要具備邊緣側數據采集能力。數據采集是邊緣計算的基礎，從工業設備到消費電子，一切設備都是數據的來源。

　　其次，設備需要有基于機器學習的智能運算能力，尤其是能夠跨越邊緣側和云端提供智能化的運算能力。不僅如此，設備還需要具備良好的運算性能和數據管理能力。

　　第三，設備不僅僅能夠完成采集和運算，還需要提供可操作的決策反饋，要有連接至決策執行系統的開放性。系統管理層可以根據數據分析獲得相關決策建議，由執行系統或者設備本身直接完成決策過程。

　　邊緣計算不是單一的部件，也不是單一的層次，而是涉及到EC-laaS、EC-PaaS、EC-SaaS的端到端開放平臺。在實際應用中，要實現邊緣計算功能，不僅要有符合要求的邊緣計算設備，還需要有能夠實現落地的邊緣計算平臺。

　　根據邊緣計算平臺的設計目標和部署方式，目前可將邊緣計算開源平臺分為3類：面向物聯網端的邊緣計算平臺、面向邊緣云服務的邊緣計算平臺、面向云邊融合的邊緣計算平臺。由于針對的場景不同，各邊緣計算平臺的設計多種多樣，但也不失一般性，邊緣計算平臺的一般性功能框架如下圖所示。

　　在該框架中，資源管理功能用于管理網絡邊緣的計算、網絡和存儲資源;設備接入和數據采集功能分別用于接入設備和從設備中獲取數據;安全管理用于保障來自設備數據的安全;平臺管理功能用于管理設備和監測控制邊緣計算應用的運行情況。

　　邊緣計算應用場景

　　邊緣計算應用非常廣泛，如智慧城市建設、智能家居、安防監控以及車聯網自動駕駛領域，但目前邊緣計算應用最具成效的是在工業制造業。

　　在工業物聯網領域的應用實踐中，對于工業實時控制及邊緣設備安全隱私的要求較高，并且產生的數據需要本地化處理，因此將邊緣計算應用于工業物聯網成為行業發展的方向。

　　目前，邊緣計算在制造企業主要應用在以下幾個場景：

　　1.設備智能監控

　　在設備監控業務場景中，邊緣計算能夠支持對近億條甚至更多的數據傳輸和處理，并保證傳輸的實時性和可靠性。同時，結合大數據及人工智能技術，邊緣計算能及時對車間設備進行遠程控制，并能夠提升設備故障的預測能力，實現預測性運維，最大限度延長設備壽命和提高設備利用率。

　　邊緣計算還應用到終端產品(如挖掘機、智能汽車等)的日常使用和運維中。遠程控制無人挖掘機基于5G通訊技術、邊緣計算和人工智能技術的融合，通過無人駕駛及5G遠程遙控設備等實現準確快速施工，達到提升工作效率、節約費用、降低危險系數等功效。

　　2.機器人作業

　　傳統的工業機器人已經很難滿足智能制造時代對智能化和多感知融合等需求，必須依托互聯網技術、深度學習和機器人操作系統平臺等進一步構建下一代工業機器人。通過邊緣計算的模式提升機器人作為終端執行設備的自主決策能力，是實現復雜工藝和協同控制的必要基礎。

　　機器人智能作業的傳輸狀態類信息，如關節的位置、速度等，不僅信息量較大，而且對信息的實時性要求高;而控制命令信息對安全性和可靠性有較高要求。通過邊緣側與遠程控制端、智能中心的配合能夠實現機器人的智能控制。此外，邊緣計算還應用在多機器人協同作業，保證多機器人安全、高效的協同完成任務。

　　3.AI質檢

　　AI質檢系統采用先進的邊緣計算技術，將AI應用下沉到生產車間，在靠近設備的地方進行機器視覺分析，降低視頻傳輸對網絡帶寬的需求。

　　目前，邊緣AI工業質檢的訓練階段需要在邊緣側完成，利用深度學習進行數據的獲取、標注、訓練、測試和部署，然后根據產品檢驗要求對產品類別信息、缺陷位置、缺陷類別等檢測結果進行反饋，提出預警并控制現場設備進行處理。邊緣計算AI質檢實現了工業產品外觀缺陷的高精度識別分析，縮短了應用響應時間，提高了業務實時性。

　　4.產線優化

　　柔性化作為制造業轉型升級而產生的新型生產方式，受到了眾多企業的追捧。由于數據分析慢、終端信息化程度低，實現柔性化生產對于傳統制造業并不簡單。而制造企業通過邊緣計算能力控制不同的生產設備進行協作，實現工廠柔性化定制生產模式，讓生產線變得更加智能。

　　邊緣計算通過對設備的加工狀態，如工藝參數、生產環境數據的監控，建立“狀態改變對于加工質量影響”的數學分析模型，并通過趨勢分析預測加工質量的異常，及時調整設備工藝參數，形成“監控-分析-調整-優化”的閉環，防止廢品、殘次品產生。

　　5.工廠安防

　　在工廠安防領域，需要借助邊緣計算對人員進行精確定位以及將定位信息與實時視頻、圖像以及數據傳輸進行聯動，保證毫秒級的響應及提示，為預警的有效性提供保障，以防止安全事故的發生。同時，為了數據的長期存儲以便事故的追溯，需要借助邊緣計算的大帶寬、實時性以及云端海量存儲來實現這些需求。

　　6.機器人巡檢

　　傳統人為巡檢工作量大，而且容易出現漏檢。依托5G、AI和邊緣計算，智能巡檢機器人可以代替人力巡檢。在機器人巡檢場景中，必須要利用云端強大的大數據處理能力，對設備風險特征點進行有效的提取和分析，從而形成設備巡檢報警模型。將機器人管理和DIAG系統(診斷系統)部署在邊緣側，通過5G網絡回傳實時高清巡檢畫面、設備信息、環境信息、系統交互等，判斷現場產品是否與DIAG系統的產品信息一致，防止遺漏。

　　7.物流裝備智能化控制

　　在智能工廠內部，多AGV之間的作業協同，調度算法極其復雜，而且復雜環境和大量的跨區域作業，對通訊的穩定性和帶寬提出了更高的要求。隨著企業內AGV數量的增加，云AGV可以更好的解決運算問題，邊緣計算恰好能給云AGV提供高可靠、低時延的通訊條件支持。

　　邊緣計算是物聯網不可或缺的基礎設施之一，目前，對于邊緣計算技術的研究和認識依然在持續深入。伴隨5G商用的不斷推進和邊緣計算產業生態的發展完善，工業互聯網、虛擬現實、智慧交通、無人駕駛以及眾多目前難以想象的邊緣計算典型場景有望加快落地、走向應用和普及，將會給整個社會創造更大的價值。

　　來源：控制工程網