無論IT端還是OT端的主流廠商都將目光聚焦在了“邊緣計算”這個焦點上,顯然,這并非是為了概念,對于OT廠商而言,傳統(tǒng)的控制系統(tǒng)任務聚焦在控制的實時性、穩(wěn)定性,而隨著數(shù)據(jù)的需求變大,如圖1所示,包括了機器、產(chǎn)線、過程、基礎設施中的物流、質量、能源、運營維護等數(shù)據(jù)的集成,以獲得全局優(yōu)化,這也的確需要更為開放、大容量支撐的數(shù)據(jù)處理架構來提供新的業(yè)務發(fā)展,因此,開始向著IT方向延伸,并推出其解決這些問題的邊緣計算方案。而IT端則借助于在通信網(wǎng)絡、軟件技術等,希望將其資源與工業(yè)場景融合,以實現(xiàn)市場的分攤,并尋找新的業(yè)務增長。
圖1-工廠數(shù)據(jù)的集成層次
本文試圖通過一些更為簡單的描述來闡述“邊緣計算”,避免過于專業(yè)的詞匯、復雜的模型。
簡要理解邊緣計算的維度
1.控制與計算的不同視角看邊緣計算
用一個簡單的例子來說明控制與計算的不同,1臺AGV小車沿著路徑運動,它運動的精度和速度由一個控制器來實現(xiàn)即可,這里的控制器采集物理的速度、位置信號,并對運動的速度、位置進行動態(tài)的調整,但是,100臺AGV小車在工廠里分布,然后如何最短路徑、且不與其它AGV碰撞,那么這個規(guī)劃算法就是一個“計算”的場景,在這個場景中,這個規(guī)劃算法核心在于為每個AGV制定調度策略,并給予指令,它的問題是在全局的層面,而不是單機層面,但也需要一定的實時性采集每個車輛的參數(shù)來運行。
類似的場景非常多,例如火車的調度、飛機的班次都屬于這類問題,另一類也包括優(yōu)化問題,最優(yōu)、最經(jīng)濟、利益最大化的策略問題,但是,共同是基于全局的策略、規(guī)劃、優(yōu)化、調度問題。
2.在物理與數(shù)字的邊界上工作的層
當然,也可以從另一視角,即,在整個智能制造中的層次架構來看,通過數(shù)字建模將整個制造的物理系統(tǒng)在數(shù)字世界對應的模型,然后,通過邊緣層進行實時的數(shù)據(jù)采集,將生產(chǎn)的現(xiàn)狀反饋給信息系統(tǒng),在測試驗證、運行、維護的各個階段,都可以在虛擬系統(tǒng)中對制造的工藝、參數(shù)、策略進行優(yōu)化,進而下載到物理系統(tǒng),并且可以根據(jù)物理系統(tǒng)的變化在虛擬系統(tǒng)中進行調整,這是一個不斷交互的層面,因此,邊緣計算可以被理解為在數(shù)字與物理世界間的協(xié)作層。
3.靠近地面的云
云計算也很火熱啊!它和邊緣有什么區(qū)別呢?簡單的說,邊緣就是靠近地面(現(xiàn)場)的云,這個理解起來有幾個維度:
--時間維度:它的時間周期處于云的長時間周期(s,Day,Week,Month)和控制的短周期(mS-μS)之間,比如在100mS級別的任務,就像機器人協(xié)同的周期可以定義在mS級即可。
--職能維度:它比較了解現(xiàn)場,一方面,作為接近OT端的存在,它需要了解各種現(xiàn)場總線,解決數(shù)據(jù)的連接問題,而另一方面它需要有IT經(jīng)驗,包括實時數(shù)據(jù)、歷史數(shù)據(jù)存儲、Web技術發(fā)布等,因此,邊緣計算是一個銜接現(xiàn)場控制與云端服務之間的架構層。
簡單說,邊緣計算就是位于工廠整體調度規(guī)劃軟件層與現(xiàn)場層之間,進行協(xié)同的基于信息的策略與優(yōu)化問題。
哪些應用可以放在邊緣側進行計算?
1.資產(chǎn)與數(shù)據(jù)管理
當我們討論工業(yè)4.0那會,就討論了數(shù)據(jù)對象的問題,包括物流倉庫中的原材料、在制品(在線物流)、成品倉庫,這些都是要處于監(jiān)測之下的,因為個性化生產(chǎn)需要精準的計量每個產(chǎn)品的質量、能源、機器、人工的消耗,而另一方面,包括你的設備資產(chǎn)處于的狀態(tài)也必須被監(jiān)測到,這些都是需要處于透明狀態(tài)下的,否則,你都不知道你每天加工了多少個產(chǎn)品,而整個生產(chǎn)和產(chǎn)線的運營基準就是你要知道你的家底。
圖2-資產(chǎn)性能監(jiān)測器的邊緣計算架構
圖2即是一個基于ABB Ability與現(xiàn)場設備集成的資產(chǎn)性能監(jiān)測器的架構,可以通過邊緣側的數(shù)據(jù)采集、存儲到云端,除了本地實時顯示,也可以為遠程的移動端提供訪問,采用邊緣計算架構主要借助于IT成熟的網(wǎng)絡、軟件資源。
2.生產(chǎn)運營中的監(jiān)測
OEE就是個最簡單的計算例子,你可能覺得它太簡單了,就是A*P*Q三個指標,而且就是“加減乘除”計算,是的,計算本來就是這樣的,難道非要微積分,高階函數(shù)、非線性才是計算嗎?
OEE對于制造企業(yè)非常關鍵在于,這個參數(shù)直接反映了生產(chǎn)的效率問題,如果你投資了10億建了生產(chǎn)線,然后它的OEE只有50%,你可以理解為這個生產(chǎn)線50%的時間在幫你賺錢,另外50%的時間在幫你浪費,而這個浪費的還比你賺錢快,你就知道OEE何其重要。
當然了,生產(chǎn)中的質量分析SPC-過程統(tǒng)計分析、帕累托圖之類都可以通過這些計算來呈現(xiàn)。
圖3-對于老工廠的性能數(shù)據(jù)統(tǒng)一集成
圖3是一個老工廠,可以通過多種方式集成數(shù)據(jù),并應用于數(shù)據(jù)的管理,包括OEE的整體統(tǒng)計,便于生產(chǎn)運營人員對整個產(chǎn)線進行調整。
3.策略優(yōu)化問題
舉個例子,印刷廠里接了A4、B5各種尺寸的訂單,但是,一般印刷機都是對開四色印花機,那么,這個訂單如何在一個紙張上最大的使用,就是一個“拼單”的問題,這個就是一個節(jié)省成本的算法,包括玻璃在線切割也是,一般玻璃產(chǎn)線出來的幅面比較大,而且在線檢測系統(tǒng)會對玻璃的質量進行監(jiān)測,然后與訂單進行匹配,在線裁切出不同需求的,用于汽車行業(yè)的玻璃和用于建筑行業(yè)的玻璃自然品質要求不同,讓訂單與生產(chǎn)實時匹配也是一個邊緣應用場景。
4.智能協(xié)同
就像無人駕駛的場景,交通擁堵多半來自路口,而當綠燈亮的時候,每個人的反應速度不同,有的人甚至因為打電話而耽擱數(shù)秒才啟動,而如果采用統(tǒng)一的車-車之間的數(shù)據(jù)協(xié)同,每個車都可以同時啟動,就保持了交通的通常,而另一方面,當車-車間及時的數(shù)據(jù)交互,就會產(chǎn)生潛在風險的消除,因為保持車距的策略可以被執(zhí)行。
邊緣協(xié)同就是扮演,通過數(shù)據(jù)的協(xié)同,保持車輛的同步啟動、等車距等安全、高效的交通調度,這樣就可以使得交通最大的優(yōu)化,大幅度降低堵車的可能。
5.預測性維護問題
預測性維護在傳統(tǒng)上基于機理模型、機械失效分析等方法,往往需要復雜的建模、專業(yè)的人員,而通過邊緣側的數(shù)據(jù)采集、處理,基于數(shù)據(jù)驅動型的機器學習方法,充分發(fā)揮算法、模型的作用,借助于計算機的算力、學習能力來尋找最優(yōu)的維護參數(shù),并獲得更高的預測準確度。
根據(jù)行業(yè)屬性、現(xiàn)場工況、以及實際的運行參數(shù),選擇合適的特征值,并進行學習,獲取最優(yōu)的參數(shù),以對機器的狀態(tài)進行故障預警,提高設備利用率,并降低宕機及其帶來的生產(chǎn)運營損失。
文章來源:信息化和軟件服務網(wǎng)