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)
