转自 丛力群 边缘计算产业联盟ECC
1 工业互联网成为国家战略
中国门类齐全、规模巨大的工业体系不间断地产生海量的工业大数据，通过破解这些工业大数据，工业互联网成为中国制造业在新一轮制造革命中赢得竞争力的钥匙。
自2018年，工业互联网连续三年被写入了《政府工作报告》，从“打造工业互联网平台”到“发展工业互联网，推进智能制造”，国家持续推动工业互联网建设的力度不断加大。
2020年2月，中央政治局会议明确指出：要发挥好有效投资关键作用，推动生物医药、医疗设备、5G网络、工业互联网等发展。2020年，国家全面部署“新基建”，工业互联网成为“新基建”的重要组成部分，是加速工业互联网发展进程的重要标志，进一步证明工业互联网已经由政策驱动、技术牵引全面转入落地实践的快车道。
2 数据驱动的云、边、端架构
工业互联网是OT和IT深度融合的产物，是一个涉及模型、App、平台、网络和工业装备等各种要素组成的复杂完整的智能系统，而其中数据就像智能体的“血液”，贯通肢体到中枢，是智能体产生活力的源泉。
基于对钢铁行业需求和特点的深入分析，充分考虑解决方案在业界的普适性，对“一总部、多基地”的大型钢铁企业，工业互联网架构分为两部分加以界定。一是以云端平台为中心、以多个边缘节点为数据通道、纵向以“云、边、端”层次构成的层次型系统架构，适用于各产业板块中具有特定业务内涵的经营单元，如：钢铁制造单元、工业服务子企业等。二是面向集团或行业生态圈，以横向多节点互联互通的网络型架构，如图1所示。
图1 中国宝武工业互联网实施架构图
其中，边缘节点的平台部署、数据处理、功能设计、云边协同等，形成具有普适可推广价值的技术解决方案和应用实践，有助于各类钢铁制造单元工业互联网部署和建设。
3 边缘计算
边缘层部署实施的核心目的是实现对可识别数据对象的有效管理和流转，边缘侧所有功能设计都与数据和数据应用紧密相关。
3.1边缘计算是一个技术概念
在流程驱动的传统企业信息化系统中，每一层级都承载具体的业务功能，与企业的管理结构相适应，不存在边缘的概念。所以，边缘是一个技术概念，并没有特定的业务内涵。边缘之所以在工业领域受到关注，因为其在工业互联网数据处理方面的特殊优势，而非其运行特定的业务功能。
在讨论边缘计算技术应用时，经常会涉及加载何种业务。事实上，将传统业务功能（非数据型应用）赋予边缘侧不是必须要做的工作，在边缘节点上部署应用功能会因行业、企业、专业、个人而异，取决于具体的场景需求和边缘资源的配置情况，应灵活加以应对。
钢铁产线边缘实施示意图如图2所示。
图2 钢铁产线边缘实施示意图
3.2边缘需要一个平台
与云端中心不同，边缘侧平台要在有限计算资源的条件下，满足数据采集流动过程中数据处理的基本需求，减少通信带宽、延迟和安全顾虑。平台以数据采集、预处理和分析展示为核心功能，包括（但不限于）：
（1）融合SCADA、过程控制系统，形成集实时数据采集、控制、计算和展示于一体的工业基础自动化App，满足工业现场机组级的智能监控和过程控制需求； （2）对区域内数据进行实时串接勾连、时空对齐、减量解析、关联建立、特征提取、规则发现等预处理等； （3）按统一的数据字典要求，对工业现场数据进行标准化和基本数据处理，实现基础数据模型构建； （4）在数据动态处理过程中，构建有边界范围内的区域数据池，并进行有限的数据缓存； （5）基于统一服务接口，与云中心进行数据交互； （6）加载基于本地数据的应用功能具有合理性，如：工业集控能力。
2020年，宝信App的工业互联网平台xIn3Plat入围国家级双跨平台行列。它由两个平台产品组成：云端部署的ePlat和边缘部署iPlat，其中宝武工业互联网平台之边缘平台功能架构图如图3所示。
图3 宝武工业互联网平台之边缘平台功能架构图
3.3边缘数据处理与服务
边缘层聚焦数据处理能力，整合并转化为标准的数据格式，重点考虑数据流转和处理，支撑各种数据信息资源的快速集成，为访问集成数据的应用提供统一数据模型和通用接口。
为应对来自现场（端）的数据汇聚和融合需求，边缘需要解决各类数据的存储需求，包括：具有时间戳的流式数据存储、过程控制中已经整理好的关系数据、经过数据对齐后的数据以及视频媒体数据。
边缘节点要汇聚数据，必然产生数据治理的相关需求。边缘层聚焦数据采集过程中的数据处理，重在解决数据定义、数据标准化、数据质量管理、数据资源管理、数据基础建模和数据安全等方面的工作，经过处理后所形成的有意义的数据均送到云端大数据中心。
4 边缘计算节点的部署要求
在靠近物或数据源头的一端部署边缘节点，由网络、计算、存储、应用等构成的系统环境，提供近端服务、处理数据的规模取决于节点部署的总体考虑。
4.1边缘配置技术要求
边缘节点资源配置的技术考量： （1）边缘的功能是解决实时性问题，一个高效的实时数据处理的技术方案是边缘的核心，且考虑到边缘节点直面生产设备，对可靠性有高要求，操作系统、数据库、中间件等基础关键资源宜采用成熟App； （2）考虑到边缘节点具有一定的数量规模，采用统一的技术架构和标准化的解决方案，有利于低成本快速部署，支撑数据共享和业务协同，降低成本； （3）在边缘采用成熟的云计算技术是可行的，包括：虚拟化技术、虚机动态漂移等，有利于提升系统资源的利用率，但不意味着边缘是一个缩小版的云环境； （4）边缘节点计算资源的配置需要灵活、轻量、稳定、可靠，同时应具有一定的弹性扩展能力，支撑未来的平滑扩充； （5）按照产线或工序建设的边缘计算系统之间应采取隔离措施，保证资源边界的清晰； （6）在有条件的情况下，可以集约化部署，实现集中运维，降低运维成本，需统筹考虑各类安全防护措施。
4.2边缘计算节点的部署场景
在钢铁制造过程中，边缘节点内环境的配置要兼顾存量产线的运行，场景部署上要有恰当的解决方案。
（1）对于新建系统（产线、工序、工厂等）
基于传统过程计算机功能进行重构和扩展可以形成理想的边缘计算环境，在完成SCADA服务（与监控系统扁平化）、数据采集、模型计算、工序跟踪等功能的基础上，扩展智能网关功能，实现基本的数据服务和边缘智能。 （2）对于存量系统
对于已经投运的产线，由于不可能对运行中的存量过程计算机（L2）系统进行功能改造，故需要一个额外的装置（或系统），解决从各产线（机组、装备）过程计算机采集数据，实现基本的数据服务和边缘智能，称为数据采集服务器。
考虑到经济性和合理性，数据采集服务器可以视需求做一对多配置，在一个边界清晰的区域范围完成所有数据的采集和服务，从而扩展为区域数据服务器，如图4所示。
图4 用于新建和改造场景的区域服务器配置
4.3边缘部署规则
（1）要清晰地定义区域的边界，如：热轧区域，由此部署区域服务器可以形成一个完整的数据样本，充分体现数据之间的关联关系； （2）消除按照专业（职能）分工设立的垂直数据通道，区域内所有数据统一汇聚到边缘节点，以便形成完整的区域数据样本，实现数据融合； （3）边缘计算资源环境，除了完成原有的L2功能外，重点强化数据处理和服务功能； （4）在边缘不建议部署大容量的存储资源，由云端解决大量数据的长期存储是合理的，且更具经济性； （5）边缘平台应以解决实时性数据处理和应用为核心，且应尽量降低对边缘硬件资源的需求，提供轻量级便捷部署的可行性方案； （6）除装备（产线）之间必须的工艺联锁信号外，不建议边缘节点之间留有进行大量数据交互的通道，边缘节点之间的数据交互应通过其共享的云中心来协调实现； （7）不建议部署超出数据范围的跨域集成应用。如：在以产线为对象配置边缘节点的场景中，跨机组产线、跨工序、跨流程，进行服务融合、数据融合的集控开发是不合理的。
5 边缘计算的技术实践
5.1边缘与云端功能协同
在工业互联网环境下，几乎所有的跨域应用功能都是在云端完成的，但需要边缘做基础的数据支撑，边缘计算与云计算在网络、业务、应用和智能方面进行协同至关重要。云、边协同包括：
（1）云、边平台协同中国宝武工业互联网平台由两个产品组成：ePlat、iPlat。其中，ePlat以云为核心部署，实现平台内各业务流程的集成，以及企业、产业之间横向紧密集成，从而构成生态圈建设的重要技术支撑；iPlat则部署在边缘节点，支撑在工厂内部从端到云数据的纵向“穿透式”深度贯通，保证数据的流动和控制的闭环，两个平台构成一个“T”型骨架，相互协同，提供纵向和横向两个维度的互联互通。
平台协同要求在平台架构设计、技术路线选择上具有强相关性和一致性，保证数据高效地流动，从而带来高效的应用开发效率和绝妙的使用体验。
（2）云、边数据协同数据协同的基础是数据接口的规范化、数据描述的一致化、数据应用的标准化和数据展示的一体化。边缘侧更适用局部性、实时、短周期数据的处理与分析，能更好地支撑本地业务的实时智能化决策与实行；云端大数据中心擅长全局性、非实时、长周期、综合性的大数据处理与分析，尤其是多源融合数据的全要素分析，能够在长周期维护、业务决策支撑等领域发挥优势。
边缘计算的输出成为云计算的输入，而无需在云端重复所有数据准备相关的处理工作，可以提高计算的效率。
（3）云、边应用协同边缘端实时采集汇聚工厂单个工序（装备、过程）的各类工艺过程数据、产品品质数据、设备状态数据、能源消耗数据、语音及视频等信号数据，按照时间和空间维度对数据进行勾连转换、对齐处理、特征值提取加工，为现场提供实时的过程监控诊断和机理模型控制，为云端数据采集进行数据预处理、单工序节点数据汇聚,支撑现场实时监控诊断预警和在线动态优化，其功能将覆盖智能制造的方方面面，从实现监控产线、车间、工厂，到为提升产品质量、降低成本、优化企业运营等做基础数据准备，存在广阔的创新空间。
云端通过一定的降频，汇聚各专业生产经营管理数据和经过边缘采集处理的现场生产过程数据，实现跨工序数据串接、全流程数据追溯和需要大规模数据的模型训练，既服务于经营管理决策，又服务于现场生产控制策略的优化，提供数据融合分析、在线决策支撑和个性化数据服务；通过基地内部供需协同和专业协同，以及基地之间的资源协同改善企业运营效率，支撑总部从采购到销售，从产品设计、制造到服务的一体化经营。
5.2区域集控系统
钢铁企业组织结构的设置是由工艺流程（铁、钢、轧等）决定的，工序构成了钢铁制造流程的基础单元，工序业务的管理精细化对于钢铁企业的智能化运营至关重 要。因此，面向工序（多产线）部署边缘节点，形成区域数据服务，在内涵和外延上都是一个符合逻辑的选项。同时，由于传统的企业信息化系统功能多为面向企业职能管理（产供销等）设计开发，支撑工序环节实现更精细管理的系统工具和手段相对有限，不够系统、完整，这在一定程度上削弱了精细化管理的能力，亟待加强。
目前，在宝武各基地乃至整个钢铁行业，各类区域集控中心的建设方兴未艾，受到“追捧”，除了减少人工、提高效率的需求驱动外，还需在一定程度上解决目前大工序区域管理抓手缺位的难题，针对改善基础管理效率做出重要探索与尝试。鄂钢全厂操业中心如图5所示。
图5 鄂钢全厂操业中心
从表象上，面向工序的区域集控中心是将原来分散的操作室做物理集中，通过中心大屏融合信息展示，而本质上是通过重构原有分散隔离的业务系统功能来提高业务运行的效率。其中，边缘节点融合汇聚了大量实时数据形成的区域数据池，产生了多结构数据融合解析、复杂控制模型、在线实时分析等诸多高实时性、短周期、本地决策应用场景，使工厂管理精细化具有可行性和可操作的空间。因此集控中心建设的深层逻辑是智能工厂的建设。
以工序级（区域）集控系统为例（如：炼钢），将边缘侧的功能分为以下类型：
（1）监控类：工艺过程、设备状态实时监控，并依据自动、手动等控制模式以及工艺模型输出形成的控制指令，控制响应设备按照逻辑完成规定的过程； （2）模型类：根据工艺模型和工艺参数进行计算，形成控制指令，根据实际工况进行模型演算和模型优化计算，以保证产品质量和生产稳定运行； （3）跟踪类：收集工艺过程和实绩数据，对工艺过程各个环节和参数进行采集，并以可视化方式展现，帮助操作人员监视生产过程； （4）数据类：根据业务需求，以各种协议和通信方式获取所需的数据，并对数据进行预处理，如：噪音处理、异点剔除、数据缺失补充、时序对位、空间对位、减量解析等，形成可用的基础数据模型队列，将大量高频次、多尺度、异构数据转化成有序、关联的数据队列； （5）管控类：依据所接受的作业计划、生产指令、制造规范等，基于区域数据，面向产品质量、工序成本、能源消耗、物料管理等进行实时的关联性分析和动态判定，持续优化模型和参数，为全流程的成本质量决策提供基础数据要素。
在上述集控中心主要功能设计中：功能（1）（2）（3）是过程计算机的传统功能；功能（4）是作为边缘节点处理数据的核心功能，功能（5）则是基于数据加载本地应用的附加功能。
6 小结
边缘计算的核心功能是面向数据，完成数据采集过程中的数据处理工作，节点部署、资源配置、功能设计等都围绕这一核心来开展，故称之为“以数据为核心”。边缘节点所覆盖的区域决定了数据汇聚的样本边界，在实践中，会根据行业、企业、场景等时空考量而不同。事实上，灵活性是边缘有别于云中心的一个重要特征，使得边缘在工业场景中具有广阔的应用空间，切忌将边缘做成一个缩小版的云节点。
边缘上部署应用功能并非必需，一个轻量级的边缘节点可以仅仅是一个数据通道，但不否认，基于汇聚数据加载本地应用是合理的诉求，既符合实时性，又具有经济型，这也是边缘愈加智能的重要驱动，不同的边缘部署产生不同的数据样本边界，就产生了加载本地应用的差异。可以预见，随着技术的不断演进，越来越多的应用会推向边缘，越来越高的智能会在边缘实现。
参考文献略。
编辑概况
丛力群，教授级高级工程师，博士，现任上海宝信App股份有限企业技术总监，中国宝武集团技术业务终身专家、上海市首批科技领军人才。长期以来致力于工业领域综合自动化技术与应用研究，在该领域取得了丰硕的成果。目前专注于工业互联网架构与应用方案的研究，主持编写了“钢铁行业工业互联网应用实践白皮书”，参与了宝武集团钢铁生态圈及宝钢股份智能制造规划工作等。
摘自《自动化博览》2021年2月刊暨《边缘计算专辑》
| 
173
发表于 2021-3-5 09:36:48
