魏 堅，余 濤，趙子杰，陸劍峰，王舜禹

(1.同濟大學電子與信息工程學院CIMS研究中心，上海 201800；2.智能云科信息科技有限公司，上海 200082；3.南通理工學院，江蘇 南通 226001)

0 引言

工業(yè)互聯(lián)網是滿足工業(yè)智能化發(fā)展的關鍵網絡，也是新一代信息技術和工業(yè)深度融合形成的新型應用模式[1]。工業(yè)互聯(lián)網聯(lián)盟(alliance of industrial internet，AII)認為，工業(yè)互聯(lián)網的本質是以機器、原材料、控制系統(tǒng)、信息系統(tǒng)、產品和人之間的網絡互聯(lián)為基礎，通過對工業(yè)數(shù)據(jù)的全面深度感知、實時傳輸轉換、快速計算處理和高級建模分析，實現(xiàn)智能控制、運營優(yōu)化和生產組織變革[2]。

數(shù)據(jù)是工業(yè)互聯(lián)網的核心。這里的數(shù)據(jù)既包括現(xiàn)場設備、產品、運行環(huán)境的數(shù)據(jù)，也包括工廠外智能產品的數(shù)據(jù)?；谶@些數(shù)據(jù)的分析，機器可以高效地生產，管理模式可以得到充分的優(yōu)化。這使得工業(yè)朝著智能化方向發(fā)展。而工業(yè)數(shù)據(jù)采集又是數(shù)據(jù)的基礎。國務院發(fā)布的《關于深化“互聯(lián)網+先進制造業(yè)”發(fā)展工業(yè)互聯(lián)網的指導意見》強調要“強化復雜生產過程中設備聯(lián)網與數(shù)據(jù)采集能力，實現(xiàn)企業(yè)各層級數(shù)據(jù)資源的端到端集成”，推動各類數(shù)據(jù)集成應用，形成基于數(shù)據(jù)采集、集成、分析的“工藝優(yōu)化、流程優(yōu)化、設備維護與事故風險預警能力”[3]。

在機加工行業(yè)中，設備的數(shù)據(jù)采集是一項重要的工作。這里的數(shù)據(jù)采集包括兩方面內容。一是通過現(xiàn)場總線、工業(yè)以太網、工業(yè)光纖網絡等工業(yè)通信網絡實現(xiàn)工廠內設備的數(shù)據(jù)采集，二是通過工業(yè)互聯(lián)網實現(xiàn)對工廠外其他類型設備的遠程接入和數(shù)據(jù)采集。由于設備系統(tǒng)本身具有較強的封閉性和復雜性，不同設備的數(shù)據(jù)格式、接口協(xié)議都不相同，因此現(xiàn)階段需要根據(jù)不同的設備類型設置不同的采集流程，包括設置網絡接口、網絡協(xié)議、網絡拓補和網絡管理。當工業(yè)云平臺采集到這些數(shù)據(jù)后，還需要使用不同的轉換協(xié)議將這些數(shù)據(jù)轉換成統(tǒng)一格式。這種處理方式不僅需要大量的時間，而且成本高昂。隨著接入設備的增加，采集數(shù)據(jù)的爆發(fā)式增長，這些弊端會越來越明顯。這些都對機床的數(shù)據(jù)采集提出了更高的要求。本文提出了一種解決方案，即通過邊緣設備實現(xiàn)不同設備、不同協(xié)議的接入。

1 現(xiàn)狀分析

1.1 邊緣設備的定義

隨著5G通信技術、物聯(lián)網等技術的快速發(fā)展，萬物互聯(lián)的智能時代正在快速到來。數(shù)據(jù)統(tǒng)計表明，預測到2020年，連接到網絡的無線設備數(shù)量將達到500 億臺，生成的數(shù)據(jù)量達 507.9 ZB[4]。當前的云計算模型的核心思想是將各種超大容量的資源統(tǒng)一集中管理，根據(jù)用戶的請求動態(tài)分配各種資源。這種集中式管理無法滿足日益增長的實時數(shù)據(jù)交互與處理的需求[5]。在這種情況下，越來越多的學者提出將計算和存儲資源放在互聯(lián)網的邊緣，即通過邊緣設備減輕云的壓力。

邊緣設備狹義定義是指向企業(yè)或服務提供商核心網絡提供入口點的設備，比如路由器、路由交換機、集成接入設備、多路復用器，以及各種局域網和廣域網接入設備。2015年，邊緣計算進入快速發(fā)展期后，以邊緣計算為主題的協(xié)會與聯(lián)盟相繼成立，各類定義、標準與規(guī)范逐漸形成，對于邊緣設備的定義也進行了擴展[6]。邊緣設備廣義上的定義是指從數(shù)據(jù)源到云計算中心之間的任意資源，其操作對象包括來自云服務的下行數(shù)據(jù)和萬物互聯(lián)服務的上行數(shù)據(jù)[7]。

邊緣設備支持將一種類型的網絡協(xié)議轉換為另一種類型的網絡協(xié)議，可以根據(jù)實際需要進行數(shù)據(jù)存儲、緩存、分析、傳輸?shù)认嚓P的計算操作，從而實現(xiàn)邊緣和云的資源統(tǒng)一協(xié)調管理[8]。

1.2 機加工行業(yè)工業(yè)云邊緣設備的發(fā)展

2003年開始出現(xiàn)邊緣服務的概念。當時IBM在WebSphere上提供關于Edge的服務。2014年，歐洲電信標準化協(xié)會(european telecommunications standards institute，ETSI)成立移動邊緣計算(mobile edge computing ，MEC)標準化工作組，同年AT&T、思科、通用電氣、IBM 和英特爾成立AII，自此開始對邊緣設備進行了系統(tǒng)的研究。2016年，華為技術有限公司、中國科學院沈陽自動化研究所、中國信息通信研究院、英特爾公司、ARM和軟通動力信息技術(集團)有限公司聯(lián)合倡議發(fā)起邊緣計算產業(yè)聯(lián)盟(edge computing consortium，ECC)，我國正式開始對工業(yè)邊緣設備進行研究。

針對傳統(tǒng)的批量化和剛性的生產系統(tǒng)在生產需求發(fā)生變化時，生產線調整時間長以及維護成本高的問題，2017年,沈陽自動化研究所搭建了智能制造邊緣計算示范系統(tǒng)。該系統(tǒng)中的邊緣設備可以分成3類，分別是邊緣計算數(shù)據(jù)平臺、邊緣計算網絡和邊緣計算網關。通過該示范系統(tǒng)中的邊緣設備可以靈活替換設備，調整生產計劃以及快速部署新工藝。2018年，沈陽自動化研究針對機床行業(yè)的邊緣設備進行了研究，提出了一整套架構，并通過汽車裝配領域、工程機械領域、鑄造裝備領域和光伏裝備領域的四套實際生產系統(tǒng)對該框架進行了測試[9]。

機加工行業(yè)邊緣設備應用示意圖如圖1所示。它由四部分組成，分別是終端層、網絡層、邊緣層和工業(yè)云平臺。終端層由各物聯(lián)網設備組成，例如數(shù)控機床(computerized numerical control，CNC)、工業(yè)機器人、自動導引小車(automated guided vehicle，AGV)、可編程邏輯控制器(programmable logic controller，PLC)、射頻識別(radio frequency identification，RFID)等。這里只考慮終端設備的數(shù)據(jù)采集能力，不考慮其計算能力。網絡層是終端層和邊緣層的網絡傳輸通道，主要包括現(xiàn)場總線、工業(yè)以太網、無線局域網和無線傳感器網絡等連接方式，比如CNC、PLC設備通過現(xiàn)場總線或者工業(yè)以太網和邊緣設備連接，RFID設備通過無線局域網和邊緣設備連接。工業(yè)云平臺是面向工業(yè)生產環(huán)節(jié)的數(shù)據(jù)分析與開發(fā)的平臺，數(shù)據(jù)處理流程包括三個部分，分別是數(shù)據(jù)存儲、數(shù)據(jù)分析和數(shù)據(jù)可視化決策管理[10]。邊緣設備一般通過4G、5G和云平臺連接[11]。

邊緣層由各種邊緣控制器組成，為終端提供就近服務(例如快速響應終端設備的請求，處理終端設備的實時數(shù)據(jù))。邊緣控制器一般由三類邊緣設備組成，分別是網絡設備、存儲設備和計算設備[12]。其中：網絡設備主要負責和工業(yè)云平臺、終端設備之間的通信；計算設備主要負責對終端數(shù)據(jù)進行實時分析；存儲設備主要負責對終端數(shù)據(jù)進行存儲。邊緣設備可以有效緩解云計算中心的壓力，降低寬帶的消耗，提高數(shù)據(jù)處理效率[13]。但是邊緣設備在發(fā)展過程中也遇到了一些瓶頸。一是邊緣設備一般只具有網絡、存儲和計算功能中的一種，很少有設備將這三種功能集中到一起。二是工業(yè)云平臺依舊是最大的數(shù)據(jù)處理中心，邊緣設備處理的事務是有限的，仍有一些復雜事務需要云平臺來完成。機加工行業(yè)邊緣設備應用示意圖如圖1所示。

圖1 機加工行業(yè)邊緣設備應用示意圖

2 基于邊緣設備的應用部署架構

由于邊緣設備的存儲和計算能力有限，邊緣設備只能處理一些簡單的事務，而復雜的事務則需要云平臺來處理[14]。以機床健康度計算分析為例，工業(yè)云平臺根據(jù)機床運行的歷史數(shù)據(jù)訓練計算模型，接著利用訓練好的計算模型對數(shù)控機床的實時數(shù)據(jù)進行分析，最后將模型分析的結果反饋給數(shù)控機床。根據(jù)機加工行業(yè)的特點，本文提出了機加工行業(yè)邊緣設備的部署架構。該框架中的邊緣設備具有網絡、計算和存儲三種功能，有效減少了邊緣設備的數(shù)量；與此同時，將云平臺中的模型參數(shù)傳輸給邊緣設備，使得邊緣設備能夠處理更多的事務。

本文把邊緣設備分成了三部分，分別是網絡模塊、局部存儲模塊和計算模塊。網絡模塊有兩個功能。一是現(xiàn)場接入?，F(xiàn)階段終端設備的種類很多，這些設備有著不同的網絡接口和網絡協(xié)議，通過現(xiàn)場接入可以實現(xiàn)終端設備和邊緣設備的網絡通信。二是云平臺接入。通過它可以實現(xiàn)邊緣設備和工業(yè)云平臺之間的網絡通信。局部存儲模塊則是將清洗完后的運行參數(shù)進行存儲。這些運行參數(shù)數(shù)據(jù)會保存一段時間，超過一段時間數(shù)據(jù)會自動刪除，這是由于邊緣設備內存的限制。

計算模塊主要是對終端設備運行參數(shù)進行實時分析，并將分析結果及時反饋給終端設備。在參數(shù)分析之前，需要經過數(shù)據(jù)清洗轉換(DataC&T)。DataC&T主要負責對運行參數(shù)進行簡單的清洗(包括清除重復數(shù)據(jù)和填充空缺值)，以及對清洗之后的數(shù)據(jù)進行封裝。對于簡單的事務，邊緣設備的計算模塊運行快速響應模型可以直接處理，比如根據(jù)實時位置誤差判斷機床運行精度。對于復雜的事務，邊緣設備需要借助云平臺來處理，比如計算機床的健康度。云平臺先從數(shù)據(jù)庫中獲取歷史數(shù)據(jù)，然后進行數(shù)據(jù)預處理(包括數(shù)據(jù)標準化和數(shù)據(jù)濾波)，接著使用預處理后的數(shù)據(jù)訓練模型，最后云平臺將訓練好的模型參數(shù)傳遞給邊緣設備。云平臺會定期更新平臺上的模型，以保證模型的準確性。邊緣設備計算模塊中的復雜訓練模型是云端模型的“映射”，通過使用云端訓練好的參數(shù)可以直接處理來自終端設備的復雜事務。邊緣設備在得出計算結果時，會將計算結果傳輸給網絡模塊：一方面，通過云平臺接入將結算結果傳輸給云平臺；另一方面，通過現(xiàn)場接入將模型計算結果傳輸給終端設備。

與之前設備直接和云平臺連接傳輸數(shù)據(jù)相比，通過局域網或者現(xiàn)場總線連接的終端設備和邊緣設備可以有效減少傳輸過程中的數(shù)據(jù)丟失問題，提高數(shù)據(jù)傳輸?shù)男?。同時，邊緣設備將這些數(shù)據(jù)以統(tǒng)一格式傳輸給云平臺，可以降低云端的計算負載[15]。在設備終端側提供服務，保證了較低的網絡延遲和抖動[16]。這種方式不僅可以處理復雜的事務，還提高了對終端設備的響應能力。

機加工行業(yè)邊緣設備的部署框架如圖2所示。

圖2 機加工行業(yè)邊緣設備的部署框架

3 應用案例

隨著科技水平的快速發(fā)展，數(shù)控機床的復雜程度、精密程度都有所提高。一旦數(shù)控機床發(fā)生故障，會帶來嚴重的經濟損失。因此，需要通過分析機床的健康狀態(tài)，對機床進行科學、有效的管理[17]。而現(xiàn)階段機床的廠商很多，比如發(fā)那科、西門子、三菱等。這些機床有著不同的網絡接口和網絡協(xié)議。如果每個廠家的機床都和云平臺設計一套通信流程，會大大增加開發(fā)的難度。而通過邊緣設備轉接，一方面降低了開發(fā)的難度，另一方面提高了數(shù)據(jù)傳輸?shù)男省?/p>

圖3是利用邊緣設備實現(xiàn)機床健康度分析的框架，整個框架由三部分組成。工業(yè)云平臺主要負責發(fā)起測試請求，以及根據(jù)訓練數(shù)據(jù)訓練健康度計算模型,并將訓練好的模型參數(shù)傳遞給邊緣設備。邊緣設備的傳輸模塊主要是用來傳輸測試請求、體檢過程中的數(shù)據(jù)、云平臺上模型的參數(shù)以及模型計算的結果；存儲模塊主要用于緩存體檢過程中的數(shù)據(jù)；計算模塊主要使用云平臺訓練好的模型參數(shù)對數(shù)控機床的健康度進行計算。計算模塊中的模型和云端健康度計算模型是相同的。唯一的區(qū)別是計算模塊中的模型不需要進行模型的訓練，它直接使用云端訓練好的模型參數(shù)。當采集到機床的實時數(shù)據(jù)之后，計算模塊中的模型可以利用訓練好的參數(shù)直接計算機床的健康狀態(tài)。數(shù)控機床主要負責三方面的內容：一是接收體檢請求并運行相關的體檢程序；二是在體檢過程中采集數(shù)控機床的相關參數(shù)；三是接收邊緣設備健康度計算的結果，并根據(jù)計算結果進行維護調整。工業(yè)云平臺和邊緣設備之間通過標準協(xié)議連接，比如OPC UA/Restful協(xié)議；而機床和邊緣設備之間通過機床私有協(xié)議連接。

圖3 利用邊緣設備實現(xiàn)機床健康度分析的框架

云-端結合的數(shù)控機床體檢和故障分析流程如圖4所示。首先，工業(yè)云平臺通過標準協(xié)議將測試請求發(fā)送給邊緣設備。接著，邊緣設備會將測試請求通過機床私有協(xié)議發(fā)給數(shù)控機床。當數(shù)控機床接收到測試請求后，會自動運行體檢程序并采集體檢過程中的運行參數(shù)。邊緣設備會將體檢過程中的數(shù)據(jù)傳輸給云平臺，以便云平臺及時對模型進行更新；與此同時，邊緣設備會自動存儲這些數(shù)據(jù)。云平臺會根據(jù)歷史數(shù)據(jù)訓練健康度計算模型，并將訓練好的模型參數(shù)傳遞給邊緣設備。接著，邊緣設備使用訓練好的模型參數(shù)以及體檢過程中的數(shù)據(jù)計算數(shù)控機床的健康度。最后，數(shù)控機床會接收健康度計算的結果并進行維修調整。

圖4 云-端結合的機床體檢和健康度分析流程圖

4 結束語

隨著車間設備的增加，云平臺采集設備數(shù)據(jù)的難度也隨之不斷增加。在這個研究背景下，本文提出的邊緣設備可以有效解決不同終端設備和云平臺之間的數(shù)據(jù)通信問題。為了充分利用邊緣設備中的網絡、計算和存儲功能，設計了機加工行業(yè)邊緣設備的部署框架。云端結合的分析案例驗證了邊緣設備的功能和部署框架。事實證明,將云端的模型“映射”到本地，不僅擴展了該邊緣設備的事務處理能力，還提高了對終端設備的響應能力。