邊緣計(jì)算在制造業(yè)數(shù)據(jù)采集與處理中的應(yīng)用

徐盼望, 杜萬和, 楊敬輝, 韓玲玲, 張 笑

(1.上海第二工業(yè)大學(xué)a.資源與環(huán)境工程學(xué)院;b.智能制造與控制工程學(xué)院,上海201209;2.南京航空航天大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,南京211106)

0 引言

2013年,美國專家Ryan[1]首次提出具有現(xiàn)代概念的“edge computing”,即邊緣計(jì)算。邊緣計(jì)算是指在靠近物或數(shù)據(jù)源頭的一側(cè),采用網(wǎng)絡(luò)、計(jì)算、存儲、應(yīng)用核心能力為一體的分布式框架,就近提供智能運(yùn)算等服務(wù)[2]。Shi等[3]將邊緣計(jì)算的數(shù)據(jù)對象正式定義為:包括來自于云服務(wù)的下行數(shù)據(jù)和來自于萬物互聯(lián)服務(wù)的上行數(shù)據(jù),邊緣是指從數(shù)據(jù)源到云計(jì)算中心路徑之間的任意計(jì)算和網(wǎng)絡(luò)資源。

邊緣計(jì)算的概念是相對云計(jì)算產(chǎn)生的,傳統(tǒng)的制造業(yè)數(shù)據(jù)采集和處理方式是以云計(jì)算為中心的工業(yè)互聯(lián)網(wǎng)模式,如美國通用(GE)公司推出的Predix平臺的云計(jì)算中心,每日實(shí)時(shí)采集和處理數(shù)以千萬條來自世界各地的傳感器數(shù)據(jù)[4]。這種以云計(jì)算為中心架構(gòu)的數(shù)據(jù)存儲和處理普遍依賴于云端系統(tǒng),海量數(shù)據(jù)上傳依賴大量的網(wǎng)絡(luò)環(huán)境和帶寬[5]。而邊緣計(jì)算能夠在網(wǎng)絡(luò)邊緣執(zhí)行計(jì)算,它對傳統(tǒng)的以云計(jì)算為中心的模式起到很好的保障和補(bǔ)充,即使在云中心出現(xiàn)突發(fā)問題的情況下,也能在邊緣側(cè)進(jìn)行數(shù)據(jù)分析和存儲操作。

分布式的邊緣計(jì)算和傳統(tǒng)的云計(jì)算是共同促進(jìn)制造業(yè)轉(zhuǎn)型升級發(fā)展的手段,而邊緣計(jì)算在制造業(yè)實(shí)時(shí)性數(shù)據(jù)處理上更具有優(yōu)勢,它的加入是實(shí)現(xiàn)數(shù)據(jù)從采集到智能處理、再到數(shù)據(jù)互聯(lián)、智能分析的基礎(chǔ),且是重要組成部分。由于制造業(yè)現(xiàn)場的終端層和邊緣層的硬件設(shè)備的差異性和具體制造業(yè)現(xiàn)場的應(yīng)用目標(biāo)不同,制造業(yè)現(xiàn)場邊緣計(jì)算的應(yīng)用發(fā)展還較為緩慢。如何發(fā)揮邊緣計(jì)算的作用,完成現(xiàn)場數(shù)據(jù)從采集到處理的過程,是實(shí)現(xiàn)理想的應(yīng)用服務(wù)的基礎(chǔ),也是制造業(yè)邊緣計(jì)算的研究目標(biāo)之一。

本文針對邊緣計(jì)算技術(shù)概念與架構(gòu)進(jìn)行簡單介紹,對制造業(yè)邊緣計(jì)算的軟件服務(wù)框架、數(shù)據(jù)采集與處理的現(xiàn)狀和所面臨挑戰(zhàn)進(jìn)行研究綜述,以便于為智能制造和邊緣計(jì)算相關(guān)研究人員和從業(yè)者提供一定參考,促進(jìn)制造業(yè)邊緣計(jì)算的發(fā)展和應(yīng)用。

1 邊緣計(jì)算架構(gòu)與應(yīng)用

1.1 架構(gòu)模式

2016年11月,華為技術(shù)有限公司、中國科學(xué)院沈陽自動(dòng)化研究所等在北京成立了邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟(edge computing consortium,ECC)。據(jù)ECC發(fā)布的邊緣計(jì)算參考架構(gòu)3.0[6],邊緣計(jì)算的通用“終端層-邊緣層-云層”3層架構(gòu)模式與云計(jì)算模式對比如圖1所示,目前邊緣計(jì)算模式的挑戰(zhàn)較多集中在對邊緣層的邊緣計(jì)算數(shù)據(jù)處理、軟件服務(wù)框架、邊云協(xié)同、5G通信等關(guān)鍵技術(shù)研究上。

圖1 云計(jì)算與邊緣計(jì)算模式對比Fig.1 Comparison of cloud computing and edge computing models

據(jù)ECC發(fā)布的《邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟白皮書》的邊緣計(jì)算參考架構(gòu)[7]來看,邊緣計(jì)算從以邊緣節(jié)點(diǎn)的分布式運(yùn)算和服務(wù)為核心,展開延伸至異構(gòu)硬件、網(wǎng)絡(luò)通信、邊緣人工智能等范圍,目前還涵蓋了邊緣大數(shù)據(jù)處理的邊緣計(jì)算概念。制造業(yè)邊緣計(jì)算架構(gòu)如圖2所示,邊緣層緊靠現(xiàn)場的網(wǎng)絡(luò)邊緣向下對終端層進(jìn)行異構(gòu)數(shù)據(jù)連接,在邊緣層內(nèi)提供敏捷開發(fā)運(yùn)維、分布式存儲、邊緣智能分析、網(wǎng)絡(luò)資源管理等服務(wù)。制造業(yè)邊緣層中的軟件服務(wù),不僅要實(shí)現(xiàn)對現(xiàn)場數(shù)據(jù)的實(shí)時(shí)獲取和處理,還要向上支持云邊協(xié)同和數(shù)據(jù)遷移服務(wù),對內(nèi)統(tǒng)一管理分布式的計(jì)算和網(wǎng)絡(luò)資源,為此諸多組織向邊緣層提供了統(tǒng)一的軟件開發(fā)和部署的邊緣計(jì)算軟件服務(wù)框架。

圖2 制造業(yè)邊緣計(jì)算典型架構(gòu)Fig.2 Typical architecture of manufacturing edge computing

1.2 國內(nèi)外應(yīng)用趨勢

當(dāng)前,制造業(yè)邊緣計(jì)算應(yīng)用領(lǐng)域中的行業(yè)趨勢分為兩類,如圖3所示。一類以西門子等制造業(yè)巨頭和華為等硬件廠商、物聯(lián)網(wǎng)行業(yè)為主導(dǎo),自現(xiàn)場設(shè)備向上的邊緣計(jì)算服務(wù);另一類以阿里云、AWS、GE Predix等的工業(yè)互聯(lián)網(wǎng)云平臺服務(wù)商和通信運(yùn)營商為主導(dǎo),自云端向下的邊緣計(jì)算服務(wù)。

圖3 制造業(yè)邊緣計(jì)算應(yīng)用趨勢Fig.3 Trends in edge computing applications in the manufacturing industry

自云端向下的制造業(yè)邊緣計(jì)算服務(wù)主要體現(xiàn)在微云計(jì)算、云原生邊緣計(jì)算、邊云協(xié)同等方面,傾向于將傳統(tǒng)工業(yè)互聯(lián)網(wǎng)的云服務(wù)下沉到微云或邊緣服務(wù)器集群中,進(jìn)行快速網(wǎng)絡(luò)響應(yīng)和上層云端響應(yīng)。

自現(xiàn)場設(shè)備向上的制造業(yè)邊緣計(jì)算服務(wù),主要思路是在基于Docker等容器技術(shù)通過硬件功能虛擬化的方式集中管控分布式的邊緣計(jì)算節(jié)點(diǎn)[8],邊緣計(jì)算節(jié)點(diǎn)由服務(wù)方提供的操作系統(tǒng)執(zhí)行計(jì)算資源隔離分配、應(yīng)用執(zhí)行、任務(wù)調(diào)度等功能。在具體的邊緣節(jié)點(diǎn)功能上,可執(zhí)行面向人工智能等場景的算法框架[9]發(fā)揮邊緣智能處理的作用,分布式的數(shù)據(jù)儲存和數(shù)據(jù)處理平臺進(jìn)行數(shù)據(jù)存儲、調(diào)用、管理等任務(wù)[10]。

由于制造業(yè)中常用的工業(yè)現(xiàn)場總線無法直接上傳數(shù)據(jù)至互聯(lián)網(wǎng),傳統(tǒng)物聯(lián)網(wǎng)網(wǎng)關(guān)只有對接云平臺進(jìn)行數(shù)據(jù)轉(zhuǎn)接和簡單數(shù)據(jù)壓縮功能,且硬件功能難以統(tǒng)一開發(fā)和運(yùn)維。因此,邊緣計(jì)算中通過虛擬化的方式將軟件功能與硬件剝離的新型設(shè)備開始出現(xiàn)。邊緣計(jì)算硬件設(shè)備是承擔(dān)應(yīng)用功能的物理基礎(chǔ),硬件設(shè)備體系結(jié)構(gòu)的研究重點(diǎn)主要為針對異構(gòu)型處理器的加速計(jì)算,通用型計(jì)算設(shè)備(邊緣網(wǎng)關(guān)、邊緣服務(wù)器、邊緣控制器等)的應(yīng)用開發(fā)、標(biāo)準(zhǔn)制定。但目前邊緣計(jì)算節(jié)點(diǎn)的硬件資源管控標(biāo)準(zhǔn)仍未確定,在制造業(yè)中也缺少健全的規(guī)范和體系,制造業(yè)邊緣計(jì)算的項(xiàng)目實(shí)踐檢驗(yàn)仍是一項(xiàng)長遠(yuǎn)的行業(yè)研究重點(diǎn)。

2 邊緣計(jì)算軟件服務(wù)框架

在邊緣計(jì)算軟件功能上,目前相關(guān)行業(yè)組織都研發(fā)出以隔離技術(shù)、安全技術(shù)、操作系統(tǒng)、數(shù)據(jù)處理功能為一體的邊緣計(jì)算軟件服務(wù)框架,將軟件服務(wù)框架部署于邊緣設(shè)備上進(jìn)行數(shù)據(jù)采集與處理服務(wù)是制造業(yè)邊緣計(jì)算的應(yīng)用核心。邊緣計(jì)算軟件服務(wù)框架能實(shí)現(xiàn)基于不同計(jì)算資源的統(tǒng)一化標(biāo)準(zhǔn)的邊緣計(jì)算服務(wù),包括不同通信協(xié)議的接入、異構(gòu)數(shù)據(jù)的預(yù)處理和計(jì)算、邊云協(xié)同和計(jì)算遷移等,能為邊緣層提供具象化的軟件功能和實(shí)現(xiàn)標(biāo)準(zhǔn),是溝通連接制造業(yè)現(xiàn)場設(shè)備與計(jì)算資源的重要手段,邊緣計(jì)算服務(wù)框架對照見表1。

表1 邊緣計(jì)算服務(wù)框架對照Tab.1 Edge computing service framework comparison

2.1 Predix Machine與MindConnect

邊緣計(jì)算在制造業(yè)的數(shù)據(jù)采集與分析的行業(yè)應(yīng)用中,最早出現(xiàn)的是美國GE公司的Predix平臺。Predix 2.0提供了Predix Machine的邊緣計(jì)算系統(tǒng)操作框架,支持第三方開發(fā)相應(yīng)的設(shè)備接入和邊緣計(jì)算的功能,進(jìn)行數(shù)據(jù)的連接、控制,分析機(jī)器設(shè)備等產(chǎn)生的海量數(shù)據(jù)以及連接到云端系統(tǒng)[11]。Predix Machine能在邊緣網(wǎng)關(guān)中提供邊緣計(jì)算框架服務(wù),甚至小到如Raspberry Pi的微型嵌入式工業(yè)級控制器,提供整套技術(shù)和工具進(jìn)行開發(fā)管理,并根據(jù)不同設(shè)備的內(nèi)置功能,實(shí)現(xiàn)各種工業(yè)數(shù)據(jù)的采集和連接、解析、存儲和通信等功能。

繼2016年推出MindSphere平臺后[12],西門子公司也推出MindConnect進(jìn)行制造業(yè)邊緣數(shù)據(jù)采集和處理,并與Predix競爭。不同的是,西門子公司以工廠數(shù)據(jù)采集與監(jiān)測為起點(diǎn)向上設(shè)計(jì)平臺,通過MindConnect采集西門子機(jī)器人、PLC相關(guān)設(shè)備的實(shí)時(shí)運(yùn)行數(shù)據(jù)到云端MindSphere平臺,而GE Predix的設(shè)計(jì)思路是從云端向下。兩者對比,西門子MindConnect因局限于自身的工業(yè)設(shè)備,在制造業(yè)中只適合西門子用戶進(jìn)行資源和設(shè)備的監(jiān)測和數(shù)字化轉(zhuǎn)型,Predix Machine的使用范圍和支持接入的范圍更廣,但是其成本也相對較高。

2.2 邊云協(xié)同服務(wù)框架

國內(nèi)外互聯(lián)網(wǎng)服務(wù)提供商所提供的制造業(yè)邊緣計(jì)算服務(wù)集中在邊緣協(xié)同的能力上,主要以云邊協(xié)同的理念將云服務(wù)拓展到邊緣側(cè),即邊緣云服務(wù)。2016年AWS推出面向物聯(lián)網(wǎng)的Greengrass商用邊緣計(jì)算軟件服務(wù)框架[13],AWS Greengrass能將AWS云服務(wù)功能擴(kuò)展到本地設(shè)備,使得本地設(shè)備可以更靠近信息源來收集和分析現(xiàn)場數(shù)據(jù),同時(shí)在本地網(wǎng)絡(luò)上安全地相互通信,構(gòu)建出邊緣云系統(tǒng)。

Azure[14]在2017年推出IoT Edge,IoT Edge是一組能夠應(yīng)用于Windows主機(jī)/Linux系統(tǒng)設(shè)備/工業(yè)服務(wù)器的軟件服務(wù),能夠?qū)⒉糠止ぷ髫?fù)荷移至邊緣,做到更短時(shí)間的邊云通信和協(xié)同。其中IoT Edge modules容器組件可以運(yùn)行Azure服務(wù)、支持自主開發(fā)代碼,通過IoT Edge Runtime組件部署到每個(gè)設(shè)備的IoT Edge模塊,最后通過Cloud-based interface組件實(shí)現(xiàn)云端的設(shè)備可視化和管理分析。

阿里云提供的Link IoT Edge[15]軟件服務(wù)框架給出了一種面向物聯(lián)網(wǎng)設(shè)備部署邊緣計(jì)算服務(wù)的解決方案,它繼承了阿里云安全、存儲、計(jì)算、人工智能的能力,可部署于不同量級的智能設(shè)備和計(jì)算節(jié)點(diǎn)中,提供不同數(shù)據(jù)格式的易擴(kuò)展的本地計(jì)算服務(wù)。

上述邊緣計(jì)算軟件服務(wù)框架在制造業(yè)均經(jīng)過實(shí)踐性檢驗(yàn),優(yōu)越性集中在邊云協(xié)同上,但在應(yīng)對現(xiàn)場大量復(fù)雜異構(gòu)的數(shù)據(jù)采集問題時(shí)靈活性較為薄弱。

2.3 開源社區(qū)服務(wù)框架

Linux基金組織于2017年4月啟動(dòng)了開源項(xiàng)目EdgeX Foundry[16],旨在創(chuàng)建即插即用的標(biāo)準(zhǔn)化物聯(lián)網(wǎng)邊緣計(jì)算的通用框架。EdgeX Foundry是由一系列的耦合、開源的微服務(wù)模塊組成,其架構(gòu)可以運(yùn)行于不同的硬件操作系統(tǒng),且可升級或擴(kuò)充組件,邊緣設(shè)備部署簡單穩(wěn)定且易于管理[17]。

華為云貢獻(xiàn)的KubeEdge[18]是一個(gè)基于Kubernetes構(gòu)建的將容器化應(yīng)用擴(kuò)展到邊緣層的主機(jī)和設(shè)備,支持邊緣和云之間應(yīng)用數(shù)據(jù)同步的開源系統(tǒng),用于將容器化應(yīng)用程序編排功能擴(kuò)展到邊緣層。KubeEdge目前已加入CNCF基金會。除邊緣計(jì)算框架之外,華為進(jìn)一步研發(fā)了邊緣云服務(wù)器和邊緣網(wǎng)關(guān),打造軟件系統(tǒng)和硬件設(shè)備協(xié)同推進(jìn)的戰(zhàn)略局面。張琦等[19]闡述了一種使用KubeEdge的云原生邊緣計(jì)算系統(tǒng)方法,通過構(gòu)建邊緣云計(jì)算服務(wù)器將云原生微服務(wù)管理能力延伸到邊緣并在某制造現(xiàn)場使用,驗(yàn)證了其在生產(chǎn)監(jiān)管和產(chǎn)品質(zhì)量檢測和故障預(yù)測的實(shí)用性。

百度云貢獻(xiàn)的Baetyl[20](原名Openedge)邊緣計(jì)算操作系統(tǒng)是一個(gè)開源項(xiàng)目,旨在將云計(jì)算能力拓展至用戶現(xiàn)場,提供設(shè)備和消息對接、數(shù)據(jù)計(jì)算上報(bào)與同步等各種服務(wù)。Baetyl屬于百度智能邊緣(Baidu-IntelliEdge,BIE)的邊緣本地運(yùn)行服務(wù),能和BIE云端管理套件配合使用[21]。在架構(gòu)上,Baetyl不僅實(shí)現(xiàn)了功能模塊化,還使用Docker容器技術(shù)實(shí)現(xiàn)了多操作系統(tǒng)的適用性。目前此項(xiàng)目在Linux Foundation Edge旗下,已升級到Baetyl 2.0版。

開源社區(qū)的邊緣服務(wù)框架提供方主要是各方研究者和開發(fā)者,共建共享的開源力量更有利于制造業(yè)邊緣計(jì)算中的研究發(fā)展。除以上開源邊緣服務(wù)框架之外,使用K3OS、IoT Edge等新的邊緣軟件服務(wù)框架、分布式機(jī)器人操作系統(tǒng)ROS 2.0開發(fā)邊緣網(wǎng)關(guān)的軟件功能[22],進(jìn)行數(shù)據(jù)采集和處理也成為一個(gè)熱點(diǎn)。但開源軟件服務(wù)在結(jié)合邊緣硬件在制造業(yè)邊緣計(jì)算提供落地的服務(wù)之前,往往還需進(jìn)行投入一定研發(fā)人員進(jìn)行二次開發(fā)和運(yùn)維,達(dá)到生產(chǎn)應(yīng)用前的開發(fā)周期也較長,研發(fā)門檻和投入成本較高。

3 應(yīng)用與挑戰(zhàn)

雖然國內(nèi)外已經(jīng)出現(xiàn)諸多邊緣計(jì)算軟件服務(wù),但在更為復(fù)雜的制造業(yè)實(shí)際應(yīng)用場景中仍有較多問題需要解決。如應(yīng)對海量異構(gòu)數(shù)據(jù)的接入和預(yù)處理的問題及邊緣層計(jì)算資源有限的條件下進(jìn)行集群管理的困難,并且伴隨智能制造升級對邊緣計(jì)算應(yīng)用實(shí)踐提出時(shí)延性、安全性等更多新的要求。為解決這些問題,當(dāng)前的應(yīng)用研究主要在以下方面:

3.1 邊緣層數(shù)據(jù)采集

邊緣層軟件服務(wù)框架以實(shí)時(shí)采集數(shù)據(jù)的作為數(shù)據(jù)來源。邊緣層與終端層數(shù)據(jù)連接如圖4所示。在邊緣層數(shù)據(jù)采集上,通用型邊緣設(shè)備如邊緣網(wǎng)關(guān)、邊緣一體機(jī)作為數(shù)據(jù)采集的物理硬件,軟件服務(wù)框架承擔(dān)數(shù)據(jù)處理、存儲等功能。畢超等[23]提出IAPcloud平臺在邊緣層使用支持異構(gòu)數(shù)據(jù)連接的通用型網(wǎng)關(guān)APbox,不僅能進(jìn)行高速的邊緣數(shù)據(jù)采集和計(jì)算還具有斷網(wǎng)續(xù)傳的功能,支持邊緣數(shù)據(jù)ms級實(shí)時(shí)性連接和異構(gòu)計(jì)算,同時(shí)具備算法實(shí)時(shí)動(dòng)態(tài)重構(gòu)功能。關(guān)岳等[24]設(shè)計(jì)了一種面向高速列車實(shí)驗(yàn)的邊緣計(jì)算網(wǎng)關(guān),可以對多種協(xié)議總線的數(shù)據(jù)在邊緣側(cè)進(jìn)行解析、存儲、應(yīng)用和管理,并能提供豐富的包括MQTT、OPC UA、HTTP以及RestFul等北向接口與云平臺低延時(shí)交互。

圖4 邊緣層與終端層數(shù)據(jù)連接Fig.4 Data connection between edge layer and terminal layer

然而,邊緣層進(jìn)行數(shù)據(jù)采集面臨跨越繁多種類設(shè)備、缺乏統(tǒng)一的軟件通信標(biāo)準(zhǔn)等問題,邊緣層數(shù)據(jù)采集仍需終端層與邊緣層共同推進(jìn)。終端層和邊緣層的數(shù)據(jù)連接是提供數(shù)據(jù)采集的基礎(chǔ)。目前,在制造業(yè)數(shù)據(jù)采集終端層,越來越常使用物聯(lián)網(wǎng)操作系統(tǒng)(Operating System for Internet of Things,IoT OS),如微軟物聯(lián)網(wǎng)端的Azure SphereOS、華為Huawei LiteOS、亞馬遜Amazon FreeRTOS等,在嵌入式硬件設(shè)備上開發(fā)工業(yè)物聯(lián)網(wǎng)終端設(shè)備的傳感器源數(shù)據(jù)采集功能,終端操作系統(tǒng)和邊緣層軟件服務(wù)框架融合進(jìn)行通信互聯(lián),才能提供更具有穩(wěn)定性、實(shí)時(shí)性、數(shù)據(jù)異構(gòu)性的數(shù)據(jù)連接服務(wù)。但制造業(yè)現(xiàn)場的設(shè)備復(fù)雜性、通信協(xié)議多樣性、數(shù)據(jù)異構(gòu)性現(xiàn)狀長期存在,在制造業(yè)邊緣計(jì)算應(yīng)用開發(fā)和實(shí)施中會是長期的難點(diǎn)。

3.2 邊緣節(jié)點(diǎn)管控與集群

在諸多制造業(yè)邊緣計(jì)算的研究場景中,分布式的邊緣節(jié)點(diǎn)還需要實(shí)現(xiàn)邊邊協(xié)同、邊云協(xié)同實(shí)現(xiàn)邊緣數(shù)據(jù)分布式處理和邊云協(xié)同推理。在邊緣節(jié)點(diǎn)應(yīng)用功能的開發(fā)上,當(dāng)前以Docker為主的容器技術(shù)因能隔離應(yīng)用環(huán)境,統(tǒng)一管理底層計(jì)算資源并且在一個(gè)硬件上快速部署多個(gè)應(yīng)用容器而成為關(guān)鍵技術(shù)之一。在邊緣層部署的大量容器需要集中進(jìn)行管控和集群,才能保證邊緣層服務(wù)的穩(wěn)定性和可靠性。

利用云原生技術(shù)中的容器技術(shù)及編排工具(Docker swam[25]、Kubernetes[26]、K3s[27]等),在進(jìn)行邊緣計(jì)算節(jié)點(diǎn)的應(yīng)用功能開發(fā)部署和運(yùn)維交付時(shí),不僅能更高效管控邊緣節(jié)點(diǎn)進(jìn)行擴(kuò)展、遷移和升級,還能實(shí)現(xiàn)對容器自動(dòng)化部署、彈性伸縮、運(yùn)維監(jiān)控等集群服務(wù)。器集群工具對比見表2。陳衛(wèi)等[28]使用KubeEdge的云邊協(xié)同架構(gòu)是基于Kubernetes的接口進(jìn)行邊緣集群的編排和管理,通過仿真實(shí)驗(yàn)驗(yàn)證了KubeEdge平臺結(jié)合容器技術(shù)可以大大減少實(shí)際場景下的資源消耗。但Kubernetes的部署對硬件內(nèi)存消耗至少為16 GB,對資源限制較大,對比針對邊緣設(shè)備發(fā)行的輕量級K3s,甚至只需要512 MB RAM即可運(yùn)行在邊緣節(jié)點(diǎn),使用集群管理工具進(jìn)行邊緣層系統(tǒng)的搭建,跨硬件平臺靈活部署性能更好。

將云原生技術(shù)以低開銷容器化的方式應(yīng)用于邊緣計(jì)算服務(wù)的運(yùn)行環(huán)境中,是邊緣網(wǎng)關(guān)和服務(wù)器、邊緣微云中心進(jìn)行管控和集群的主要思路。曾德澤等[29]在對邊緣集群的研究中從云原生邊緣計(jì)算的容器分層屬性上分析容器的層次化特性,并提出適用于有限邊緣計(jì)算的低開銷容器部署方法的全棧式云原生邊緣計(jì)算架構(gòu)。但是邊緣末端如邊緣網(wǎng)關(guān)和嵌入式智能設(shè)備,對更輕量級分布式集群管理工具的需求,目前仍在探索中。

3.3 邊緣層智能數(shù)據(jù)處理

在邊緣層數(shù)據(jù)處理中,國外較早在輕量化人工智能算法執(zhí)行框架如TensorFlow Lite[30-31]、Caffe2等的關(guān)鍵技術(shù)上進(jìn)行研究,如使用TensorFlow Lite Converter將運(yùn)行在云計(jì)算平臺的TensorFlow模型轉(zhuǎn)換為TensorFlow Lite模型,通過應(yīng)用程序激活、量化等優(yōu)化措施優(yōu)化應(yīng)用內(nèi)核,使在邊緣設(shè)備上消耗較少的資源且高速實(shí)時(shí)處理小規(guī)模數(shù)據(jù)。國內(nèi)此領(lǐng)域的行業(yè)領(lǐng)先者較少,如百度開源深度學(xué)習(xí)平臺-飛槳推出輕量化版本Paddle Lite,目前已適配NVIDIA EGX邊緣計(jì)算平臺,其深度學(xué)習(xí)推理模型可直接在EGX平臺上運(yùn)行并進(jìn)行邊云協(xié)同數(shù)據(jù)推理。馮原等[32]將Paddle Lite實(shí)踐部署在移動(dòng)AGV中,驗(yàn)證了其在低算力、低功耗情況下的實(shí)用性。

除輕量化算法執(zhí)行框架研究外,谷歌的工業(yè)服務(wù)平臺Google Cloud IoT表示,Cloud IoT Core邊緣服務(wù)框架除支持在邊緣層收集設(shè)備數(shù)據(jù)將發(fā)布到谷歌云以進(jìn)行分析外,還可結(jié)合新發(fā)布的Edge TPU(為TensorFlow框架定制的芯片)使用,可以將人工智能的功能集成到邊緣設(shè)備,起到軟硬件協(xié)同推理作用。微軟在云邊緣協(xié)同方向推出的Azure IoT Edge,可將Azure云端的分析服務(wù)、機(jī)器學(xué)習(xí)、認(rèn)知服務(wù)帶到邊緣設(shè)備,加快對異常事件的預(yù)警反應(yīng)。Azure IoT Edge還開始將Azure機(jī)器學(xué)習(xí)及AI認(rèn)知服務(wù)帶進(jìn)設(shè)備端進(jìn)行基于硬件的邊緣智能應(yīng)用。

國內(nèi)較多學(xué)者有關(guān)邊緣智能的研究更傾向于具體應(yīng)用型研究,設(shè)計(jì)適合不同場景的人工智能算法。于天琪等[33]提出一種包含無線監(jiān)測節(jié)點(diǎn)、邊緣計(jì)算節(jié)點(diǎn)和云平臺的物聯(lián)網(wǎng)監(jiān)測系統(tǒng)邊緣計(jì)算框架,并利用自編碼神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)數(shù)據(jù)異常檢測。其訓(xùn)練過程在云平臺進(jìn)行,所得到的模型及參數(shù)將回傳至邊緣計(jì)算節(jié)點(diǎn)實(shí)施,實(shí)驗(yàn)證明該異常檢測方法接近理想檢測器。

在邊緣智能硬件開發(fā)中,主要有通用型設(shè)備人工智能應(yīng)用的開發(fā)和異構(gòu)型專用硬件設(shè)備應(yīng)用開發(fā)兩個(gè)方向,通用型設(shè)備的應(yīng)用開發(fā)對算法執(zhí)行框架具有較大的依賴。在異構(gòu)設(shè)備上,盧冶等[34]研究設(shè)計(jì)了一種面向邊緣計(jì)算的嵌入式FPGA卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建方法,可以將高計(jì)算消耗的應(yīng)用和服務(wù)逐漸從集中式的云計(jì)算中心遷移到網(wǎng)絡(luò)邊緣的嵌入式系統(tǒng)中應(yīng)用。邊緣智能作為邊緣計(jì)算的突出表現(xiàn)之一,無論是通過異構(gòu)設(shè)備載體進(jìn)行智能處理,還是使用通用邊緣節(jié)點(diǎn)設(shè)備進(jìn)行推理,其目標(biāo)是一致的。但是由于制造業(yè)現(xiàn)場的數(shù)據(jù)異構(gòu)性和應(yīng)用的復(fù)雜性,開發(fā)人員必須選擇合適的方案,以滿足工廠對時(shí)延和準(zhǔn)確性的要求。

3.4 制造業(yè)邊緣計(jì)算的應(yīng)用探索

制造業(yè)邊緣計(jì)算的應(yīng)用主要包括使用行業(yè)組織提供的服務(wù)、使用開源社區(qū)二次開發(fā)服務(wù)以及根據(jù)企業(yè)現(xiàn)狀自主設(shè)計(jì)。在邊緣計(jì)算開源項(xiàng)上,李振江等[35]使用StarlingX的架構(gòu)組成和代碼功能,通過搭建大唐移動(dòng)邊緣計(jì)算平臺總體架構(gòu),再部署到實(shí)際環(huán)境中,可以實(shí)現(xiàn)電信級可靠性架構(gòu)從而滿足邊緣計(jì)算的實(shí)時(shí)服務(wù)特性。在針對具體行業(yè)設(shè)計(jì)邊緣計(jì)算應(yīng)用模型中,宋純賀等[36]設(shè)計(jì)并驗(yàn)證了一種面向智能制造邊緣計(jì)算模型。該模型可以滿足智能制造在敏捷聯(lián)接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求,各類傳感器通過邊緣網(wǎng)關(guān)上報(bào)驗(yàn)證平臺,與實(shí)時(shí)流引擎實(shí)現(xiàn)數(shù)據(jù)的處理,從而滿足邊緣計(jì)算向工業(yè)互聯(lián)網(wǎng)智能制造融合的發(fā)展。張立婷等[37]設(shè)計(jì)了一種集大數(shù)據(jù)、網(wǎng)絡(luò)、儲存為一體,包括數(shù)據(jù)采集、生產(chǎn)及設(shè)備管理監(jiān)控的邊緣計(jì)算系統(tǒng),此系統(tǒng)對于繁瑣的生產(chǎn)過程和復(fù)雜狀況也較為適用。

以上邊緣計(jì)算制造業(yè)中的應(yīng)用探索,基于邊緣數(shù)據(jù)采集和處理,從通信可靠性、數(shù)據(jù)互聯(lián)、生產(chǎn)操作論證邊緣計(jì)算助力制造業(yè)升級,實(shí)現(xiàn)工廠的智能數(shù)據(jù)分析、智能控制、智能決策。但在制造業(yè)中的實(shí)踐檢驗(yàn)相對較少,制造業(yè)場景下的邊緣計(jì)算發(fā)展還需要更多的應(yīng)用項(xiàng)目來實(shí)踐。

4 結(jié) 論

本文介紹了邊緣計(jì)算的發(fā)展、架構(gòu)模式以及在制造業(yè)的發(fā)展,分析了國內(nèi)外邊緣節(jié)點(diǎn)的軟件服務(wù)框架和其優(yōu)缺點(diǎn),對在制造業(yè)中數(shù)據(jù)采集與處理問題中的研究的現(xiàn)狀進(jìn)行分析。對邊緣計(jì)算軟件服務(wù)框架在異構(gòu)性數(shù)據(jù)采集、節(jié)點(diǎn)管控、邊緣智能與制造業(yè)落地應(yīng)用等方面的未來長期發(fā)展與完善提供一些分析建議;對國內(nèi)智能制造和工業(yè)互聯(lián)網(wǎng)相關(guān)邊緣計(jì)算科研與工作人員,在研究和應(yīng)用制造業(yè)邊緣計(jì)算時(shí)提供一定參考;對全國制造產(chǎn)業(yè)信息化互聯(lián)進(jìn)程有些許貢獻(xiàn)。