日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

01 工業互聯網智能制造概述

智能制造是具有信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統與模式的總稱。智能制造可以追溯到1990年4月日本發起的“智能制造IMS”國際合作研究計劃。目前，基于物聯網、大數據、云計算等信息技術，智能制造已經貫穿于設計、生產、管理、服務等制造活動的各個環節。工業互聯網是指在物聯網的基礎上，綜合應用大數據分析技術和遠程控制技術，優化工業設施和機器的運行和維護，通過網絡化手段提升工業制造智能化水平。2012年，美國通用電氣公司（GE）首先提出了工業互聯網概念，此后工業互聯網在世界范圍內得到了廣泛的發展。目前工業互聯網以德國“工業4.0平臺”和美國“工業互聯網聯盟”為典型代表，其分別發布了工業互聯網智能制造參考架構RAMI 4.0和IIRA。同時， 工業互聯網技術也迅速得到落地。美國通用電氣公司推出了Predix平臺， 力圖打造成能夠智能適應任何設備的工業互聯網平臺；德國西門子推出了 Mindsphere，幫助智能工廠建立了近千個制造單元連接的互聯網，實現無人化的智能挑選和組裝。

工業互聯網指在物聯網的基礎上，綜合應用大數據分析技術和遠程控制技術，優化工業設施和機器的運行和維護，旨在通過網絡化手段提升工業制造智能化水平。工業互聯網作為我國智能制造發展的重要支撐，“十三五” 規劃、《中國制造2025》、“互聯網+”、“深化制造業與互聯網融合發展”等等重大戰略都明確提出發展工業互聯網。隨著智能制造的發展，覆蓋工廠OT網絡的大量生產/運行數據、控制數據與IT網絡中的管理數據、設計/工藝數據交換需求逐步增加，互聯主體將從機器、控制系統、信息系統進一步擴展到包含在制品、智能產品、協作企業和用戶在內的制造全流程網絡互聯與數據交互。在智能制造中，將互聯網引入到工業領域是制造業普遍面臨的共性挑戰，重點在IT網絡與OT網絡的融合，在工業互聯網的應用層面向工業智造需求實現覆蓋IT與OT的低開銷高實時的各類服務分發，在數據應用層實現IT與OT中各類數據的動態互認，將大幅提升我國制造業智能化水平，符合急用先行的原則。

02 邊緣計算概述

邊緣計算融合了多個學科的內容，不同領域的組織和學者對邊緣計算有著不同的解讀。邊緣計算產業聯盟（Edge Computing Consortium，ECC）對邊緣計算的定義為：邊緣計算是在靠近物或數據源頭的網絡邊緣側， 融合網絡、計算、存儲、應用核心能力的分布式開放平臺（架構），就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。近年來，隨著移動互聯網和物聯網的發展，智能終端設備不斷普及，網絡邊緣側數據的爆發式增長推動了邊緣計算的發展。2014年歐洲ETSI成立移動邊緣計算標準化工作組（MEC）；同年，AT&T、思科（Cisco）、通用電氣（GE）、IBM和英特爾（intel） 成立工業互聯網聯盟（Industrial Internet Consortium， IIC）；2015年，ARM、思科、戴爾、英特爾、微軟和普林斯頓大學建立開放霧聯盟（OpenFog Consortium）；2016年，國內工業、信息通信業、互聯網等領域百余家單位共同發起成立工業互聯網產業聯盟；同年，由華為技術有限公司、中國科學院沈陽自動化研究所等單位聯合倡議發起的邊緣計算產業聯盟（Edge Computing Consortium，ECC）正式成立。在學術科研方面，2016 年，IEEE和ACM共同發起了邊緣計算研討會IEEE/ ACM Symposium on Edge Computing；2017年，中國自動化學會率先成立了邊緣計算專業委員會。在IEEE COMMUNICATIONS SURVEYS & TUTORIALS、IEEE COMMUNICATIONS MAGAZINE、IEEE Internet of Things Journal等著名學術期刊上都發表了大量邊緣計算綜述性文章。在標準制定方面，ITU-T SG20發起了“邊緣計算需求和能力要求”的國際標準立項，中國通信標準化協會CCSA也陸續開展多項邊緣計算行業標準立項。同時，北京大學、東南大學等單位承擔了一系列云端融合相關的863和國家重點研發計劃項目，有力地推動了邊緣技術的發展。例如東南大學的宋愛國等人承擔的國家重點研發計劃云計算和大數據重點專項“云端融合的自然交互設備和工具”，目前已成功研發有源/無源器件結合的小型可穿戴力觸覺反饋裝置，以及具有觸覺反饋的多通道三維書空筆式交互技術與裝置。其中多通道教學系統面向基礎教育在“班班通”工程和“數字化校園”工程中進行推廣應用，產品應用于中小學教學班11,000多個，學校用戶超過100所。

03 工業互聯網智能制造邊緣計算模型

在工業互聯網智能制造領域，邊緣計算整體架構如圖1所示。

工業互聯網智能制造邊緣計算模型主要包括了邊緣資源感知和服務感知模型、邊緣資源調度模型、邊緣任務劃分模型、多視圖模型庫等模型。基于智能任務劃分，通過對邊緣資源和服務狀態的感知進行邊緣資源調度，實現云-邊緣的協同計算，將計算任務根據最小化能耗、最小化系統延遲以及負載均衡等目標，在云和邊緣處進行計算卸載，提升系統的整體性能。工業互聯網智能制造邊緣計算模型的具體內容如圖2所示。

（1）邊緣資源與服務狀態感知模型

邊緣資源與服務狀態感知模型主要用來感知每個邊緣計算節點的ICT資源狀態（如網絡聯接的質量、CPU占 有率等）、性能規格（如實時性）、位置等物理信息等， 為計算負載在邊緣側的分配和調度提供了關鍵輸入。 

邊緣資源與服務狀態感知模型主要包括邊緣計算節點可靠性評估模型、邊緣計算節點資源感知模型、邊緣網絡狀態評估模型、邊緣節點安全性評估模型。 

邊緣計算節點資源與服務狀態評估如圖3所示。

邊緣計算節點可靠性模型：邊緣計算節點可靠性指在規定條件下和給定時間內邊緣計算節點正確運行（計算）的概率，包括可靠性、可用性和可維性。

邊緣計算節點資源感知模型：對邊緣計算節點的計算資源和存儲資源進行實時感知。計算資源感知標準包括響應時間和CPU時間等。響應時間是指邊緣計算節點接收到計算任務直至給出計算結果所需的時間。其中包括了訪問外存儲器、訪問主存器時間、CPU運算時間、I/O動作時間以及操作系統工作的時間開銷等。

網絡狀態評估模型：網絡狀態評估模型主要評估指標包括：速率、帶寬、吞吐量、時延、往返時間RTT、利用率。

安全性模型：安全性模型主要的內容包括：設備安全、網絡安全、控制安全、應用安全和數據安全。

（2）邊緣任務調度模型

邊緣任務調度模型支持主動的任務調度，能夠根據資源狀態、服務感知、邊緣計算節點間的聯接帶寬、計算任務的時延要求等，自動地在將任務拆分成多個子任務并分配到多個邊緣計算節點上協同計算。也支持把計算資源、服務資源等通過開放接口對業務開放，業務能夠主動地控制計算任務的調度過程，如圖4所示。

邊緣任務調度模型主要包括任務智能分割模型、計算卸載決策模型、任務-邊緣節點匹配模型、邊緣深度計算模型。

任務分割模型：任務分割的粒度有方法級別、模塊級別和線程級別。在任務分割時，移動應用將會被分為本地執行代碼和云端執行代碼兩個部分。其中涉及本地I/O、涉及用戶交互的代碼必須在本地執行。而與本地設備交互少、代碼量少、計算量大的代碼則可以上傳到云端執行。

卸載決策模型：卸載決策是邊緣計算任務調度的核心問題。卸載決策主要關注是否進行計算卸載。卸載決策分為靜態決策和動態決策兩種。對于靜態決策，應用在運行前就已經決定某個模塊是否應該上傳到服務器執行。動態決策的運行時負載比較高，需要實時監控移動設備的運行狀況和網絡狀況。

任務-節點匹配模型：任務-節點匹配模型主要如何解決根據計算任務和節點當前的狀態，來決定計算任務放置在哪個節點上運行的問題。針對于不同的卸載任務，任務-節點匹配模型主要基于能量消耗模型，時間延遲模型和負載均衡模型。

邊緣輕量級學習模型：針對深度學習模型等計算密集同時難以分布式優化的智能算法對邊緣側有限的計算資源帶來的調整，建立邊緣設備計算資源評估方法，在此基礎上設計基于邊緣設備計算資源的智能算法優化方法，解決邊緣智能系統的實時性和可靠性，降低能耗、網絡帶寬需求，以及信息泄露的可能性。

（3）邊緣數據協同模型

邊緣數據協同模型研究邊緣計算節點對南向的協議適配，邊緣計算節點之間的東西聯接使用統一的數據聯接協議。通過數據協同，節點間可以相互交互數據、知識模型等。邊緣計算節點需要知道特定的數據需要在哪些節點間共享，共享的方式包括簡單的廣播、Pub-Sub模式等。邊緣數據協同模型主要包括統一語義模型和語義網絡模型。

數據統一語義模型：數據統一語義模型具有平臺無關、可兼容既有工業信息模型的通用數據語義描述框架并進行建模，包括面向工業互聯網控制數據、管理數據、設計/工藝數據的關鍵屬性分類與提取；針對智能制造底層跨域、上層綜合應用的需求，通過對制造流程多層次數據關聯關系的分析，按照人機物法環模型分別制定內部及相互間關聯關系數據字典標準化研究，實現基于數據業務關聯、時空關聯的涵蓋工廠采購、設計、生產、制造以及物流等領域環節的數據關系字典。

04 工業互聯網智能制造邊緣計算模型驗證方法

為了對工業互聯網智能制造邊緣計算模型進行驗證，在國內某鋼鐵生產企業的智能車間內，搭建了工業互聯網實驗驗證平臺，其總體架構如圖5所示。

在該平臺中，各功能模塊以生產任務、計劃、物料為管理對象，實現高效精細化管理，功能模塊之間高度整合，形成從訂單錄入到成品出廠合同結案的高實時信息閉環處理。通過各類型設備接入管理模塊完成傳感器與智能終端設備注冊、設備鑒權、設備接入、網絡拓撲、網絡調度與故障管理等功能。數據邊緣處理過程，各種傳感器儀表的數據，處理方式主要是通過傳感器、智能終端、攝像頭、網關主要是以消息方式實時上報給試驗驗證平臺。驗證平臺通過內部的邊緣處理模塊與實時流引擎實現數據的處理。利用實時數據處理的UDF能力可方便擴展支持私有數據的處理、或者復雜處理邏輯；現有生產環境中的各類數據，這種數據是以文件或者數據庫形式體現，以定期同步方式同步給試驗驗證平臺。利用DI實現批數據（離線數據）的集成和預處理， 從而進行數據監控與展示。

基于該實驗平臺，表1給出了工業互聯網智能制造邊緣計算模型的測試方法和測試結果。從實驗結果可以看到，本系統提供了較為全面的工業互聯網智能制造邊緣計算模型測試環境和方法。

05 結論

工業互聯網智能制造對系統的確定性、實時性和安全性有著很高的要求，邊緣計算可以滿足工業互聯網智能制造的相關需求。本文介紹了工業互聯網、智能制造、邊緣計算的基本狀況，設計了工業互聯網智能制造邊緣計算模型，搭建了測試平臺，設計了測試方案，并進行了模型測試，希望為邊緣計算模型和方法的測試提供參考。

來源： 邊緣計算產業聯盟ECC