为什么工业边缘计算可能是您实现数字化的最佳途径

随着人们对智能工厂和工业物联网(IIoT)的日益关注，拥有数字化战略正变得与制造过程本身一样重要。像预测性维护和能源分析这样的用例提供了许多提高生产力和减少运营支出的方法，但组织不一定拥有内部执行的技能和计算资源。另一种选择是使用云模型，但许多公司对将运行实时进程的设备与外部网络连接的想法感到不安。边缘计算提供了一个中间选择。

在边缘计算中，分析和存储在资产附近的现场进行，而不必将数据发送到云端。通过尽可能靠近数据源执行操作，边缘计算可以最大限度地减少延迟和带宽使用，以及安全漏洞。边缘计算设备的功能足以运行令人惊讶的复杂分析应用程序，如人工智能(AI)和机器学习(ML)，更不用说增强现实、虚拟现实和视频处理等对时间敏感的用例。188金宝搏下载界面组织还可以利用同时使用云和边缘计算的混合架构来提供两者的好处。

该方法可以通过减少计划外停机时间、提高运营设备效率(OEE)、降低运营费用，并实现整个企业的一致运营，从而极大地影响运营。ARC advisory Group (Dedham, Massachusetts)专门从事工业物联网边缘硬件和软件的咨询服务副总裁Chantal Polsonetti说:“我认为已经有一些非常明确的证据证明了边缘的价值主张。”“我想说的是，在行业的离散端尤其如此。”

边缘计算101

边缘计算得名于边缘平台在企业网络和互联网之间接口的位置(网络“边缘”)，这并不一定意味着企业的单一连接。在工业物联网时代，工业网络边缘可以是与互联网和/或内部网相交的任何物理设备、资产、机器、流程和应用程序。

图1:边缘网络提供了设备层与云之间的接口。(由NoMore201提供)

云计算最初的方法是将数据与数据记录器或数据历史学家进行聚合，并将其直接发送到云端进行处理。来自传感器和设备节点(例如编码器、温度传感器、驱动器、运动控制器等)的数据由网关聚合，该网关将原始数据转换为MQTT或OPC UA等现代协议使用。边缘处理的第一步是让这些网关开始执行一些基本操作，例如在将数据发送到云之前过滤和规范化数据。(根据架构的不同，这种方法被称为雾计算)。

GE Digital的边缘产品经理Sahil Yadav称这种智能数据泵最大限度地减少了发送到云端的数据量，降低了带宽需求。它还减少了云级的处理负担。他说:“边缘计算不被广泛采用的主要原因之一是它会推高网络成本。”“但它实际上降低了整体成本。[使用预处理]，您不仅仅是将所有数据转储到中央存储库。你提高了自己发送数据的能力，这些数据能带来价值，对你来说是有意义的。”

从使用网关的边缘处理到使用专用边缘设备的边缘计算，这是一个重大进步。边缘设备不仅可以预处理数据，还可以运行许多以前仅限于云的应用程序和分析。处理模型基本上从集中式(云计算)转变为分布式(边缘计算)。理想的部署是混合版本，它在本地执行对时间敏感的处理，但也将数据和边缘结果发送到云中进行进一步分析，并实现整个企业的标准化。

标准边缘架构由连接到一个或多个边缘设备的传感器和设备节点组成，这些设备能够被虚拟化并运行容器化软件。软件容器是自包含的包，它不仅包含应用程序代码，还包含任何相关的库，甚至包含运行软件所需的特定操作系统。容器确保所包含的软件在任何平台上稳定运行，使其非常适合将边缘计算功能引入各种平台。

在某种意义上，容器化软件和边缘设备的运作类似于应用程序和智能手机。西门子工业(Siemens Industry)工厂自动化边缘产品经理雷米•米勒(Ramey Miller)表示:“你有多种应用的组合。“例如，你会有一个应用程序可以观察性能，另一个应用程序可以观察能源消耗。你可能会有另一个人为数字双胞胎收集信息。”能够访问开发人员的组织可以创建自己的定制应用程序，以同样的方式进行部署。

更进一步，应用程序可以开始与安装在边缘设备上的AI系统一起工作。米勒说:“现在你可以将应用程序的性能洞察与人工智能系统联系起来，这样你就可以训练人工智能了。”“过了一段时间，它就会知道，‘嘿，我准备好要跑偏了，我需要负载共享，这样我就可以让电机回到其运行公差范围内，而不必因为故障而停止系统。’”这样，系统开始进入自动预测维护机制。

边缘设备可以作为专门制造的产品，但安装了正确软件的工业PC也可以同样有效地完成这项工作。Aveva的系统顾问和解决方案架构师Nathan Slider说，把硬件仅仅看作一个抽象层是很有帮助的。“只要硬件具有软件所需的处理能力和足够的可用内存，那么它就可以执行其功能角色，”Slider说。“因此，边缘设备可以像PLC一样简单，前提是它有足够的内存和处理能力，或者是一个人机界面，甚至是一个网关。”

边缘计算架构通常有一个位于边缘设备之上的监管层。在某些情况下，这个边缘计算平台管理边缘设备。在其他情况下，它只是存储应用程序，并在必要时将更新下推到边缘设备。

与容器化软件相结合，该体系结构为操作改进和一致性提供了机会。“如果我们能将这些Docker容器加载到硬件上，现在我就可以用它来标准化整个企业的操作系统和应用程序，”Slider说。“能够推出这些新的操作系统补丁，或者通过这项技术远程管理应用程序，使我们能够更有效地管理这些边缘设备。”

根据架构的不同，边缘设备本身或边缘计算平台与云进行接口。值得注意的是，边缘计算系统可以纯粹是本地的，但这未能充分利用机会。同样重要的是要记住，云并不一定意味着公共服务提供商。它只是将资源虚拟化，这些资源可以位于企业数据中心，甚至可以位于同一建筑物的不同楼层。

边缘计算的好处

低延时:由于边缘计算不需要云模型的地面旅行时间，它为一种新型的实时智能制造开辟了道路，在这种制造中，机器可以自主地提高性能。在这个模型中，边缘设备对节点数据进行分析，从数据中获得结果，然后使用这些结果将控制信号发送回机器。亚达夫说:“当你需要做决定时，这在一些工厂车间特别有用，或者Edge需要实时做出决定，没有时间来回发送数据到云端。”“当然，今天对这个用例感兴趣的客户数量有限，但大多数客户最终都认为这是一个更大的用例。”

即使在短期内，超快响应也会为高速系统中的预测性维护甚至产品类型和质量分析等应用带来重要的好处。如果数据显示关键设备的状况突然发生变化，就需要尽快采取行动。类似地，如果一台机器突然开始生产废料，因为一个不适当的张力带，钱将会损失，直到生产线停止和问题纠正。边缘计算通过尽可能接近实际资产执行计算来最小化延迟。

减少带宽:支持预测性维护或其他人工智能应用所需的数据集会消耗大量带宽，导致网络堵塞，甚至需要升级。边缘设备与数据节点的接近使带宽需求最小化，

安全:边缘设备的设计具有最高级别的安全性，以实现与OT网络和互联网的安全接口。”亚达夫说:“在设计这些产品时，我们要考虑大量的安全问题，从本质上确保它们不会与Edge设备产生不必要的连接，到确保在Edge设备上运行的应用程序不会出现故障或影响网络上的其他设备。”

开始

每个安装都是不同的，但有一些成功的途径:

从小事做起:避免将楼层上的所有设备都带入边缘网络的诱惑。这只会导致大量模糊的数据淹没网络，无法使用。该系统将浪费时间和金钱，无法实现ROI。相反，确定一个具体的问题来解决-在一个关键点的停机时间过长，皮带松动导致不良产品。以及传感器和配置边缘计算解决方案，以识别问题，甚至可能做出响应。

战略:专注于最有可能从该技术中受益的应用程序。ARC咨询集团副总裁克雷格•雷斯尼克表示:“如果你需要分析和处理数据，以便实时做出正确的商业决策，那么边缘计算就是你需要去的地方。”

米勒说:“如果你的PLC只运行传送带系统，那么这就不是边缘设备的好用例。”“但如果你的流程中有一些关键任务，那么你就需要在那里放置边缘设备来收集数据，监控检查测试和kpi，并在那个焦点处完成所有工作。然后，随着生产需求的变化，你只需稍微改变应用程序，以保持流程尽可能高效地进行。”

选择一个可扩展的解决方案:该试点项目将是一个起点，但绝不是最后一个。成功将带来新的应用，谁也不知道未来哪些数据会变得重要。这对终端用户和原始设备制造商来说都是一样的。波索内蒂说:“如果机器制造商想要推出具有远程访问或监控功能的产品，或其他支持增量服务收入的工业物联网产品，肯定会希望可扩展性能够从0快速扩展到1000甚至10万个节点。”“在我们看来，零接触供应和硬件/软件虚拟化等功能很容易实现这种可伸缩性。”

寻找易用性:尽管考虑自行开发的解决方案很有诱惑力，但初始开发阶段只是开始。边缘平台的软件堆栈需要不断更新，将最终用户转变为软件划分开发者而不是制造商。波索内蒂说:“我们看到，现在人们明显强调易用性，采用交钥匙操作、自助服务等方式，(供应商)正试图摆脱繁重的定制服务或咨询组件，让客户更容易自己实现。”

边缘计算为工业用户提供了一种有效的方法，可以利用数据和分析来提高生产力，缩短计划外停机时间，提高产品质量，并降低运营成本。将分析定位在数据源附近可以减少延迟，使该技术能够有效地监控机器学习应用的高速系统。从长远来看，它将使机器等新应用成为可能，这些应用不仅可以在早期发现正在发展的问题，还可以自动采取措施进行补偿。