概述

隨著工業4.0的提出，全球越來越多的制造企業在云計算、大數據、人工智能和5G等技術的共同作用下開展工業4.0的實踐。以新一代信息技術與先進制造技術深度融合為基本特征的智能制造，已成為這次新工業革命的核心驅動力。

智能制造利用物聯網、云計算、大數據、人工智能等新一代信息技術，貫穿于設計、生產、營銷、服務、管理等制造活動各個環節，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、系統和模式的總稱。在傳統制造業進行數字化、自動化、智能化轉型升級的過程中，人工智能技術廣泛應用于制造業的研發設計、制造過程及運維等階段，以實現制造業產品全生命周期的自動化分析、推理、判斷和決策。

應用以往的云計算解決方案，將所有的數據傳輸到云數據中心進行計算已經很難滿足工廠現場執行層面對處理性能、效率的嚴苛要求。為了滿足工廠側的需求，邊緣計算的出現完美的彌補了邊緣側對數據快速處理、決策快速執行的要求。

什么是邊緣計算?

智能制造的核心目標其實就是“降本增效”，通過各種先進的信息化技術推動制造業向數字化、智能化、個性化、定制化等新方向升級，實現數字化轉型，從而提升效率、降低成本，給終端用戶帶來更好的體驗。

邊緣計算只是制造業實現智能制造進程中所使用的一種技術，通過它可以更好、更快的實現數字化轉型。百度百科中解釋道“邊緣計算，是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網絡服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算處于物理實體和工業連接之間，或處于物理實體的頂端。而云端計算，仍然可以訪問邊緣計算的歷史數據。”

說的通俗一點，邊緣計算本身也屬于一種分布式計算，將原本集中處理的能力，分散到各個邊緣節點去處理。由于邊緣節點更接近生產側，可以加速數據的收集、存儲、分析及決策，而不需要將數據通過網絡傳送到遠端的計算平臺。同時加速數據的傳送，減少網絡延遲，提升效率，提高安全隱私保護。

邊緣計算在智能制造中的主要功能

• 數據存儲：邊緣計算網關自身具備一定的數據存儲能力，用于對采集到的多種多樣的工業設備數據進行存儲，數據包括且不限于實時運行數據、狀態數據、報警數據及故障數據。由于邊緣網關的硬件存儲容量有限，不可能將所求數據全部存儲，所以會根據需求定期將過期數據上傳到云平臺進行歷史查詢與分析，從而釋放多余空間，存儲更多數據。
• 多接入協議互轉：工廠線邊的設備種類很多，采用的協議也是多種多樣。為實現I T與OT的融合，完成機器或者說是設備與設備間的信息傳遞，需要通過協議進行轉換。邊緣計算就具備協議翻譯的能力，可以將設備的所在的OT協議翻譯成信息系統能夠解析的IT協議，完成設備層多OT協議與IT協議的轉換。
• 及時分析：邊緣計算本身就是分布式技術的延伸，解決邊緣層數據的快速處理與分析問題，減少網絡傳輸延遲帶來的業務影響。可以針對報警規則的設置、數據的采集、數據的過濾等基本操作，帶來更優的體驗。
• 邊緣控制：邊緣計算網關在采集到生產現場數據后，能夠根據業務人員預置的規則對設備的運行狀態進行自動反饋控制，無需上傳到云端進行計算，可在邊緣層形成一個閉環，保證時效性。

邊緣計算的優勢

邊緣計算的發展前景非常廣闊，它是對云計算的補充和延伸，也號稱“人工智能的最后一公里”，雖然目前邊緣計算還處于發展的初期，但是隨著AI、5G、IPV6等技術的成熟及普及，阻礙前進的部分問題將被逐一解決。

利用邊緣計算可以助力傳統的制造企業快速實現智能制造，提速數字化轉型步伐，可以有效的推進企業信息化變革：

數據傳輸速度快：

• 正所謂，天下武功，唯快不破，網絡傳輸速度更是如此，高效、快速的傳輸速度是
• 確保業務正常提供服務的基礎條件之一。對于制造型企業而言，如車企，速度是非常最重要的。如車輛碰撞測試、研發數模等，在很大程度上依賴于快速計算，速度的延遲很可能造成數據無法及時提供，致使制造和研發工作受到影響。醫療保健行業也高度依賴網絡速度，幾毫秒就足以決定一個人的命運。類似提供數據驅動服務的企業，速度緩慢可能會使客戶丟失嚴重，損害企業的聲譽。
• 邊緣計算的優勢之一就是它非常的快，無論是網絡傳輸速度還是計算處理速度。在使用邊緣計算架構中，所有設備將在邊緣數據中心或本地處理數據，無需將數據傳輸到云端或者中央服務器進行處理。

基礎架構易擴展：

• 傳統架構中，因業務系統的需求擴展現有IT基礎設施架構，成本是非常高昂的，如采購相關的計算、網絡和存儲硬件，同時也要考慮各種軟件間的兼容等等，增加了擴展數據中心的難度。
• 利用邊緣計算架構可以輕松的進行基礎架構的擴展，其本身就是分布式架構。可以按需在離數據側最近的地方增加計算網關用于擴展邊緣網絡，無需為其數據需求建立私有或集中式的數據中心。同時也可以將邊緣計算與托管服務結合使用來擴展邊緣網絡，無需花錢購買任何新設備。

數據安全有保障：

• 邊緣計算架構縮短了數據傳輸的路徑，更多的數據將在本地進行處理，無法進行網絡傳輸，自然減少了數據在網絡中傳輸所帶來的各種安全風險。同時若所有數據都傳輸回主服務器，則操作過程和數據受到攻擊的概率將加大，如拒絕服務攻擊(DDoS)足以擾亂公司內的整個業務。利用邊緣計算將數據分配在不同的數據中心和設備之間進行數據處理。因此，針對受到DDoS攻擊的概率會下降，也將增加攻擊的成本和難度，因為黑客無法通過攻擊一臺設備來影響整個網絡。針對本地存儲的數據和分析處理過程，安全人員可以輕松地對其進行監測，增加數據的安全性。

計算架構高可靠：

• 架構的高可用直接關系解決方案的可落地性，與云計算架構相比，邊緣計算在云計算機的基礎上又提供了一種更好的可靠性。邊緣計算節點均位于離數據最近的區域，分布式部署，單點的網絡中斷不會影響整體業務，物聯網設備可以自動的將請求發給最近的數據中心處理。

分散的數據處理架構，也可以將風險進行分散，防止類似云計算中心那種集中式的架構管理模式。同時，傳統的數據中心在可傳輸的數據量上也有一些限制，如帶寬、設備接入量等。

數據類型廣接入：

• 個人認為邊緣計算是為物聯網而生的一種技術，更好的實現萬物互聯。隨著物聯網趨勢的蓬勃發展，越來越多的設備實現了聯網。從之前的人與人已經延伸到人-物、物與物的時代。邊緣計算具備各種設備和類型的廣接入能力，在單設備接入的前提下提升了一個數量級，至此服務器可以接入更多個設備。尤其針對制造企業，產線上的作業設備繁多而接口類型復雜，產生的數據量更是數以萬計。使用邊緣計算可以更好的支持以上業務的數據處理需求，同時保障生產業務的不間斷運行。

邊緣計算在智能制造方面的應用場景探索

隨著工業互聯網的快速發展，工業4.0和中國制造2025加速了制造企業的智能制造步伐，利用邊緣計算特性可以更好的輔助和推動智能制造在傳統制造行業內的實踐。邊緣計算雖然是一種分布式的技術，但確是在低延時、高帶寬、廣接入的背景下發展起來的技術，更貼合制造業對邊線快速處理場景的需求。

工廠側可以利用邊緣計算網關直接對本地數據進行采集、清洗、存儲、分析等實時處理操作。同時，邊緣計算還可以提供多協議轉換的能力，實現多種工業設備的統一接入。產線設備對數據的交換延時非常敏感，例如西門子的Profinet的RT模式要求延時小于1 0ms，若要更好的利用邊緣計算的能力，還需要不斷的研究探索，根據不同的場景提出更專業、更貼合實際的部署方案。

場景1-邊緣計算與5G雙劍合璧實現廠內AGV聯網

以汽車行業為例，在傳統的汽車制造車間內，AGV小車被廣泛應用于物流傳送、倉儲管理及線邊上下料過程中。通過AGV小車，可以有效的、方便的將各種零部件發送到線邊，供車間工人進行組裝。設計上，AGV利用基于電磁等自動導航系統的定位技術，能夠沿預定的牽引路徑行駛，是具有基于自主移動導航能力處理簡單重復性工作的運輸機器人。

以前在車廠的建設期主要通過Wi-Fi實現AGV小車與管理平臺的通信，進行指令下發、回傳等信號傳輸工作。但當AGV的服務面積擴大，本身的弱點也就暴露了出來。現在的車間面積都很大，尤其是商用車的總裝車間。在面積較大的區域內工作時，現有Wi-Fi技術存在干擾、數據丟失、切換差等問題，無法保證穩定的網絡連接環境，易造成指令傳輸問題，導致生產事故。同時在長時間的連續作業時，AGV對自身存儲空間和計算處理能力都有較高的要求，為此，從降低網絡部署復雜度、進一步提升鏈路穩定性及數據最近處理的角度出發，AGV應用場景對于高可靠邊緣計算網絡的需求日益迫切。

借助5G通信技術與邊緣計算網絡架構的結合，可以有效解決車間現有AGV應用場景所面臨的網絡穩定性和存儲、計算能力不足等問題。

5G作為新一代的通信技術，具備低延時、高帶寬、廣接入的特性，可以解決不同場所針對網絡速度、穩定性的需求。利用低延時特性提供更加可靠的寬帶低時延的網絡環境，時延控制在10ms左右、抖動僅2ms，有效保障了AGV在運行中的精準連續控制，解決非授權頻段無線技術在AGV應用中存在的信號易干擾、不穩定、丟包等問題。實現AGV管理平臺實時下發控制指令，確保產線上AGV機器人按照指令進行貨物收貨、分揀、入庫、搬運、出庫等操作。

邊緣計算網關部署在離AGV設備最近的線邊或者零部件物流區域，利用分布式計算和存儲能力，實現AGV數據的本地存儲和實時分析。在云端與AGV之間建立一道快速處理通道，與云平臺協同算力，降低數據處理成本的同時，提升車間及物流區AGV的工作效率與穩定性。

場景2-利用邊緣計算圖形處理能力實現邊線質檢

以汽車制造為例，每天工廠要下線的車輛數超過千萬臺，各種零部件在流水線上川流不息，按照設計工藝組裝成不同的車機型號交付給最終客戶。在這個過程中，質量把控是關鍵的一個流程。質檢人員每天要完成上千萬多個零件的檢驗，差不多平均每分鐘要檢測數十種配件，在車機下線前還要進行整車檢查。在銷售旺季，質檢人員連續工作超過10個小時的情況很常見。

在這種檢查的模式下，質檢人員工作負荷大，人員精力跟不上，易出現漏檢、錯檢成的情況。為此汽車制造企業考慮如何減輕質檢人員的工作壓力，提高產品質量，已成為一個亟待解決的難題。

邊緣計算屬于分布式架構，可以很好的在數據最近的線邊收集、分析和處理數據，結合深度學習、圖形算法及AI技術，形成一套行之有效的工業線邊側的智能化圖形質檢解決方案。利用如英偉達的EGX邊緣服務器，通過實時讀取質檢圖片、分析圖片內容、定位缺陷，判斷缺陷類型，進行智能告警，而無需將所有的數據上傳到云端進行計算，造成延時過大的問題。這樣及滿足了就近分析的業務需求，也滿足了生產對于網絡延時的要求。與此同時，也可以與云平臺相結合，將這些歷史數據反饋到云端，做進一步的分析，為后期的邊緣計算中的圖形算法進行優化。

利用邊緣計算網絡及圖形化的AI質檢方案，可以快速、精準的捕捉質檢中常見的缺陷，不會造成大量漏檢、錯檢，提升員工效率的同時提高產品出廠質量。

場景3-邊緣計算框架實現海量IoT數據本地處理

從國家層面提出的“中國制造2025”，勵志從現在的制造大國變成制造強國，其中物聯網是很關鍵的一個應用。

在汽車制造類型的企業中，聯網是IoT的基本原則，也是提升企業效率最直接的方式。從各種范例來看，聯網的整車工廠遠比沒有聯網的整車工廠工作效率更高、更智能和更有成本優勢。同時，在其他行業內已經出現了很多智能化終端，通過網聯化，實現終端用戶需求第一時間獲取，遠程訪問歷史數據和實時數據。從而對數據進行分析，更快的將用戶實際需求反饋給工廠，制造出滿足用戶實際需求的產品。

智能化工廠首先要實現的就是一切資源數字化，利用邊緣計算架構，實現IoT網絡構建，獲悉終端設備的各種運行數據，從而存儲和分析，智能的做出方案，提供決策依據。如工廠的智能水表、智能園區、智能消防等等，數據傳輸到最近的邊緣計算節點進行實時分析處理。

在工廠車間，物聯網可以從生產設備到生產零件，從傳感器嵌入式自動化控制到能量計，從車到倉庫的智能貨架，連接各種制造資產，提升制造效率的同時，使工廠更加的智慧。同時，傳統的汽車企業也在向數字化轉型，逐步將車作為智能終端，提供更加智能、貼合用戶需求的服務，車聯網就是車企最重要的終端服務方式。邊緣計算也是車聯網眾多核心技術之一，以車為終端，進行車內、外的數據采集、分析和快速處理，滿足未來自動駕駛的需求。

結束語

從智能制造及數字化轉型的發展趨勢來看，邊緣計算在智能制造領域的落地是必然的，也是大勢所趨，尤其是在車聯網風頭正熱的汽車制造業。邊緣計算作為云計算的有效補充，已經成為數據中心在未來的標準配置，加上物聯網、車聯網、AI圖形處理、云計算、大數據、人工智能等技術的加持，現在已經成為汽車制造企業轉型為智能制造企業的最佳窗口。

在智能制造中，邊緣計算的應用場景不僅僅局限在類似EGX的圖形處理上、物聯網的分析上以及網絡優化上，更重要的是邊緣計算涉及到的上下游領域很多，如政府機構、運營商、廠商、其他生態伙伴，甚至全球/與之相關的協會等合作伙伴。

在未來，構建開放的邊緣計算平臺，凝聚各行各業的邊緣計算優勢，已成為邊緣計算發展趨勢，更加有利于加快企業實現數字化轉型的步伐。