为什么工业边缘计算可能是你通向数字化的最佳途径

随着对智能工厂和工业物联网(IIoT)的日益关注，拥有一个数字化战略正变得与制造过程本身一样重要。用例如预测性维护和能源分析提供了许多提高生产力和减少运营支出的方法，但是组织并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连接到外部网络的想法感到不安。边缘计算提供了一种中间选择。

在边缘计算中，分析和存储发生在资产附近的现场，无需将数据发送到云。通过在尽可能接近数据来源的地方执行操作，边缘计算将延迟和带宽使用以及安全漏洞最小化。边缘计算设备的功能足以运行复杂的分析应用程序，如人工智能(AI)和机器学习(ML)，更不用说对时间敏感的用例，如增强现实、虚拟现实和视频处理。组织还可以利用同时使用云计算和边缘计算的混合架构来实现两者的优点。

该方法可以通过减少计划外停机时间、提高操作设备效率(OEE)、减少操作费用以及在整个企业中实现一致的操作来显著影响操作。ARC咨询集团(位于马萨诸塞州Dedham)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表示:“我认为已经有一些非常明确的证据证明了Edge的价值主张。”“我想说的是，在行业的独立方面尤其如此。“

边缘计算101.

边缘计算的名字来自于企业网络和Internet接口上的边缘平台的位置(网络“边缘”)，这并不一定意味着企业只有一个连接。Polsonetti表示，在工业物联网时代，工业网络边缘可以存在于任何与互联网和/或intranet相交叉的物理设备、资产、机器、流程和应用程序中。

图1：边缘网络提供设备层和云之间的接口。（由Nomore201提供）

云计算的最初方法是将数据与数据记录器或数据历史学家聚集在一起，然后将其直接发送到云进行处理。来自传感器和设备节点集合(例如编码器、温度传感器、驱动器、运动控制器等)的数据通过网关聚合，该网关将原始数据转换为与MQTT或OPC UA等现代协议一起使用的数据。边缘处理的第一步是让这些网关在将数据发送到云之前开始执行一些基本操作，如过滤和规范化数据。(根据架构的不同，这种方法被称为雾计算)。

这款智能数据泵，作为GE Digital调用的Sahil Yadav，Edge产品管理器，最大限度地减少发送到云的数据量，降低带宽需求。它还降低了云水平的加工负担。“边缘计算没有采用的主要原因之一是因为它可以推动网络成本，”他说。“但它实际上可以降低成本。[使用预处理]，您不只是将所有数据转化为您的中央存储库。您可以提高发送驱动价值的数据，对您有意义的数据。“

从使用网关进行边缘处理到使用专用边缘设备进行边缘计算是一个重大进步。边缘设备不只是对数据进行预处理，它们可以运行许多以前仅限于云计算的应用程序和分析。处理模型基本上从集中式(云计算)转向分布式(边缘计算)。理想的部署是一个混合版本，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，以便进行进一步分析，并在整个企业中实现标准化。

标准边缘体系结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，这些边缘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，甚至是运行软件所需的特定操作系统。容器可以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带到各种平台。

从某种意义上说，这种集成化的软件和边缘设备的操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:“这是一种应用的组合。”“比如，你会有一个应用程序监视性能，另一个应用程序用于能源使用。你可能有另一个正在收集信息的‘数码双胞胎’。”能够访问开发人员的组织可以创建自己的定制应用程序，并以相同的方式进行部署。

更进一步，应用程序可以开始与同样安装在边缘设备上的人工智能系统协同工作。米勒说:“现在你可以将应用程序的性能洞察力与人工智能系统结合起来，这样你就可以训练人工智能。”“过了一段时间后，它就会明白，‘嘿，我已经准备好要脱离校准了，我需要分担负载，这样我就可以让马达恢复到它的工作容限内，而不必因为出现故障而停止系统。’”这样，该系统开始进入自动预测维护系统。

边缘设备可用作目的地产品，但工业PC，安装了合适的软件，可以实际上实际上完成这项工作。Nathan Slider，Systems顾问和Aveva的Systems顾问和解决方案架构师表示，将硬件视为一个抽象层有助于。“只要硬件具有软件所需的处理能力和足够的内存可用，那么它就可以执行其功能角色，”滑块说。“因此，优势设备可以是简单的PLC的东西，只要它具有足够的内存和可用，或HMI，甚至是网关。”

边缘计算体系结构通常有一个位于边缘设备之上的监督层。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，它只是简单地存储应用程序，并在必要时将更新推送到边缘设备。

结合集装箱软件，这种架构提供了运营改进和一致性的机会。“如果我们可以将这些Docker容器加载到此硬件上，现在我可以使用它来规范整个企业企业的操作系统和应用程序，”滑块说。“能够将这些新操作系统推出或使用此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，边缘设备本身或边缘计算平台与云接口。值得注意的是，边缘计算系统可以纯粹是本地的，但这没有充分利用机会。重要的是要记住，云并不一定意味着公共服务提供商。它只是可以位于公司数据中心的虚拟化资源，甚至可以在同一建筑物的其他地板上。

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，因此它为新型实时智能制造开辟了道路，其中机器自主地提高了它们的性能。在该模型中，边缘设备在节点数据上运行分析，从数据中导出结果，然后使用这些结果将控制信号发送回机器。“这在某些工厂楼层特别有用，当您需要做出决定，或者边缘需要实时做出决策，并且没有时间将数据来回云，”Yadav说。“我当然只有有限的客户对这个用例感兴趣的客户，但大多数客户最终会看到这一更大的用例。”

即使在立即术语中，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带来重要的益处。如果数据表明条件的条件突然变化，则需要尽快进行动作。同样，如果机器由于张紧带不当地突然生产废料，则在停止线路并发出纠正之前，金钱将会丢失。边缘计算通过执行尽可能接近实际资产来最小化延迟。

减宽：支持预测维护或AI的其他应用所需的数据集消耗了大量的带宽，堵塞网络，甚至需要升级。边缘设备对数据节点的接近度最小化带宽要求，

安全:边缘设备的设计具有最高的安全级别，以确保与OT网络和互联网的安全接口。“有一个巨大的数量的安全方面,牢记在设计这些产品从本质上确保他们没有多余的连接到边缘设备,确保应用程序运行在边缘设备故障或不影响网络上的其他设备,“Yadav说。

入门

每一个安装都不同，但有几条成功的路径：

开始小：避免诱惑将每个设备放在地板上的边缘网络中。这实际上导致大量的数据，掩盖了网络的压倒性，并且未使用。该系统将浪费时间和金钱，未能实现投资回报率。相反，确定要解决的特定问题 - 在夹尖点处的超出停机时间，一个松散的皮带导致产品不好。和传感器并配置边缘计算解决方案以识别问题并可能甚至回复。

成为战略性：重点关注最有可能从该技术中获益的应用程序。ARC咨询集团副总裁Craig Resnick说:“如果你需要对数据进行分析和处理，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做的事情。”

“如果你有一个刚刚运行传送带系统的PLC，那么边缘设备不是一个很好的用例，”米勒说。“但是如果您在您的过程中有一些关键任务，那么您希望将边缘设备收集数据，监控检验测试，您的KPI，并在该焦点那里完成。然后随着生产需求的变化，您只需更改您的应用程序就可以尽可能高效地将流程保持一点点以保持流程。“

选择可扩展的解决方案：试点项目将是一个起点，但它将远未到最后。成功将导致新的应用程序，并且没有讲述未来将是什么数据。这相当于最终用户和OEM。“想要展示具有所拥有的产品的机器建设器，例如，附加到它们的其他IIOT增量服务收入肯定希望能够快速地从0到1000甚至100,000个节点的可扩展性。“Polsonetti说。“在我们的思想中，零触摸配置和硬件/软件虚拟化等功能易于实现可扩展性。”

寻找易用性:虽然考虑本土解决方案可能很诱人，但初始开发阶段只是开始。边缘平台的软件堆栈需要持续更新，将最终用户转换为软件分频器开发人员而不是制造商。“我们认为现在有明显的重点是易于使用，交钥匙操作，自助服务等”Polsonetti“[提供商]试图远离那种重型的自定义服务或咨询组件，并使其更容易客户实施自己。“

边缘计算为工业用户提供了一种有效的方法，利用数据和分析来提高生产率，收缩不定期的停机时间，提高产品质量，降低运营成本。在数据源附近定位分析可降低延迟，使技术有效地监控机器学习应用的高速系统。从长远来看，它将实现新的应用程序，例如不能检测早期阶段中的问题的机器，但也自主地采取措施来补偿。