邊緣計算及其在制造業中的應用模式研究

范天偉 胡 云 林 晨 范星宇

中國聯合網絡通信有限公司網絡技術研究院 北京 100044

引言

隨著物聯網、云計算、大數據等技術的不斷發展，催生出了各種不同的新型業務訴求，移動通信網絡也在持續演進以滿足業務需求。如在5G未來網絡中，定義了三大典型應用場景，它們分別是eMBB增強移動寬帶(包括在智能制造中AR/VR可視化輔助和視頻監控等大帶寬業務應用場景)，URLLC超可靠低時延通信(包括工業控制、工業自動化等對時延要求較高的應用場景)，mMTC海量機器類通信(包括智慧工廠中對連接密度有較高要求的應用場景)，可見工業物聯網在5G各類應用場景中均有涉及。為了有效應對5G新業務應用場景對高帶寬、低時延的網絡需求，歐洲電信標準化協會ETSI于2014年提出了MEC(Mobile Edge Computing，移動邊緣計算)的概念[1]。MEC是指在靠近數據源的網絡邊緣側，就近提供數據處理、數據存儲以及業務內容分發的服務，一方面應用、服務和內容會部署在高度分布化的網絡邊緣環境中，可以更好地滿足業務對低時延和高帶寬的需求；另一方面數據無需繞經核心網，減輕了網絡負荷，避免網絡擁塞的出現。根據IDC發布的預測，未來將有500億終端連接入網，同時超過40%的數據需要在網絡邊緣進行分析、存儲和處理，邊緣計算呈現巨大市場潛力和機會。

將MEC與制造業進行有效融合，可以實現工廠的智能化轉型，使得工業現場的設備可以實現快速接入，工業數據在邊緣側即可完成計算處理，大大減小了業務端到端時延，消除了工業現場獨立的信息孤島模式。目前已有研究成果表明，在工業現場引入分布式的工業互聯網智能網關[2]和面向服務的工業互聯網架構[3]，可以有效提升工業生產制造效率。我國的制造業也將由傳統的“制造到庫存”生產模式，向“按訂單生產”、“個性化定制”、“柔性化生產”等新興生產模式轉型。

1 邊緣計算系統構成

MEC系統包括了MEC云設施和MEC服務器兩部分，如圖1所示。MEC云設施(也稱為邊緣云)通常部署在工業車間本地的無線接入網關內或運營商的無線基站內，以提供本地化的云計算敏捷服務；此外MEC系統還包括基于IT通用硬件平臺搭建的MEC工業應用云服務器[4]，其內部又包括了業務調度子系統、內容分發子系統、能力開放子系統和平臺管理子系統四部分，MEC云服務器還可連接第三方私有云，從而實現邊緣混合云服務，通過封裝組件的方式，更好地為智能制造企業提供基于MEC技術的設備運維管理、設備資產管理、產線良品率與產線故障監測等應用服務。

因此，MEC將原本孤立的、中心化部署的云計算服務和無線網絡有效融合在一起，在網絡側的邊緣增加了云計算、云存儲和云處理等功能，邊緣節點將提前過濾掉與工業制造無關的數據信息。與此同時構建開放式MEC云服務器，用以更進一步處理復雜的工業數據，同時以開放接口的方式供第三方調用數據或植入內容。

MEC在制造業中的應用具有5個基本特征，分別是鄰近性、低時延、高帶寬[5-6]、高拓展性和高安全性。

1)鄰近性：由于移動邊緣計算將內容服務和計算能力下沉至工業車間本地，因此邊緣計算特別適用于采集和分析信息源上傳的短周期數據中的關鍵信息，在進行一遍數據處理后，再將復雜數據上傳至核心網后的云端MEC服務器或工業物聯網平臺作進一步處理，因此數據分析效率將大大提升。

2)低時延：在網絡的邊緣側進行數據處理，可大大降低數據傳輸時延，這使得部署在邊緣側的云計算設備可以更加迅速地進行反饋，增強工業自動化控制或實時產線故障檢測等業務能力。

3)高帶寬：工業設備所產生的的數據可以先在工業現場進行簡單的處理，再將需要復雜運算的數據上傳至工業物聯網平臺，而不必將所有數據上傳至云端，這將使網絡傳輸壓力下降，速率會大大增加，同時也節約了網絡帶寬。

4)高拓展性：邊緣云計算節點采用高拓展性的分布式存儲和數據處理方式，相較于傳統的云計算集中化部署方式有更好的拓展性。

圖1 MEC系統組成

5)高安全性：邊緣計算節點部署在生產場所本地，使得生產車間與邊緣網絡以外的其他部分相隔離，大大提高了生產車間的生產安全和數據安全。

2 邊緣計算參考系統架構

MEC系統架構如圖2所示，可分為四層，從下至上分別是設施層、調度層、使能層和應用層。該框架具有較為清晰的邏輯層次，并且以模塊化、概念化的方式闡述了系統各層面的功能組成，使MEC部署分工更為明確，同時可以更好地幫助MEC產業玩家建立產業合作關系，共建MEC生態。

1)設施層：設施層是利用虛擬化技術所實現的虛擬化資源池，通常部署在基于OpenStack的虛擬化操作系統和通用NFV硬件資源之上，提供底層硬件的計算、存儲和網絡控制功能，并通過硬件虛擬化組件模塊，來完成硬件層面相應的管理和分配功能。

2)調度層：調度層由NFV架構中的調度功能模塊所組成，使其具備對整個虛擬化資源的調度和編排。通過對業務數據感知和協議轉換，從而實現對業務的智能化感知，并根據不同業務屬性，對業務內容進行有序的路由轉發，同時還將實現應用注冊、資源調度、控制決策等基礎功能，可根據不同的工業物聯網業務，實現智能化的動態資源調度。

圖2 MEC系統架構

3)使能層：使能層將MEC開放平臺的多種功能封裝成模塊化的應用組件并提供API開放接口，以PaaS(平臺即服務)的服務模式供第三方應用服務商或軟件開發商調用。使能層可提供的能力包括：本地數據緩存、數據分析、數據可視化呈現、位置服務、工業物聯網本地應用、API能力開放等。

4)應用層：應用層承載并運行實際的本地化邊緣計算應用，包括AR/VR工業可視化輔助、工業現場視頻監控、設備/配件智能化管理等邊緣計算應用。

MEC架構的縱向層面，涉及到全架構的共性層面問題，將影響到幾個不同的功能域和層級。

1)管理模塊：管理模塊用于監控和管理MEC云服務器中的各個系統模塊和功能模塊，包括對模塊的啟用和停用等。

2)安全模塊：安全模塊主要用于防患因用戶個人操作原因或與其他第三方平臺對接所造成的潛在安全隱患，使MEC系統能保持穩定運轉。安全模塊包括數字身份管理和鑒權、訪問控制策略管理和執行、通訊和數據傳輸的加密。

3)數字模型：數字模型是對物理實體的抽象孿生，實時反映整體物理實體的變化，數字模型通常是開放共享的。數字模型的建立是業務自動化配置、現場抽象建模及模擬仿真的基礎環節。

4)業務邏輯：業務邏輯不涉及設備通訊協議等技術環節，而是重點確保MEC業務邏輯的連貫性，在工業生產者到消費者之間直接建立業務通道，將制造業相關的業務數據流實現端到端傳送。

3 邊緣計算生態體系

MEC架構已經間接描繪出了一張MEC生態圖譜，是一個全新的生態。MEC邊緣云基礎設施(包括工業邊緣網關)和MEC服務器(開放平臺)通常由工業企業和運營商向設備供應商采購，并主導建設過程。OTT廠商可以通過調用MEC開放平臺的能力，獲取網絡的實時狀態，同時可將MEC內容數據緩存至邊緣側，為客戶提供內容分發服務。內容供應商又會與OTT廠商建立良好的合作共贏關系，為其提供大量的業務內容。對于一些細分場景的應用(如AR/VR工業可視化輔助)，又會由應用開發商單獨負責MEC應用的開發，如圖3所示。

圖3 MEC生態體系

4 邊緣計算在制造業中的部署方案

未來的5G網絡架構，各網元將搭建在數據中心的通用基礎硬件設施上，從接入層到核心層將形成4個云化中心，分別是接入云、邊緣云、匯聚云和核心云[7]，MEC系統可通過虛擬化的方式部署在各個不同的云化數據中心(DC)中，根據不同業務場景，提供差異化的邊緣計算服務，如圖4所示。例如對時延有非常高要求的如AR/VR工業可視化輔助和工業控制類業務，可通過接入云的MEC來提供服務；其次，對移動性和時延有較高要求，同時對于業務內容豐富度有較高訴求的業務場景如工業視頻業務，則可通過部署在邊緣DC的邊緣云為其提供服務(與UPF共同部署)；而對于海量低速率的工業物聯網應用場景如設備資產管理業務，由于其接入設備繁多、覆蓋范圍大，通過調用匯聚DC側的MEC API接口，則能更好地滿足該應用場景需求。

5 邊緣計算在制造業中的典型應用模式

在工業互聯網領域領，需要部署大量傳感節點與智能控制系統進行工業數據的采集和智能化控制，現階段的工業互聯網領域主要面臨4大難題，分別是低時延需求、精準時間同步需求、海量連接需求和異構網絡互聯需求[8]。

如圖5所示，可以通過在工業現場靠近多源數據所處的位置上部署工業邊緣網關和工業邊緣云，同時通過工業物聯網平臺，快速打通工業數據采集、數據傳輸、建模分析、決策控制、決策執行的工業全流程業務邏輯鏈條，為“按訂單生產”、“個性化定制”、“柔性化生產”和“服務化制造”等新興制造業生產模式創造必要條件。

1)場景一：工業自動化控制。工業生產制造園區中，現階段多以短距通信、蜂窩通信、有線通信等多種異構網絡技術混合組網的方式實現網絡接入，在安全、抗干擾、通信效率、業務連續性等方面難以保障，無法滿足工業控制的需求。

結合工業邊緣云網關和MEC云平臺，可將通過不同網絡傳輸的機器和設備的相關生產數據在邊緣網關上進行匯聚采集，并在網關上進行工業數據的實時分析、處理和本地回流，大大降低傳輸時延，以此提高機器設備協同能力，實現徹底的生產自動化。同時，設備狀態將以更低的時延上報至邊緣云，經過簡單分析后可對設備故障進行有效預警，大大降低了生產安全隱患，如圖6所示。

2)場景二：工業現場視頻監控，如圖7所示。工業現場視頻監控往往需要將海量的視頻監控數據回傳至視頻服務器，由視頻服務器負責視頻數據的存儲和分析，視頻數據回傳需要耗費大量的網絡資源和時間，也無法做到對視頻數據的即時處理[9-10]。

圖4 MEC部署方案

圖5 MEC在制造業中的應用模式

圖6 MEC在工業自動化控制中的應用

因此可以使用部署本地化的MEC視頻服務器來處理海量的視頻數據，不僅可降低視頻數據回傳時間，而且也會大大提高視頻數據的處理效率。除此之外，通過人工智能技術進行機器學習、神經網絡訓練，同時可將訓練模型下發至邊緣側，在經過大量訓練之后，監控攝像頭獲取的視頻信息可以直接在工業現場進行分析，實時抓取車間本地的生產作業狀態并進行生產的智能化決策，例如可以通過視頻分析實現對產線設備工作狀態的判斷、產品質量和產量分析、工人/工廠狀態監控等。

3)場景三：AR/VR工業可視化輔助，如圖8所示。AR/VR在工業互聯網領域也是極具潛力的，可應用的場景包括工業設備維護、工業設備可視化管控、專家遠程協助等等。傳統AR/VR解決方案中，用戶需要在終端上預先下載一個耗費巨大容量的APP來體驗業務，因此終端的內存和系統容量會限制AR業務的發展。與此同時，很多工業場景下的AR業務對實時性要求較高，一旦時延過高，微小的操作失誤都可能會造成巨大的安全隱患。未來，工業應用可以利用本地的AR邊緣服務器提供實時的AR內容匹配運算和應用推送，實現本地場景和AR內容的實時融合，從而對工業領域的設備智能運維等應用場景帶來革命性的新體驗。

6 結語

本文重點研究了邊緣計算的關鍵技術，并給出了一種可應用于制造業的邊緣計算參考系統架構，基于該架構的工業邊緣計算應用范例可作用于工業現場中的多種場景，使工業數據可在生產車間本地實現即時處理，降低數據傳輸時延，節約網絡帶寬，特別是在生產自動化、工廠視頻監控等領域有著極為重要的應用價值。充分利用邊緣計算技術將對我國制造業的成功轉型起到積極的推進作用。

圖7 MEC在工業視頻監控中的應用

圖8 MEC在AR/VR工業可視化輔助中的應用