工業互聯網智能制造邊緣計算：現狀與挑戰

宋純賀 曾鵬 于海斌

摘要：介紹了邊緣計算的基本概念以及工業互聯網智能制造邊緣計算的發展現狀。通過分析工業互聯網、智能制造、邊緣計算之間的關系，以及工業互聯網智能制造邊緣計算行業典型案例，總結了工業互聯網智能制造邊緣計算的核心問題，并提出了其面對的挑戰。

關鍵詞：工業互聯網;智能制造;邊緣計算;確定性;可編程性

Abstract： In this paper， the basic concept of edge computing and the development status of edge computing in industrial internet intelligent manufacturing are introduced. By analyzing the relationship among industrial internet， intelligent manufacturing and edge computing， and typical cases of industrial internet intelligent manufacturing edge computing industry， the core problems and the challenges of industrial internet intelligent manufacturing edge computing are summarized and put forward.

Key words： industrial internet; intelligent manufacturing; edge computing; certainty; programmability

1 工業互聯網智能制造邊緣計算概述

1.1 邊緣計算及其發展

目前科技處于史無前例的高速發展時代，新的技術層出不窮。近年來，國際著名咨詢公司高德納（Gartner）每年都會發布本年度的新興技術周期曲線，和下一年度十大戰略技術趨勢 [1]，對新興技術的發展趨勢進行了準確的預測。邊緣計算以及邊緣智能，與人工智能、深度學習、區塊鏈技術這些炙手可熱的科技名稱并列，連續出現在Gartner公司的咨詢報告上。邊緣計算已經受到學術界、工業界以及政府部門極大關注，目前學術界發表了很多邊緣計算綜述，工業界成立了邊緣計算產業聯盟等多個邊緣計算聯盟組織，政府部門也發布了一系列邊緣計算重大研究計劃，人工智能標準化機構也將邊緣計算列為人工智能的重要組成部分[2]。文章中，我們主要關注的是中國工業互聯網智能制造邊緣計算的一些現狀與挑戰，更大范圍的邊緣計算的相關情況請見施巍松教授的研究綜述[3-5]。

邊緣計算的發展與云計算、大數據以及物聯網技術的發展息息相關，其核心是如何保障網絡邊緣側應用的實時性問題。不同領域應用實時性挑戰的來源不同，因此各個領域研究邊緣計算的側重點并不相同，例如人工智能標準化機構將可穿戴式計算列為邊緣計算的一個核心場景。

2016美國韋恩州立大學施巍松教授給出了邊緣計算的一般性的定義：“邊緣計算是指在網絡邊緣執行計算的一種新型計算模型，邊緣計算操作的對象包括來自于云服務的下行數據和來自于萬物互聯服務的上行數據，而邊緣計算的邊緣是指從數據源到云計算中心路徑之間的任意計算和網絡資源”[5]。

雖然近年來受到了廣泛的重視，但邊緣計算并非一個新的概念。如圖1所示，2003年IBM已經開始在WebSphere上提供基于Edge的服務，2004年新加坡信息通信研究所發表關于邊緣計算的學術論文。近年來，隨著5G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年歐洲電信標準化協會（ETSI）成立移動邊緣計算（MEC）標準化工作組，同年，AT&T、思科、通用電氣（后簡稱為通用）、IBM和英特爾成立工業互聯網聯盟（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（OpenFog）聯盟;2016年，電氣和電子工程師協會（IEEE）和國際計算機學會（ACM）共同發起了邊緣計算研討會，中國工業、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（ECC）。在學術科研方面，中國自動化學會于2017年率先成立了邊緣計算專業委員會，并在《IEEE COMMUNICATIONS Surveys

&Tutorials》等著名學術期刊上發表了很多邊緣計算綜述性文章[6-9]。在標準制定方面，國際電信聯盟電信標準分局（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。

2018年是邊緣計算蓬勃發展的一年：在微軟2018年度開發者大會上，微軟公司發布“Azure IoT Edge”等邊緣側產品，將業務重心從Windows操作系統轉移到智能邊緣計算方面;亞馬遜公司發布“AWS Greengrass”邊緣側軟件，將AWS云服務無縫擴展至邊緣設備;阿里云宣布2018年將戰略投入邊緣計算技術領域并推出邊緣計算產品Link Edge。

1.2 工業互聯網智能制造

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“智能制造系統”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，通用公司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。工業互聯網作為中國智能制造發展的重要支撐已經得到了國家的高度認可與充分重視，“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”等國家的重大戰略都明確地提出了要大力發展工業互聯網。

如圖2所示，工業互聯網智能化生產、網絡化協同、個性化定制和預測性維護等創新應用對計算提出新需求;而工業應用低開銷、實時性要求使云計算模式難以適用，而傳統的分布式計算方法缺乏高效的網絡邊緣側資源管理和任務調度方法，難以應對先進工業生產過程中海量數據的實時分析和系統的實時控制任務。因此，需要發展云與網絡邊緣側融合進行數據分析和計算的新模式。

1.3 工業互聯網智能制造邊緣計算

邊緣計算是集先進網絡技術、大數據、人工智能于一身，橫跨通信、計算機、自動控制等多領域的綜合性技術。不同領域內的邊緣計算技術的側重點有所不同，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，ECC給出了工業互聯網智能制造領域邊緣計算的定義：邊緣計算是在靠近物或數據源頭的網絡邊緣側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[10]。工業互聯網智能制造邊緣計算的體系架構具體如圖3所示。

針對工業流數據實時分析、邊緣側智能計算、分布式實時控制等工業互聯網智能制造典型應用場景，工業互聯網智能制造邊緣計算需要解決工業互聯網邊緣計算場景下計算資源的零散性和有限性、現場網絡的異構性對系統確定性、實時性和安全性帶來的問題，而工業互聯網智能制造邊緣計算參考架構的設計、工業互聯網智能制造邊緣計算的標準化、工業互聯網智能制造測試平臺和測試方法的構建，是解決上述問題的關鍵。

2 工業互聯網智能制造邊緣計算現狀

以ECC的成立為分界點，工業互聯網智能制造邊緣計算發展大體可以分為3個階段：邊緣互聯、邊緣智能，以及邊緣自治。2016年以前，中國邊緣計算的研究處于1.0階段，主要解決邊緣互聯問題，即海量異構終端實時互聯、網絡自動部署和運維等問題。目前，邊緣計算處于2.0階段，即邊緣智能階段，主要解決網絡邊緣側智能數據分析、智能網絡控制、智能業務處理等問題，從而大幅度提升效率并降低成本。未來，邊緣計算將步入3.0階段，即邊緣自治階段，邊緣側自主業務邏輯分析、動態實時、自我優化將在這一階段得到實現。

2.1 工業互聯網邊緣計算產業學術組織

（1）IIC。

2014年4月，AT&T、思科、通用、IBM和英特爾宣布成立IIC。2017年1月，工業互聯網聯盟發布工業互聯網參考架構IIRA v1.8。目前，工業互聯網聯盟擁有211個成員單位，涵蓋能源、醫療、制造、采礦、零售、智慧城市、運輸等多個領域，并批準了26個工業互聯網測試床項目。

（2）OpenFog聯盟。

2015年11月，ARM、思科、戴爾、英特爾、微軟和普林斯頓大學建立OpenFog聯盟，目前有60個成員單位。2017年2月，該聯盟發布OpenFog參考架構，這是一個旨在支持物聯網、5G和人工智能應用的數據密集型需求的通用技術框架。2018年12月18日，OpenFog聯盟宣布并入IIC。

（3）工業互聯網產業聯盟。

2016年2月，由工業、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。目前，工業互聯網產業聯盟擁有942個成員單位，發布了“工業互聯網平臺標準體系框架”等10項白皮書、“工業互聯網標準體系框架”等9項技術標準，以及“基于安全可靠云平臺的智能工廠驗證示范平臺”等34個測試床項目。

（4）ECC。

2016年11，由中國科學院沈陽自動化研究所等聯合倡議發起了ECC。目前ECC共擁有成員單位200余家，業務范圍包括工業制造、智慧城市、交通、電力能源等一些領域。2018年，ECC發布了“邊緣計算與云計算協同白皮書”和“邊緣計算參考架構3.0”，同時發布了“面向個性化定制的自適應模塊化制造驗證平臺”等29個邊緣計算的測試床項目。

（5）中國自動化學會邊緣計算專業委員會。

在專業學術團體方面，中國自動化學會率先成立了邊緣計算專業委員會。首屆中國自動化學會邊緣計算專業委員會會議于2017年10月舉行，中國科學院沈陽自動化研究所為承辦單位。目前，中國自動化學會邊緣計算專業委員會委員以項目/課題負責人方式承擔了與邊緣計算相關的國家重點研發計劃、工信部智能制造、工信部工業互聯網創新發展工程等一系列重大項目，一定程度上引領了中國邊緣計算的發展。

2.2 工業互聯網邊緣計算計算平臺

（1）通用 Predix。

2012年通用提出工業互聯網的概念，隨后推出Predix。通用Predix分為邊緣端、平臺端和應用端。在邊緣端，Predix提供網關框架Predix Machine以實現數據的采集和連接，支持工業協議解析、數據采集、多平臺協同、本地存儲和轉發、多種安全策略，以及本地設備通信等。平臺端Predix Cloud集成了工業大數據處理和分析、Digital Twin快速建模、工業應用快速開發等各方面的能力，以及一系列可以快速實現集成的貨架式微服務。在應用端，通用Predix采用數據驅動和機理結合的方式，提供設備健康和故障預測、生產效率優化、能耗管理、排程優化等解決方案。2018年10月Predix被通用出售。

（2）西門子Mindsphere。

2016年4月，西門子推出的基于云的開放式物聯網操作系統MindSphere。MindSphere向下提供數據采集接入方案MindConnect，可以直接到達車間級工廠設備，支持開放式通信標準OPC UA，實現西門子和第三方設備的數據連接;MindSphere向上為應用軟件的開發層提供一個開放的架構，用戶可以針對不同場景來開發相應的軟件。2018年7月，西門子與阿里云簽署備忘錄，共同推進中國工業物聯網發展。

（3）其他的一些重要的物聯網（IoT）平臺。

目前各大主流IT企業都推出了自己的IoT平臺，包括Google Cloud IoT、MS Azure IoT、AWS IoT、IBM Watson IoT等。例如，Google Cloud IoT是一個邊緣/云服務平臺，該平臺分為3層：邊緣設備、云數據分析、數據應用。Google Cloud IoT在邊緣設備層中集成了一個實時機器學習工具;云數據分析組件包括4個關鍵功能：Cloud Bigtable、BigQuery、CloudDataflow和Cloud Machine Learning;數據應用層主要用Cloud Datalab和Cloud Studio解決方案來實現數據的存儲和使用。

2.3 工業互聯網邊緣計算標準化

受5G技術發展的推動，ETSI、第3代合作伙伴計劃（3GPP）、CCSA、中國聯通等通信組織和企業進行了一系列通信領域邊緣計算標準化工作;但這些標準化工作主要為了滿足5G三大應用場景的需求，即增強移動寬帶（eMBB）、高可靠低時延（uRLLC），以及海量機器類通信（mMTC）。

在工業互聯網智能制造領域，2017年國際標準化組織（ISO）/國際電工委員會聯合技術委員會（IEC JTC1）/標準委員會（SC）41物聯網及其相關技術、分技術委員會成立了邊緣技術研究組，并在SC41范圍就邊緣計算的定義達成共識，規定邊緣計算-物聯網（EC-IoT）的參考架構;2018年，SC41生成現有EC-IoT標準的需求分析報告，推薦使用EC-IoT技術，為如何實現開放跨行業提供指導，發布了EC-IoT項目技術報告;2019年，SC41將參與邊緣計算標準的制定。

2017年，三菱、SAP等聯合發布了《垂直邊緣智能白皮書》。2018年，工業互聯網產業聯盟發布了“工業互聯網標準體系框架”“工業互聯網安全總體要求”等9項技術相關標準。2018年，CCSA工業互聯網特設組（ST8）召開會議，通過“邊緣計算總體架構與要求”“邊緣計算邊緣節點模型與要求”等9項新立項建議。

2.4 工業互聯網邊緣計算項目設立

工業互聯網智能制造邊緣計算也受到了國家各部委的高度重視。工信部在2017年和2018年連續設立了一系列智能制造綜合標準化與新模式應用項目。2017年，中國科學院沈陽自動化研究所承擔的工信部智能制造綜合標準化與新模式應用項目“工業互聯網應用協議及數據互認標準研究與試驗驗證”，從工業互聯網邊緣計算模型、工業互聯網數據統一語義模型、工業互聯網互聯互通信息安全要求等7個方面對工業互聯網智能制造邊緣計算標準的制定進行了探索。2018年，工信部工業互聯網創新發展工程系列項目中，針對工業互聯網邊緣計算，專門設立了“工業互聯網邊緣計算測試床”“工業互聯網邊緣計算基礎標準和試驗驗證”等8個項目。在2018年度科技部國家重點研發計劃“網絡協同制造和智能工廠”重點專項中，專門針對邊緣計算設置了“工業互聯網邊緣計算節點設計方法與技術”“典型行業裝備運行服務平臺及智能終端研制”“基于開放架構的云制造關鍵技術與平臺研發”等多個項目。

3 工業互聯網智能制造邊緣計算行業典型案例

3.1 中科院沈陽自動化研究所智能制造邊緣計算示范線

傳統制造系統一般是針對一種或幾種產品而設計的批量化、剛性生產系統，一旦生產需求發生變化，生產線調整周期長，設備維護成本高，難以滿足目前智能制造個性化定制的需求。

為了解決上述問題，中科院沈陽自動化研究所搭建了智能制造邊緣計算示范系統。如圖4所示，該平臺由工業云平臺、邊緣計算數據平臺、邊緣計算網絡、邊緣計算網關、現場設備等部分構成。通過引入邊緣計算，能夠為個性化定制生產帶來3方面提升：首先，設備可以靈活替換。通過web互操作接口進行工序重組，實現新設備的即插即用，實現損壞設備的快速替換，減少50%的人力投入。其次，實現了生產計劃靈活調整。通過生產節拍、物料供給方式的自動變化來適應每天多次的計劃調整，消除多個型號的混線切單，物料路徑切換導致的輸入/輸出（I/O）配置時間損耗。再次，實現了新工藝/新型號的快速部署。通過Web化的工藝模型的自適應調整，消除新工藝部署帶來的可編程邏輯控制器（PLC）（涉及數百個邏輯塊、多達十幾層層嵌套判斷邏輯）重編程、斷電啟停、數百個過程控制量修改重置的時間，這使得新工藝的部署時間大概縮短了80%以上。

3.2 工業互聯網創新發展工程

邊緣計算是一個綜合性的技術體系，單一技術通常難以反映系統整體性能，因此邊緣計算測試床的開發一直是各大邊緣計算產業/技術聯盟十分重視的內容。2018年，在工信部工業互聯網創新發展工程自助下，中科院沈陽自動化研究所承擔了中國首批大型邊緣計算測試床項目——“工業互聯網邊緣計算測試床項目”，項目整體架構如圖5所示。

該邊緣計算測試床項目架構包括3個主要部分：

（1）邊緣計算云服務平臺，即利用云服務平臺實現實驗室搭建的生產模擬系統以及汽車裝備制造、工程機械、鑄造裝備加工和光伏裝置制造等企業的實際生產系統之間的互聯與信息共享。

（2）邊緣計算基礎測試平臺，即為驗證邊緣計算領域模型，支撐邊緣計算關鍵技術的研發與測試，實現加工、裝配、物流工藝過程模擬。

（3）邊緣計算垂直行業測試平臺，即用于驗證邊緣計算垂直行業領域模型，支撐邊緣計算工業應用APP研發與測試，構建基于企業實際生產系統的行業測試平臺，包括：汽車裝備制造、工程機械、鑄造裝備加工和光伏裝置制造等企業的4套實際生產系統。

該項目解決工業互聯網邊緣計算中的問題：邊緣計算關鍵技術研發的試驗測試問題、基于邊緣計算開發新型工業APP的實驗驗證問題，以及基于邊緣計算的行業解決方案的多廠商產品互操作問題。

4 工業互聯網智能制造邊緣計算面對的挑戰

4.1 資源動態條件下高并發分布式混雜系統中確定性保障問題

工業互聯網智能制造邊緣計算的關鍵需求是邊緣應用的實時性和確定性;但是邊緣計算環境存在計算資源分布式、零散化，以及網絡動態性和存在測量噪聲等特征，并且一般為兼有離散事件和連續變量等運行機制的混雜系統。同時，邊緣計算任務常存在高并發的特點。這些特征導致邊緣計算任務時序復雜難以同步，計算結果確定性難以保證。如何針對計算資源的零散性、異構性和動態性、系統的混雜性特點，構建支持分布式混雜系統和高并發任務的邊緣計算模型，是工業互聯網智能制造邊緣計算的挑戰。

4.2 面向工業互聯網中分布式邊緣設備的異構行為統一建模與編程問題

工業互聯網中邊緣計算環境中的計算、網絡和存儲等資源的異構性、動態性、分布式和零散化等特性，使得邊緣設備資源的動態調整對軟件的動態性和可伸縮性要求提升，多種異構資源共存的復雜系統對軟件的可組合性與模塊化程度需求提高，傳統集中式應用程序的開發模式難以滿足邊緣計算場景的需求。如何解決面向工業互聯網中分布式邊緣設備的異構行為統一建模與編程問題，實現統一的編程與開發環境，提升編程系統在部署、調試和運行各類應用時的資源利用率，降低部署和維度的難度和時間，是工業互聯網智能制造邊緣計算面對的一個挑戰。

5 結束語

隨著物聯網技術的發展，網絡邊緣側數據呈現爆炸式的增長，云計算模式的缺陷日益突出，而邊緣計算為解決工業互聯網智能制造過程中數據分析和實時控制提供了有效手段。可以預見：在未來幾年內，邊緣計算將廣泛應用于工業生產過程之中。把握邊緣計算技術發展方向，促進邊緣計算技術落地，必將有力地促進工業互聯網智能制造的發展。

參考文獻

[1] Gartner. Gartner Top 10 Strategic Technology Trends for 2019 [EB/OL]. [2019-01-02]. https：//www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2019

[2] 中國電子技術標準化研究院. 人工智能標準化白皮書（2018版）[EB/OL]. [2019-01-02]. http：//www.cesi.ac.cn/images/editor/20180124/20180124135528742.pdf

[3] 施巍松， 張星洲， 王一帆， 等. 邊緣計算： 現狀與展望[J]. 計算機研究與發展， 2019， 56（1）： 69

[4] 施巍松， 孫輝， 曹杰， 等. 邊緣計算：萬物互聯時代新型計算模型[J].計算機研究與發展， 2017， 54（5）： 907-924. DOI：10.7544/issn1000-1239.2017.20160941

[5] SHI W， CAO J， ZHANG Q. Edge Computing： Vision and Challenges [J]. IEEE Internet of Things Journal， 2016（5）： 637-646. DOI： 10.1109/JIOT.2016.2579198

[6] MAO Q， HU F， HAO Q. Deep Learning for Intelligent Wireless Networks： A Comprehensive Survey [J]. IEEE Communications Surveys & Tutorials， 2018， 20（4）：2595-2621. DOI： 10.1109/COMST.2018.2846401

[7] MOHAMMADI M， Al-FUQAHA A， SOROUR， et al. Deep Learning for IoT Big Data and Streaming Analytics： A Survey [J]. IEEE Communications Surveys & Tutorials， 2018， 20（4）：2923-2960. DOI： 10.1109/COMST.2018.2844341

[8] 汪海霞， 趙志峰， 張宏綱. 移動邊緣計算中數據緩存和計算遷移的智能優化技術[J]. 中興通訊技術， 2018， 24（2）：19-22. DOI： 10.3969/j.issn.1009-6868.2018.02.004

[9] 王秋寧， 謝人超， 黃韜. 移動邊緣計算的移動性管理研究[J]. 中興通訊技術， 2018， 24（1）：37-41. DOI：10.3969/j.issn.1009-6868.2018.01.008

[10] 邊緣計算產業聯盟. 邊緣計算參考架構3.0 [EB/OL]. [2019-01-02]. http：//www.ecconsortium.org/Uploads/file/20181129/1543443431522383.pdf

作者簡介

宋純賀，中國科學院沈陽自動化研究所研究員，中國科學院百人計劃入選者，中國自動化學會邊緣計算專業委員會秘書長;研究方向為工業互聯網邊緣計算;發表論文50余篇。

曾鵬，中國科學院沈陽自動化研究所所長助理、研究員，中國科學院網絡化控制系統重點實驗室主任，中國自動化學會邊緣計算專業委員會主任，國家“萬人計劃”創新領軍人才;研究方向為工業互聯網;獲得國家標準創新貢獻一等獎等省部級科技獎勵6項;發表論文百余篇。

于海斌，中國科學院沈陽自動化研究所所長、研究員，國家杰出青年基金獲得者，國家“萬人計劃”創新領軍人才，ISA Fellow，中國自動化學會副理事長，邊緣計算產業聯盟理事長;研究方向為工業互聯網;獲國家科技進步二等獎4項、技術發明二等獎1項;發表論文百余篇。