機加工行業工業云邊緣設備功能及應用

魏 堅，余 濤，趙子杰，陸劍峰，王舜禹

(1.同濟大學電子與信息工程學院CIMS研究中心，上海 201800；2.智能云科信息科技有限公司，上海 200082；3.南通理工學院，江蘇 南通 226001)

0 引言

工業互聯網是滿足工業智能化發展的關鍵網絡，也是新一代信息技術和工業深度融合形成的新型應用模式[1]。工業互聯網聯盟(alliance of industrial internet，AII)認為，工業互聯網的本質是以機器、原材料、控制系統、信息系統、產品和人之間的網絡互聯為基礎，通過對工業數據的全面深度感知、實時傳輸轉換、快速計算處理和高級建模分析，實現智能控制、運營優化和生產組織變革[2]。

數據是工業互聯網的核心。這里的數據既包括現場設備、產品、運行環境的數據，也包括工廠外智能產品的數據。基于這些數據的分析，機器可以高效地生產，管理模式可以得到充分的優化。這使得工業朝著智能化方向發展。而工業數據采集又是數據的基礎。國務院發布的《關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》強調要“強化復雜生產過程中設備聯網與數據采集能力，實現企業各層級數據資源的端到端集成”，推動各類數據集成應用，形成基于數據采集、集成、分析的“工藝優化、流程優化、設備維護與事故風險預警能力”[3]。

在機加工行業中，設備的數據采集是一項重要的工作。這里的數據采集包括兩方面內容。一是通過現場總線、工業以太網、工業光纖網絡等工業通信網絡實現工廠內設備的數據采集，二是通過工業互聯網實現對工廠外其他類型設備的遠程接入和數據采集。由于設備系統本身具有較強的封閉性和復雜性，不同設備的數據格式、接口協議都不相同，因此現階段需要根據不同的設備類型設置不同的采集流程，包括設置網絡接口、網絡協議、網絡拓補和網絡管理。當工業云平臺采集到這些數據后，還需要使用不同的轉換協議將這些數據轉換成統一格式。這種處理方式不僅需要大量的時間，而且成本高昂。隨著接入設備的增加，采集數據的爆發式增長，這些弊端會越來越明顯。這些都對機床的數據采集提出了更高的要求。本文提出了一種解決方案，即通過邊緣設備實現不同設備、不同協議的接入。

1 現狀分析

1.1 邊緣設備的定義

隨著5G通信技術、物聯網等技術的快速發展，萬物互聯的智能時代正在快速到來。數據統計表明，預測到2020年，連接到網絡的無線設備數量將達到500 億臺，生成的數據量達 507.9 ZB[4]。當前的云計算模型的核心思想是將各種超大容量的資源統一集中管理，根據用戶的請求動態分配各種資源。這種集中式管理無法滿足日益增長的實時數據交互與處理的需求[5]。在這種情況下，越來越多的學者提出將計算和存儲資源放在互聯網的邊緣，即通過邊緣設備減輕云的壓力。

邊緣設備狹義定義是指向企業或服務提供商核心網絡提供入口點的設備，比如路由器、路由交換機、集成接入設備、多路復用器，以及各種局域網和廣域網接入設備。2015年，邊緣計算進入快速發展期后，以邊緣計算為主題的協會與聯盟相繼成立，各類定義、標準與規范逐漸形成，對于邊緣設備的定義也進行了擴展[6]。邊緣設備廣義上的定義是指從數據源到云計算中心之間的任意資源，其操作對象包括來自云服務的下行數據和萬物互聯服務的上行數據[7]。

邊緣設備支持將一種類型的網絡協議轉換為另一種類型的網絡協議，可以根據實際需要進行數據存儲、緩存、分析、傳輸等相關的計算操作，從而實現邊緣和云的資源統一協調管理[8]。

1.2 機加工行業工業云邊緣設備的發展

2003年開始出現邊緣服務的概念。當時IBM在WebSphere上提供關于Edge的服務。2014年，歐洲電信標準化協會(european telecommunications standards institute，ETSI)成立移動邊緣計算(mobile edge computing ，MEC)標準化工作組，同年AT&T、思科、通用電氣、IBM 和英特爾成立AII，自此開始對邊緣設備進行了系統的研究。2016年，華為技術有限公司、中國科學院沈陽自動化研究所、中國信息通信研究院、英特爾公司、ARM和軟通動力信息技術(集團)有限公司聯合倡議發起邊緣計算產業聯盟(edge computing consortium，ECC)，我國正式開始對工業邊緣設備進行研究。

針對傳統的批量化和剛性的生產系統在生產需求發生變化時，生產線調整時間長以及維護成本高的問題，2017年,沈陽自動化研究所搭建了智能制造邊緣計算示范系統。該系統中的邊緣設備可以分成3類，分別是邊緣計算數據平臺、邊緣計算網絡和邊緣計算網關。通過該示范系統中的邊緣設備可以靈活替換設備，調整生產計劃以及快速部署新工藝。2018年，沈陽自動化研究針對機床行業的邊緣設備進行了研究，提出了一整套架構，并通過汽車裝配領域、工程機械領域、鑄造裝備領域和光伏裝備領域的四套實際生產系統對該框架進行了測試[9]。

機加工行業邊緣設備應用示意圖如圖1所示。它由四部分組成，分別是終端層、網絡層、邊緣層和工業云平臺。終端層由各物聯網設備組成，例如數控機床(computerized numerical control，CNC)、工業機器人、自動導引小車(automated guided vehicle，AGV)、可編程邏輯控制器(programmable logic controller，PLC)、射頻識別(radio frequency identification，RFID)等。這里只考慮終端設備的數據采集能力，不考慮其計算能力。網絡層是終端層和邊緣層的網絡傳輸通道，主要包括現場總線、工業以太網、無線局域網和無線傳感器網絡等連接方式，比如CNC、PLC設備通過現場總線或者工業以太網和邊緣設備連接，RFID設備通過無線局域網和邊緣設備連接。工業云平臺是面向工業生產環節的數據分析與開發的平臺，數據處理流程包括三個部分，分別是數據存儲、數據分析和數據可視化決策管理[10]。邊緣設備一般通過4G、5G和云平臺連接[11]。

邊緣層由各種邊緣控制器組成，為終端提供就近服務(例如快速響應終端設備的請求，處理終端設備的實時數據)。邊緣控制器一般由三類邊緣設備組成，分別是網絡設備、存儲設備和計算設備[12]。其中：網絡設備主要負責和工業云平臺、終端設備之間的通信；計算設備主要負責對終端數據進行實時分析；存儲設備主要負責對終端數據進行存儲。邊緣設備可以有效緩解云計算中心的壓力，降低寬帶的消耗，提高數據處理效率[13]。但是邊緣設備在發展過程中也遇到了一些瓶頸。一是邊緣設備一般只具有網絡、存儲和計算功能中的一種，很少有設備將這三種功能集中到一起。二是工業云平臺依舊是最大的數據處理中心，邊緣設備處理的事務是有限的，仍有一些復雜事務需要云平臺來完成。機加工行業邊緣設備應用示意圖如圖1所示。

圖1 機加工行業邊緣設備應用示意圖

2 基于邊緣設備的應用部署架構

由于邊緣設備的存儲和計算能力有限，邊緣設備只能處理一些簡單的事務，而復雜的事務則需要云平臺來處理[14]。以機床健康度計算分析為例，工業云平臺根據機床運行的歷史數據訓練計算模型，接著利用訓練好的計算模型對數控機床的實時數據進行分析，最后將模型分析的結果反饋給數控機床。根據機加工行業的特點，本文提出了機加工行業邊緣設備的部署架構。該框架中的邊緣設備具有網絡、計算和存儲三種功能，有效減少了邊緣設備的數量；與此同時，將云平臺中的模型參數傳輸給邊緣設備，使得邊緣設備能夠處理更多的事務。

本文把邊緣設備分成了三部分，分別是網絡模塊、局部存儲模塊和計算模塊。網絡模塊有兩個功能。一是現場接入。現階段終端設備的種類很多，這些設備有著不同的網絡接口和網絡協議，通過現場接入可以實現終端設備和邊緣設備的網絡通信。二是云平臺接入。通過它可以實現邊緣設備和工業云平臺之間的網絡通信。局部存儲模塊則是將清洗完后的運行參數進行存儲。這些運行參數數據會保存一段時間，超過一段時間數據會自動刪除，這是由于邊緣設備內存的限制。

計算模塊主要是對終端設備運行參數進行實時分析，并將分析結果及時反饋給終端設備。在參數分析之前，需要經過數據清洗轉換(DataC&T)。DataC&T主要負責對運行參數進行簡單的清洗(包括清除重復數據和填充空缺值)，以及對清洗之后的數據進行封裝。對于簡單的事務，邊緣設備的計算模塊運行快速響應模型可以直接處理，比如根據實時位置誤差判斷機床運行精度。對于復雜的事務，邊緣設備需要借助云平臺來處理，比如計算機床的健康度。云平臺先從數據庫中獲取歷史數據，然后進行數據預處理(包括數據標準化和數據濾波)，接著使用預處理后的數據訓練模型，最后云平臺將訓練好的模型參數傳遞給邊緣設備。云平臺會定期更新平臺上的模型，以保證模型的準確性。邊緣設備計算模塊中的復雜訓練模型是云端模型的“映射”，通過使用云端訓練好的參數可以直接處理來自終端設備的復雜事務。邊緣設備在得出計算結果時，會將計算結果傳輸給網絡模塊：一方面，通過云平臺接入將結算結果傳輸給云平臺；另一方面，通過現場接入將模型計算結果傳輸給終端設備。

與之前設備直接和云平臺連接傳輸數據相比，通過局域網或者現場總線連接的終端設備和邊緣設備可以有效減少傳輸過程中的數據丟失問題，提高數據傳輸的效率。同時，邊緣設備將這些數據以統一格式傳輸給云平臺，可以降低云端的計算負載[15]。在設備終端側提供服務，保證了較低的網絡延遲和抖動[16]。這種方式不僅可以處理復雜的事務，還提高了對終端設備的響應能力。

機加工行業邊緣設備的部署框架如圖2所示。

圖2 機加工行業邊緣設備的部署框架

3 應用案例

隨著科技水平的快速發展，數控機床的復雜程度、精密程度都有所提高。一旦數控機床發生故障，會帶來嚴重的經濟損失。因此，需要通過分析機床的健康狀態，對機床進行科學、有效的管理[17]。而現階段機床的廠商很多，比如發那科、西門子、三菱等。這些機床有著不同的網絡接口和網絡協議。如果每個廠家的機床都和云平臺設計一套通信流程，會大大增加開發的難度。而通過邊緣設備轉接，一方面降低了開發的難度，另一方面提高了數據傳輸的效率。

圖3是利用邊緣設備實現機床健康度分析的框架，整個框架由三部分組成。工業云平臺主要負責發起測試請求，以及根據訓練數據訓練健康度計算模型,并將訓練好的模型參數傳遞給邊緣設備。邊緣設備的傳輸模塊主要是用來傳輸測試請求、體檢過程中的數據、云平臺上模型的參數以及模型計算的結果；存儲模塊主要用于緩存體檢過程中的數據；計算模塊主要使用云平臺訓練好的模型參數對數控機床的健康度進行計算。計算模塊中的模型和云端健康度計算模型是相同的。唯一的區別是計算模塊中的模型不需要進行模型的訓練，它直接使用云端訓練好的模型參數。當采集到機床的實時數據之后，計算模塊中的模型可以利用訓練好的參數直接計算機床的健康狀態。數控機床主要負責三方面的內容：一是接收體檢請求并運行相關的體檢程序；二是在體檢過程中采集數控機床的相關參數；三是接收邊緣設備健康度計算的結果，并根據計算結果進行維護調整。工業云平臺和邊緣設備之間通過標準協議連接，比如OPC UA/Restful協議；而機床和邊緣設備之間通過機床私有協議連接。

圖3 利用邊緣設備實現機床健康度分析的框架

云-端結合的數控機床體檢和故障分析流程如圖4所示。首先，工業云平臺通過標準協議將測試請求發送給邊緣設備。接著，邊緣設備會將測試請求通過機床私有協議發給數控機床。當數控機床接收到測試請求后，會自動運行體檢程序并采集體檢過程中的運行參數。邊緣設備會將體檢過程中的數據傳輸給云平臺，以便云平臺及時對模型進行更新；與此同時，邊緣設備會自動存儲這些數據。云平臺會根據歷史數據訓練健康度計算模型，并將訓練好的模型參數傳遞給邊緣設備。接著，邊緣設備使用訓練好的模型參數以及體檢過程中的數據計算數控機床的健康度。最后，數控機床會接收健康度計算的結果并進行維修調整。

圖4 云-端結合的機床體檢和健康度分析流程圖

4 結束語

隨著車間設備的增加，云平臺采集設備數據的難度也隨之不斷增加。在這個研究背景下，本文提出的邊緣設備可以有效解決不同終端設備和云平臺之間的數據通信問題。為了充分利用邊緣設備中的網絡、計算和存儲功能，設計了機加工行業邊緣設備的部署框架。云端結合的分析案例驗證了邊緣設備的功能和部署框架。事實證明,將云端的模型“映射”到本地，不僅擴展了該邊緣設備的事務處理能力，還提高了對終端設備的響應能力。