基于云邊協同的流程制造工藝參數優化模型

劉鑫，劉孝保，張雨東，張嘉祥，梁珉清

（650550 云南省 昆明市 昆明理工大學 機電工程學院）

0 引言

思科在2012 年12 月提出了“萬物互聯”的概念，隨著物聯網技術的不斷發展以及產業的不斷升級，對技術的深入提出了更高的要求。據統計，2021 年使用的聯網物件總數將達到250 億個，海量物件將導致數據呈現井噴式的增長，海量數據如果都實時上傳到云計算中心，對數據處理帶寬和時延都提出了更高要求[1]，特別是多種通訊協議的設備相互溝通、設備快速響應控制等需求。邊緣計算是指在網絡邊緣側執行計算的一種新型計算模式，在靠近數據源頭或者物聯網設備的網絡邊緣一側，融合計算、存儲、網絡以及應用核心能力的分布式開放架構，可以就近提供在一側的智能服務[2-3]，可以有效緩解云平臺對數據的處理負荷，同時提高數據處理的時效性，滿足數據傳輸的時延以及異構設備的快速響應控制問題[4]。

目前，針對智能產線中工藝參數的優化問題，相關學者已經開展了研究與實踐工作。文獻[5-7]采用正交實驗法，分析多個因素中哪些因素對結果的影響最大，哪些因素對結果的影響較小，從大量的試驗數據中挑選有代表性的因素進行測試，從而確定最佳工藝參數組合；文獻[8-9]采用關聯分析法將多目標優化問題轉化為單目標優化。

上述研究中關聯分析算法主觀性過強，部分參數最優值難以確定，并且均未考慮參數優化的實時性問題。針對產線工藝參數優化過程中多種通訊協議的物聯網設備溝通以及快速響應等問題，本文提出一種基于云邊協同的流程制造工藝參數優化模型，通過引入云邊協同服務，提高設備的快速響應控制，為解決制造過程中工藝參數的優化提供一種新的方法和技術手段。

1 流程制造參數優化問題分析

工業制造過程中往往包含諸多重要的生產過程指標。生產過程指標一般分為2 類[10]，一類是指生產過程中的工藝參數，如溫度、濕度等；另一類是生產過程中的質量指標，如烘干流程的產品最終含水率等。如圖1 所示，X1，X2，…，XN表示流程制造過程中的N 道工序，每道工序包含若干項工藝參數J11，J12等；S11為流程制造過程中工序X1的第1 道質量指標。

圖1 流程制造工藝過程示意圖Fig.1 Process Manufacturing Process Diagram

生產過程指標普遍由廣泛分布在工業現場或數據產生端的各種物理設備接入，包括工業機器人、網絡連接傳感器、各種工業現場設備等。由于流程制造工藝過程參數數量眾多，工藝流程長、加上在實際加工現場環境中，隨著不同班組，不同原料的交替，加工質量呈現較大波動。同時，為了得到更優的質量指標，上游工序必須為下游工序提供穩定的加工原料，從而使下游工序的產品質量更為穩定，因此這些因素使得流程制造過程中工藝參數的優化存在的問題可總結如下：

（1）數據處理的實時性難以保證。在流程制造過程中，存在大量傳感器節點，所有傳感器節點一起完成生產過程中數據的接入，云計算利用其強大的存儲、計算以及部署能力，收集、存儲和分析這些數據，為生產提供各類應用服務。然而隨著制造過程中越來越多的數據需要低延時、低能耗地處理，如果繼續采用傳統云計算來處理這些數據，那么在數據長距離傳輸的過程中，高延遲以及網絡帶寬的堵塞會導致數據處理的實時性大大降低，對計算任務的實時處理成為流程制造工藝過程中工藝參數優化面臨的一大挑戰。

（2）工藝設備“溝通”困難。由于流程制造過程中工序眾多且工序間存在巨大差異，不同工序的現場設備協議不同，導致不同設備間的數據流未打通，工業現場存在著大量“信息孤島”，企業內部對數據的共享性與互通性得不到保證，因此對流程制造現場產生的數據流無法實現高效的管控。

隨著工業物聯網技術發展與應用不斷深入，以云計算為核心的運算模式需要承載的數據量越來越大[11]，整個生產過程中的多優化任務交互執行，任務間存在復雜的關聯協作關系，且隨著數據資源的動態增長，需要考慮優化任務的實時性。因此，基于云邊協同的流程制造工藝參數優化模型，主要針對流程制造過程中對工藝參數達到優化的同時提高在工藝控制環節的實時性以及數據的安全性，促進流程制造行業的生產效率以及全局協同能力。

2 基于云邊協同的產線體系架構

基于云邊協同的資源接入對象是廣泛分布在工業現場或數據產生端的各種物理設備，包括工業機器人、網絡連接傳感器、各種工業現場設備等。基于邊緣計算的流程制造業資源對象接入的全過程就是海量的工業現場數據。通過在邊緣側完成一定能力的數據分析，同時與云平臺協同服務，實現更深層次的數據分析后，通過邊緣層將分析結果反饋到設備端，起到實時處理數據、提高效率、降低帶寬等作用。

基于云邊協同的產線體系架構主要包括云計算層、邊緣層以及現場層，通過云邊端的協同工作，實現工業應用場景的需求，如圖2 所示。

圖2 基于云邊協同的產線體系架構Fig.2 Production line architecture based on cloud edge collaboration

現場層是廣泛分布在工業現場的物聯設備，設備通過多種類型的現場網絡和工業總線與邊緣層中的邊緣智能網關設備進行連接，實現邊緣層與現場層之間數據的連通。

邊緣層是整個架構的核心部分[12]，由邊緣節點、邊緣網關、邊緣傳感器、邊緣服務器、邊緣控制器組成，邊緣節點是硬件實體，是承載邊緣計算業務的核心[3]。邊緣網關可充當現場設備彼此連接及連接到云端的橋梁，允許來自工業現場的數據流入和到現場層的流出控制命令。邊緣傳感器以低功耗信息采集和處理為重點。邊緣控制器以控制業務為重點，邊緣層接收、處理和轉發來自現場設備的數據流，通過部署在邊緣層的算法模型、規則引擎、消息路由等服務對接收到的數據進行實時計算分析。

云計算層提供智能化生產等應用程序支持，可以與邊緣層進行通信，接收來自邊緣層上傳的信息，并提供豐富的計算資源，再通過對邊緣層的命令下發，實現對現場層的資源管控。從全局范圍內實現對資源調度的管控和對生產全過程的優化。

該系統架構支持邊緣節點靈活部署更新，提供從數據采集到云端應用一體化服務，同時邊緣節點網關具有計算分析能力，可以將數據在本地處理后再上傳到云平臺，降低網絡帶寬、傳輸時延要求與云計算層資源成本，以適應更多工業應用場景。

3 基于云邊協同的流程制造工藝參數優化模型構建

3.1 優化模型

基于本文提出的云邊協同框架，邊緣計算與云計算協同可以更好地服務于面向智能產線的工藝參數優化場景。基于云邊協同的流程制造工藝參數優化模型如圖3 所示。

圖3 基于云邊協同的參數優化模型Fig.3 Parameter optimization model based on cloud edge collaboration

工業產線的各工序物聯網設備通過多種類型的通信協議將采集的工藝參數與質量指標上傳給邊緣層的邊緣智能網關，邊緣網關將當前工序的質量指標上傳到云平臺，云平臺負責分析當前質量指標是否符合標準，若當前工序質量指標不符合標準則將標準的質量指標返回給邊緣層，邊緣層接收到云端返回的標準質量指標后，通過部署在邊緣智能網關的優化模型計算各工序的工藝參數和質量指標之間的關系，根據質量指標調節工藝參數。

3.2 邊緣計算平臺

邊緣計算整合靠近現場設備的計算資源為用戶提供服務，通過邊緣計算平臺實現快速部署應用。許多產業機構和學術組織都成立了邊緣計算相關的項目研究，目前邊緣計算平臺數目眾多，本文提出的基于云邊協同的流程制造工藝參數優化模型，列舉了一些邊緣計算開源平臺。

Akraino Edge Stack 是一個開源軟件堆棧，主要提供針對邊緣計算的服務和應用程序優化，它旨在快速擴展邊緣云服務，提供高可靠性以及高靈活性的云服務支持，最大限度地提高應用程序運行的可靠性以及負載能力[13-14]。

CORD 是AT&T 聯合ON.Lab、ONOS、PMCSierra 和Sckipio 共同開發[15]。該項目希望通過部署交換機等硬件以及OpenStack 等開放軟件對廠商進行解耦，通過編排層與業務協同實現應用的快速部署并提供靈活的云服務。

EdgeX Foundry[16-17]是Linux 基金會啟動的一個邊緣計算開源項目，是一系列開源的微服務的集合，每一個微服務采用Restful API 進行溝通。EdgeX Foundry 通過靈活的微服務部署，保證了整體框架的靈活性以及可維護性。

因為EdgeX Foundry 的靈活性和開放性，本文選取EdgeX Foundry 開源平臺作為邊緣層的邊緣網關軟件平臺。EdgeX Foundry 由4 個服務層和2 個底層增強系統服務組成，服務層從物理領域的邊緣（設備服務層）到信息領域的邊緣（應用服務層），以核心和支持服務層為中心，平臺架構如圖4 所示。

圖4 EdgeX Foundry 平臺架構圖Fig.4 Edgex Foundry platform architecture diagram

設備服務層承擔連接設備與邊緣網關的橋梁角色，通過設備協議與設備進行通訊。設備服務層將通過不同協議傳輸的數據格式轉換為統一的格式，并將接收到的數據發送到核心數據，接收來自于命令微服務的命令，對于非官方提供的協議，可通過SDK 自定義其協議。

核心服務層是Edgex Foundry 的“核心”，包含核心數據、命令、元數據以及注冊配置微服務，核心數據用于收集從南側對象收集的數據。命令微服務用于請求從北向南對設備的控制；元數據收集設備自身的屬性信息；注冊配置提供關于架構內相關微服務的屬性信息。

支持服務層包含規則引擎、日志記錄等微服務，包含對設備數據處理的規則編寫與告警等功能，規則引擎支持用戶編寫一些規則，當數據觸發某一特定規則時，可以自動執行某一動作。

應用服務層北向連接工業云平臺，通過分發服務將接收到的數據傳輸到北向應用服務器。

4 應用實例

本文基于上述提出的優化模型，以溫濕度為對象，以Edgex Foundry 為邊緣計算網關軟件系統，實現數據的上傳以及分析，在實驗環境下模擬產線中邊緣網關接收溫濕度數據、上傳數據至云端、云計算平臺計算分析返回關鍵數據到邊緣端的優化過程，模擬智能產線的溫濕度環境優化過程。邊緣網關系統架構圖如圖5 所示。

圖5 邊緣智能網關系統架構圖Fig.5 Architecture diagram of edge intelligent gateway system

軟件系統主要由Edgex Foundry 的微服務所組成，邊緣智能網關支持 Docker、Python、TensorFlow 等運行環境，并開發了支持 Modbus、OPC-UA、Rest 等工業通信協議的設備交互模塊和支持數據存儲分發服務的數據池模塊、支持HTTPS、MQTT 等通信協議的網絡連接模塊，提供可視化編程工具、計算公式編排、事件管理和網關管理等應用工具。各模塊之間通過API 接口進行數據交互共享，部分API 接口對外開放，為物聯網邊緣應用開發提供基礎服務。

4.1 溫濕度數據采集

采用基于MODBUS 協議的RS485 溫濕度探頭采集溫濕度數據。通過MODBUS 協議設備服務上傳至EdgeX Foundry 平臺，EdgeX Foundry 將數據轉換成統一格式，然后發送到核心數據服務來添加對應的數據集合，核心數據服務首先調用元數據服務來查詢該設備是否存在，當設備存在時，核心數據服務將數據存儲在數據庫中，否則返回異常。數據上傳的序列圖如圖6 所示。本文設定每1 s 采集一次溫濕度數據，采集到的數據格式如圖7 所示。

圖6 數據上傳序列圖Fig.6 Data upload sequence diagram

圖7 邊緣網關采集到的溫濕度數據Fig.7 Temperature and humidity data collected by edge gateway

4.2 溫濕度數據上傳云計算層

當邊緣網關采集到溫濕度數據后，應用服務通過Restful API 調用核心數據微服務中的數據，通過應用服務的配置，將數據轉發至云計算平臺。上傳云端流程如圖8 所示。

圖8 邊緣數據上傳云端Fig.8 Edge data uploading to cloud

4.3 云計算層反饋邊緣層

本文用主機來模擬云計算平臺，云計算平臺接收由邊緣網關上傳的數據，并對接收到的溫濕度數據做分析。云計算平臺對接收到的溫濕度數據每3 s 做一次平均值，并通過規則引擎將平均值數據傳回邊緣網關，如圖9 所示。

圖9 云計算層返回的濕度數據Fig.9 Humidity data returned by cloud computing layer

4.4 命令控制

邊緣網關根據云計算平臺傳回的溫濕度的平均值進行設備層的優化調控，即當邊緣網關接收到返回的濕度數據達到55%時，關閉模擬繼電器設備開關（設置值為0）；當接收到的濕度數據小于51%時，開啟模擬繼電器設備開關（設置值為1）。通過對模擬繼電器設備開關的控制來模擬命令控制微服務對設備調控，使各工序中要求的溫濕度環境保持在最優的范圍之內。當溫濕度環境低于最優范圍，命令模塊則控制設備進行增溫增濕；當溫濕度環境高于最優范圍，則控制設備停止增溫增濕。命令控制觸發的規則如圖10 所示。

圖10 規則文件Fig.10 Rule file

5 結語

本文針對工業智能產線生產過程中的數據處理實時性差、生產組織間信息流難以溝通、優化效率低下等問題，提出了基于云邊協同的流程制造工藝參數優化模型，分析流程制造過程中存在的優化問題，構建了該模型的云邊協同優化框架以及邊緣計算平臺的部署；最后，基于EdgeX Foundry 邊緣計算平臺搭建云邊相互協同優化的實驗環境，驗證了基于云邊協同的流程制造工藝參數優化模型的有效性，為產線數據采集以及處理提供新的方法與思路。當前是邊緣計算技術發展期，相關理論與探索尚處于研究階段，還需要更深入的研究與探索，才能夠更好地服務于工業現場，服務于智能制造領域。