基于DSPN的5G工業控制系統業務可用性分析

楊啟航, 易志為, 黃 寧,2,*

(1. 北京航空航天大學可靠性與系統工程學院, 北京 100191;2. 北京航空航天大學云南創新研究院, 云南 昆明 650233)

0 引 言

網絡技術的應用是工業通信史上最顯著的發展之一。工業網絡克服了傳統點對點有線系統的局限性,廣泛應用于一系列垂直行業,包括制造業、石油和天然氣、發電/配電、采礦和金屬冶煉等。在工業互聯網的浪潮下,制造業正處于關鍵的變革時期。面對智能制造和工業物聯網涌現出的需求,“5G+工業互聯網”已成為賦能各行各業數字化、網絡化、智能化轉型升級的重要驅動力量。企業利用5G技術賦能業務成為未來制造業發展和變革的趨勢。

為了解決工人們常年在高溫、粉塵、噪音等環境下工作,健康和安全隱患問題較為突出,人員流失率大、招工難,生產效率相對低下等問題,作為5G垂直行業的典型應用,軋鋼廠應用了5G技術,實現了高危環境下的無人生產。

在軋鋼廠中,加熱后的鋼坯在進入粗軋機之前,需要旋轉鋼坯的姿態,使得板坯在粗軋后在長度和寬度上符合生產要求,該工序稱為轉鋼。以往鋼坯姿態的調整是由工人在鋼坯經過輥輪時通過遙控輥輪轉速實現的,而隨著機器視覺技術的發展,人們希望人工智能(artificial intelligence, AI)能取代轉鋼中的人工操作。因此,轉鋼生產現場與搭載AI模型邊緣云之間的通信至關重要。如果采用有線方式,例如過程現場總線、串行實時通信、高速可尋址遠程傳感器和控制器局域網總線[1],會導致各子系統之間有許多接口且線路繁多,以至于增加了系統的復雜性,不便維護。而采用無線方式,最常用的工廠通信解決方案依賴于基于IEEE第1層和第2層技術的定制無線電。這些基于IEEE的標準在未經許可的頻段(低于6 GHz)中運行,會受到來自共享同無線頻譜的其他并置網絡的潛在干擾[2]。

5G通信則為上述問題帶來了解決方案。其應用類型中的高可靠、低時延特點正適用于轉鋼系統這類時延敏感的工廠自動化系統。工廠自動化系統中的業務對5G新空口的延遲和可靠性有嚴格的要求。以運動控制為例,第3代合作伙伴計劃(the 3rd generation partnership project, 3GPP)要求系統業務能達到低至1 ms的端到端時延以及“6個9”的可用度[3]。面對如此嚴格的要求,在5G化使得系統故障行為更復雜的情況下,工業界對于5G工業控制系統的搭建還處于試點階段,即邊出故障邊改進。因此,要實現5G工業控制系統的規?；瘧?如何衡量其業務可用性是個重要課題。

目前,雖然3GPP對5G化的各類場景提出了業務可用性要求,但如何進行評估仍值得研究。本文調研了與5G可用性相關的工作。Mendis等[4]從可靠性理論的角度提出了空間中單元和系統可用性的新定義,使用泊松點過程和Voronoi圖來分析異構蜂窩系統的基站覆蓋范圍和小區與系統可用性之間的關系,并推導出能保障一定可用性水平的概率。在此基礎上,Benchaabene等[5]根據預定義的信干噪比(signal and interference to noise ratio, SINR)閾值和隨機基站位置創建定義SINR邊界的輪廓,分析了空間域中服務的可用性。此外,Hler等[6]針對無線領域中可靠性和可用性定義松散、沒有充分分離的問題,將可靠性理論的基本指標應用于無線通信,在高可靠、低時延背景下推導了更強大的關鍵性能指標及任務可用性。在文獻[7]中,作者介紹了無線通信系統可靠性分析的兩個新的關鍵性能指標,即平均首次故障時間和間隔可靠性,并推導了平均首次故障時間的表達式。而針對切片的資源粒度對服務可用性的影響,Kozat等[8]進行了研究,發現切片可用性與資源粒度之間并不是單調關系。

可見,當前的研究主要是提出5G無線側可用性衡量指標或研究無線傳輸的可靠性,缺少綜合考慮5G應用場景、對系統業務可用性進行分析的工作。

為了對5G工業控制系統的業務可用性進行量化分析,可以使用確定性隨機Petri網(deterministic stochastic Petri net, DSPN)。相比于可靠性框圖等靜態的系統可靠性建模方法,DSPN可以展現出系統業務的動態行為及故障間的時序關系。DSPN已被證明是一種有效的形式化方法,通過設定具有不同激發速率的相應變遷,可以對特定系統行為進行數值分析,并且已經在云數據中心[9]、電子健康監測[10]、醫療物聯網[11]等系統的可用性分析中得到了應用。

本文對比了5G工業控制系統與傳統控制系統架構,分析了5G工業控制系統的業務流程,明確了5G給系統業務可用性帶來的不確定因素,如無線通信和邊緣云,提出了基于DSPN的5G工業控制系統業務的模塊化的可用性建模方法,并進行了數值分析。

后續內容中,第1節是5G工業控制系統可用性建模相關的基本概念;第2節是對轉鋼系統架構的介紹以及建模方法;第3節是應用DSPN的案例分析;第4節是結束語。

1 基本概念

1.1 5G工業控制系統

5G工業控制系統是依托5G網絡實現生產業務數字化、智能化的關鍵系統。其架構主要包括4層[12],如圖1所示,涉及收集數據、處理、分析以及設備和通信網絡之間共享信息的操作。

圖1 5G工業控制系統Fig.1 5G industrial control system

感知層:該層由物理層系統組成,例如智能傳感器、設備,并與網絡層通信。

網絡層:這一層包括工業總線或低功耗廣域網,例如Sigfox、LoRa、ZigBee和NB-IoT。

通信層:該層可被視為5G工業控制系統架構的網絡骨干,傳輸系統所有信息。

架構層:該層是工業控制系統功能的框架,其中考慮了邊緣云和大數據分析等架構。

1.2 確定性隨機Petri網

Petri網是對系統的形式化描述,能夠描述并發、同步、互斥和沖突等分布式系統的典型特征[13-15]。但在經典Petri網中,變遷一旦使能便觸發,變遷之間沒有優先級。對此,應用Petri網的一種變體,DSPN[16],對具有隨機性和確定性行為的系統進行建模。當變遷的激發速率設置為故障率或維修率,便可建立系統的可用性模型。DSPN表示為一個元組(P,T,I,O,H,G,M0,τ,W,Π),其中P和T分別是非空不相交的有限位置集和變遷集,I和O是前向和后向入射函數,H描述了抑制條件,G是給定變遷的使能函數,更詳細的內容可參見文獻[16]。在DSPN的圖形表示中,確定性變遷由實心矩形繪制,隨機變遷由白色矩形表示。

圖2為一個簡單的DSPN模型。其中,P0和P2各自含有一個托肯,托肯可通過變遷T0和T2的激發進入P1和P3,箭頭上的x指變遷消耗和產出的托肯數量。T4的守衛函數為G=(P1=0)。當T0激發,P0中托肯進入P1,則T4立即激發,P2中托肯進入P3。

圖2 DSPN示例Fig.2 DSPN example

2 5G轉鋼系統的DSPN模型

2.1 5G轉鋼系統

2.1.1 5G轉鋼系統架構

作為典型的5G工業控制系統,5G轉鋼系統架構如圖3所示,其中轉速傳感器、5G攝像頭、可編程邏輯控制器(programmable logic controller, PLC)等組件屬于感知層,5G工業用戶前置設備(customer premise equipment, CPE)屬于網絡層,5G基站(the next generation Node B, gNB)屬于通信層,邊緣服務器及其服務屬于架構層。

圖3 5G轉鋼系統示意圖Fig.3 Schematic diagram of the 5G rotating steel system

2.1.2 5G轉鋼系統業務分析

根據文獻[17]描述,業務是通過對系統服務的組合而達到對外提供使用的某種綜合能力?；趫D3的系統架構,5G轉鋼系統的轉鋼業務流程主要可分為兩步。

狀態觀測:狀態觀測主要指通過設置在粗軋機進出口的5G攝像頭,拍攝鋼坯在錐輥上的視頻信號;將采集到的視頻信號通過5G網絡傳輸到邊緣服務器進行進一步的處理和計算。具體過程是:5G攝像頭將視頻信號通過廠房內的光纖傳送到5G工業CPE,即邊緣網關,網關通過5G無線鏈路,將視頻數據發送到廠區內的5G基站進行數據分流,最終將數據傳輸到部署于廠區內的邊緣服務器上,以供進一步處理。

轉鋼控制:轉鋼控制是指邊緣計算服務器接收到車間現場傳輸來的鋼坯視頻數據后,首先通過視頻采集處理算法,對鋼坯當前位置信息(角度)進行識別;再通過 AI 邊緣服務,根據位置信息和生產需求,計算輸出轉鋼控制指令。該指令再傳輸到廠房內的主控PLC,PLC 根據指令對鋼坯進行順時針、逆時針旋轉,并控制推床,修正鋼坯位置。

而傳統的轉鋼系統與圖3比較,其生產業務不涉及5G工業CPE、邊緣服務器、AI邊緣服務等。在轉鋼系統運行時,操作人員通過目測判斷出鋼坯的姿態,在控制室通過手柄和按鈕傳輸控制信號給PLC,PLC根據得到的識別信息, 向控制錐形輥道電動機的變頻器以及推床發出相應的電控信號,驅動錐形輥道運轉和推床的動作,對鋼坯位置進行調整,完成轉鋼操作。

可見,5G的引入對轉鋼系統的改變體現在系統架構上,進而影響了轉鋼業務流程,包括邊緣服務器、AI邊緣服務、無線通信設備以及無線傳輸鏈路等。所以,對5G工業控制系統進行業務可用性建模必須要考慮上述因素。

2.2 5G轉鋼系統業務的DSPN建模

對于5G轉鋼系統而言,轉鋼業務流程涉及到網絡用戶面的設備及邊緣服務,即從狀態觀測設備到控制生產決策的AI等。因此,不考慮通信層中涉及到的核心網的控制面,僅建立圖1中從感知層到架構層中與轉鋼業務相關的設備及服務軟件的DSPN模型。

2.2.1 感知層建模

感知層包含信息采集設備以及生產設備,如5G攝像機、傳感器以及電機等,其是否可用直接影響到整個系統的可用性,DSPN模型如圖4所示。

圖4 感知層的DSPN模型Fig.4 DSPN models for perceptual layer

對于信息采集設備和生產設備,均考慮兩種狀態,即正常工作狀態和失效狀態。位置S_up代表傳感器正常工作,即可用,變遷S_fault代表傳感器失效,當變遷S_fault激發,則傳感器狀態由可用變為不可用,托肯轉移到位置S_down。同理,S_repair代表傳感器被修復,當變遷S_repair激發,傳感器狀態變為可用,即托肯又回到可用S_up。類似地,D_up代表設備可用,D_down代表設備不可用,D_fault代表設備失效,D_repair代表設備被修復。

2.2.2 無線通信建模

無線通信是5G技術在工廠自動化場景中必須考慮的一環,其直接影響到整個工業控制系統是否能正常工作。對于5G轉鋼系統,除了由設備故障或者斷電造成無線設備停機,工廠中的粉塵、遮擋等環境因素也會影響無線通信。為此,建立了無線通信的DSPN模型,該模型包括兩個部分:無線鏈路與無線設備。

(1) 無線鏈路

若一條無線鏈路由多條路徑組成,其中包含一個主要分量,則可以認為該鏈路是瑞利衰落信道。顯然,這種假設是適用于工廠環境的。對于一條無線鏈路,基于Gilbert-Elliot模型,可以被解釋為可修復組件[18]。當瞬時功率p(t)小于閾值pmin,則認為鏈路是不可用的,反之為可用的。因此,將通道狀態定義為隨機變量來區分這兩種狀態:

(1)

兩種鏈路狀態之間的轉換率可表示為故障率λw和修復率μw[19]:

(2)

(3)

式中:F=pavg/pmin代表具有平均接收功率pavg的衰落余量;fD=vf/c是最大多普勒頻率,f是信號載波頻率,c是光速,v是發射器、接收器和散射體之間的相對速度。

因此,無線信道的DSPN模型如圖5所示,WC_up表示信道可用,變遷WC_fault激發,信道狀態則由WC_up遷移到WC_down,信道不可用,當變遷WC_repair激發,則信道恢復到可用狀態。位置WC_up中的托肯數量即表示可用的鏈路數量。當用戶設備采用多連接的方式接入,冗余傳輸時,進行選擇式合并,即選出n個信道中最好的一條。因此,至少有一個鏈路是可用的,便可保證系統的正常通信。G1中,gNB_up表示可用基站的數量。當鏈路的信號發射器gNB故障時,則守衛函數G1激發變遷G1,鏈路狀態變為不可用。

圖5 無線鏈路的DSPN模型Fig.5 DSPN model for wireless links

G1=(gNB_up==0)

(4)

(2) 無線設備

在5G轉鋼系統中,考慮的無線設備為gNB和CPE。gNB考慮可用和不可用兩種狀態,即gNB_up和gNB_down。變遷gNB_fault和變遷gNB_repair分布代表故障和修復事件的發生。gNB的DSPN模型如圖6所示,CPE的DSPN模型也與此類似。值得一提的是,gNB作為信號發射器,如果出現故障,則會導致無線鏈路直接斷掉。因此,當gNB處于不可用狀態時,相應的無線信道也將不可用,這體現為圖5的G1。

圖6 無線設備的DSPN模型Fig.6 DSPN model for wireless devices

2.2.3 邊緣基礎設施建模

移動邊緣云(mobile edge cloud, MEC)是5G網絡中極有前景的技術之一[20],提供了本地化的計算和存儲能力,進而提供較低的端到端時延并減少回傳網絡流量負載。在支持MEC的網絡中,MEC服務器上的任務執行與資源可用性和故障恢復能力密切相關[21]。在5G轉鋼系統中,MEC服務器用于部署計算鋼坯旋轉角度的AI邊緣服務。圖7～圖9為考慮的邊緣基礎設施模型。MEC服務器配備了一個物理機,其中包含m個用于并行計算的虛擬機。

圖7 硬件的DSPN模型Fig.7 DSPN model for hardware

圖8 服務器操作系統的DSPN模型Fig.8 DSPN model for server operating system

圖9 虛擬機的DSPN模型Fig.9 DSPN model for virtual machines

MEC服務器的DSPN模型包含7個位置,其中HW_down表示硬件失效,OS_down表示軟件(操作系統)失效,HW_up表示硬件可用,OS_up表示軟件可用。虛擬機則考慮3種狀態:可用VM_up、不可用VM_down以及溫備份VM_standby。當虛擬機發生故障時,變遷G4激發,物理機會將正在運行的服務遷移給可用的備份虛擬機(如果存在),即備份虛擬機開始工作,失效的虛擬機則被變為不可用并等待維修狀態。值得注意的是,當硬件發生故障時,變遷G2、G3、G5激發,軟件和虛擬機以及服務均變為不可用狀態。

G2=(HW_up==0)

(5)

G3=(OS_down==1)

(6)

G4=(VM_up

(7)

2.2.4 邊緣服務建模

已有的針對系統可用性建模的文獻很少將系統中邊緣服務考慮到模型中[22]。但毫無疑問,邊緣服務是影響系統業務可用性的重要因素。對于5G轉鋼業務而言,邊緣服務是業務流程的一部分,用于識別加工材料姿態的AI模型,其決策狀態決定加工產品是否合格。通過邊緣服務的正確執行,轉鋼業務才得以完成。

邊緣服務的DSPN模型如圖10所示,服務運行在虛擬機上,作為生產控制的大腦,由兩個狀態組成:邊緣服務計算結果正確APP_up,邊緣服務計算結果錯誤APP_down,狀態之間的遷移概率由部署模型準確率決定。當虛擬機出現故障,服務狀態則通過G5變為APP_down。

圖10 邊緣服務的DSPN模型Fig.10 DSPN model for edge applications

G5=(VM_up==0)

(8)

3 案例分析

3.1 案例

基于5G轉鋼系統架構,先考慮轉鋼業務的一個簡單場景。場景1如圖11所示,業務涉及組件有:用戶設備包括5G攝像頭1個、傳感器1個,邊緣網關1個,gNB1個,邊緣服務器1臺,其中虛擬機1臺,并運行有計算鋼坯角度的AI模型。業務的DSPN模型如圖12所示。

圖11 場景1Fig.11 Scenario 1

圖12 場景1的DSPN模型Fig.12 DSPN model for scenario 1

組件的平均故障間隔時間(mean time to between fai-lures, MTBF)和平均維修時間(mean time to repair, MTTR)如表1所示,取自文獻[23-26]。無線信道可用性由上文公式計算得出,假設v=10 m/s,f=2 GHz,fD=66.6 Hz,F=20 dB,根據式(2)和式(3)計算得到λw=23.61 s,μw=1 168.69 s。

表1 系統業務組件的MTBF與MTTR

3.2 業務可用性分析

業務可用性是某個時間段內,系統業務能夠正常運行的概率或時間占有率的期望值,即

(9)

若業務由系統服務串聯而成,則業務可用性[27-28]可表示為

(10)

相應地,服務并聯組成的業務可用性表示為

(11)

業務及相關服務的功能通過相應組件實現,假設案例中各組件的壽命服從指數分布,組件可用性為可用狀態中含有托肯的穩態概率,即有:

Ai=E(P_up!=0)

(12)

式中:P代表某組件。感知、邊緣網關、無線通信、邊緣服務等服務的可用度及5G轉鋼系統的業務可用度計算公式為:

Ap=E(S_up!=0∧Camera_up!=0)

(13)

AG=E(CPE_up!=0)

(14)

AW=E(WC_up!=0∧gNB_up!=0)

(15)

AAPP=E(APP_up!=0)

(16)

ASapp=Ap×AG×AW×AApp

(17)

使用TimeNET[29],根據表1中組件參數及計算所得無線鏈路參數設置DSPN模型中的變遷激發速率,進行穩態仿真,得到服務可用性(部分)如表2所示。

表2 部分服務可用性

3.3 敏感性分析

敏感性分析是衡量給定的輸入對系統輸出的局部影響,旨在明確系統的薄弱環節,以便于在不同場景下進行改進[30]。本文通過百分比差異進行系統業務可用性的敏感性分析。百分比差異法是在保持其他參數不變的情況下,按一定比例更改一個參數,并計算系統輸出的百分比差異。本文在表1中MTBF數據的基礎上以5%為間隔在左右對各組件的MTBF共取10個值,在保持其他組件參數為原MTBF時,改變某組件的MTBF,表示為Θi,通過TimeNET仿真計算得到系統業務可用度,則敏感度可表示為

(18)

例如,基站gNB的MTBF敏感度指數為

i=1,2,…,10

(19)

針對系統各組件的MTBF進行了敏感性分析。表3包含了場景1的DSPN模型中敏感度指數最高的3個和最低的3個參數。分析結果表明,無線鏈路MTBF對該轉鋼系統業務可用性的影響最大,即該參數的變化對轉鋼業務可用性影響更大。影響較大的第2個和第3個參數是PLC的MTBF和邊緣服務器操作系統MTBF。敏感度指數最小的是APP的MTBF,當其從5 492.24 h變化到8 581.63 h,轉鋼業務可用度僅從0.977 881 2變化到了0.977 892 4。

表3 敏感性參數排序(部分)

如圖13所示,衰落余量從40 dB變化到62.5 dB,系統業務可用度從0.975 553 2變化到0.979 971 0。另一方面,操作系統MTBF從1 152 h變化到1 800 h,使得轉鋼業務可用度從0.977 718 0提升至0.978 023 3,如圖14所示。圖15則顯示了PLC的MTBF從105 120 h變化至164 250 h,將使系統可用度從0.977 701 7提升至0.978 036 4。

圖13 衰落余量對系統可用度影響Fig.13 Impact of fading margin on system availability

圖14 操作系統的MTBF對系統可用度的影響Fig.14 Impact of MTBF of operating system on system availability

圖15 PLC的MTBF對系統可用度的影響Fig.15 Impact of MTBF of PLC on system availability

通過上述分析,可通過在接入網采取多接入的方式對無線通信進行備份,以提高轉鋼業務可用性。同時,選擇MTBF更大的PLC或者對服務器采取備份的方式,也能在一定程度上提高轉鋼業務的可用性。

3.4 業務方案優化

根據上述敏感性分析結果,在場景1的基礎上,對轉鋼業務考慮了場景2,如圖16所示。場景2與場景1不同在于無線鏈路采用了多接入的方式,即熱備份,同時在云服務器中增加了1個溫備份虛擬機。其對應的DSPN模型在場景1的模型(見圖12)基礎上,增加了1個無線設備子模型gNB1和一個無線鏈路子模型WC1,并在VM_standby中增加了1個托肯。

圖16 場景2Fig.16 Scenario 2

各組件及服務可用性的計算方式如式(12)～式(17)所示,其中式(15)更新為

Aw=E((WC_up!=0∧gNB_up!=0)∨
(WC1_up!=0∧gNB1_up!=0))

(20)

使用TimeNET仿真的結果如表4所示,根據式(17)的計算結果如表5所示?？梢?在場景2中采取多接入的方式,對于無線通信的可用性提升效果較為明顯,即提升了0.023 021 8,虛擬機的備份對邊緣服務的可用性提高了0.001 721 3。這驗證了上文中無線鏈路及云服務器中虛擬機相比感知設備對系統的可用性影響較大的結論。因此,針對5G轉鋼新系統,可依據上述分析結果對其薄弱點,如無線鏈路、服務器操作系統等采取備份或提升組件可用性的方式,從而提高業務可用性。

表4 場景1與場景2部分組件可用性

表5 場景1與場景2的業務可用性

4 結束語

針對5G轉鋼系統,本文分析得出得益于5G引入的邊緣云、AI邊緣服務、無線通信會影響系統業務可用性,對此提出了基于DSPN的5G工業控制系統的業務可用性建模方法,并根據此方法對5G轉鋼業務進行了業務用性分析,發現無線通信的可用性對系統業務可用性影響較大。對此,提出了優化方案并進行驗證。結果表明,本文從業務流程角度所提的模塊化的建模方式適用于此類系統的可用性評估,且便于系統組成變化時對模型的調整,但本文部分組件僅假設為二態。因此,下一步工作是在考慮性能的基礎上對多態組件構成的5G系統業務進行可用性分析。