基于工業互聯網平臺的邊云智能協同關鍵技術研究及應用

摘要：工業互聯網已成為推動傳統產業轉型升級、培育發展先進制造業的重要支撐。邊緣計算與云計算通過緊密協同，能更好地滿足各種需求場景的匹配，從而放大邊緣計算和云計算的應用價值。邊云智能協同成為工業互聯網發展新趨勢。工業互聯網平臺邊云智能協同是企業實現智能化的必然途徑和重要驅動力。通過邊緣端和云端的智能交互協作，提高數據的安全性及實時性，實現應用的智能化，降低數字化轉型的成本。助推工業企業快速實現數字化制造、網絡化協同，以及智能化轉型。

關鍵詞：工業互聯網平臺；邊云協同；邊緣計算；云計算

一、引言

工業互聯網已成為推動傳統產業轉型升級、培育發展先進制造業的重要支撐，邊云智能協同成為工業互聯網發展新趨勢。邊緣計算與云計算需要通過緊密協同，才能更好地滿足各種需求場景的匹配，從而放大邊緣計算和云計算的應用價值。目前，邊云智能協同面臨諸如應用協同、服務協同和資源協同的技術挑戰，這些領域的技術尚不成熟，存在明顯的不足之處。基于工業互聯網平臺的邊云智能協同能夠支持多種類型的工業數據進行邊云交互，具備對邊云數據的分級分類存儲、計算、處理和分析能力，實現邊緣側數據的實時處理與云端大數據分析的協同，支持多場景工業應用的邊云交互，構建工業應用在云端的開發構建與邊緣側的部署實施能力，實現生產現場的質量檢測、設備管理、能耗優化等智能化生產應用。助力工業企業數字化和智能化轉型升級[1]。

二、邊云智能協同的需求分析及發展現狀

（一）邊云智能協同的需求分析

1.工業企業對邊云智能協同技術的業務場景解決方案需求迫切

工業企業具有眾多的業務場景，對時延要求較高，完全云端的控制無法滿足需求，如PLC、AGV、無人車等。邊緣端用戶的維護能力薄弱，IaaS、PaaS、SaaS及物聯網終端需云端運維，工業企業的生產需要各種特定的模型及應用在邊緣端快速部署和迭代，單個邊緣計算無法承擔。既需要集中管控，又需要數據安全及實時處理，還需要云端模型/應用開發及邊緣側的部署能力。僅靠單一的云計算及邊緣計算，不能夠全面解決企業的需求，亟需邊云協同的統一解決方案。

2.成熟且可復制的邊云智能協同技術解決方案仍需加速構建

工業互聯網平臺企業逐漸成為推動工業企業轉型升級的重要力量。雖然工業互聯網平臺企業發展迅速，但是它們在邊云智能協同技術方面仍缺乏成熟的解決方案。一方面，邊云智能協同技術的實施需要跨越多層協議和標準，從技術的實現上面臨著高難度問題。另一方面，邊云智能協同技術在確保數據的安全性、隱私性、實時性及低成本應用上也面臨諸多挑戰。當前實施的項目大多偏定制化應用，此類項目缺乏標準化和可復制性，存在重復開發的現象，所以亟需成熟且可復制的解決方案。

3.工業互聯網平臺邊云協同管理系統關鍵技術尚需突破

目前，尚需突破一批制約工業互聯網平臺邊云智能協同建設的關鍵技術，如：支持多類型工業數據邊云交互，具備邊云數據分級分類存儲、計算，處理和分析能力，實現邊緣側數據實時處理與云端大數據分析的協同；支持不同類型的工業數據在邊緣和云端的交互，工業應用在云端的開發構建和邊端部署實施能力；支持與不同工業互聯網平臺的兼容性和適配性，具備標準化的OpenAPI接口和標準控制臺等。

（二）邊云智能協同的發展現狀

1.國內發展分析

國內工業互聯網公司正在從中心云下沉，依托中心云生態向邊緣拓展并嘗試構建邊云生態，整個過程依賴于運營商MEC網絡底座。例如，華為云基于KubeEdge構建的智能邊緣平臺IEF，能夠在云端對邊緣應用全生命周期進行統一的管理、監控和運維，支持海量邊緣節點接入。而阿里云物聯網邊緣計算服務具備通過云端控制臺對邊緣節點進行統一管理的能力，實現對邊緣應用、終端設備、告警事件和遠程服務等進行管理控制，支持對云端與邊緣節點之間的資源和配置進行同步。這些技術手段為工業互聯網的發展提供了有力的支撐。

2.國外發展分析

美國重視平臺建設是其工業互聯網發展的特色，云計算巨頭亞馬遜、微軟和谷歌都推出了一系列相關的邊緣計算產品。亞馬遜在2019年發布邊緣服務平臺Wavelength，并陸續與Verizon、Vodafone、KDD 和 SK 電訊等合作共同提供邊緣云服務。微軟發布了 Azure IoT Edge 邊緣側產品，將云計算能力擴展到邊緣設備，支持離線使用，同時聚焦于邊緣的人工智能應用。谷歌在 2018 年推出了硬件芯片Edge TPU和軟件堆棧Cloud IoT Edge，可以將數據處理和機器學習功能擴展到邊緣設備，使設備能夠對來自其傳感器的數據進行實時操作，并在本地進行結果預測。

三、邊云智能協同的技術框架和關鍵技術

（一）邊云智能協同的技術框架

邊云智能協同系統能夠通過云端與邊緣側的高效協同，大幅提升工業互聯網平臺與工廠、設備的連接能力，同時通過連接工業互聯網和產業生態資源來實現運營模式和生產技術創新。總體技術架構如圖1所示。

1.云端平臺介紹

云端平臺是邊云協同系統的功能中樞，一方面與工業互聯網平臺對接，實現數據、應用、模型的集成，另一方面與邊云側平臺連接，實現模型、應用下發與功能協同；同時平臺具備應用、模型開發能力，能夠銜接開發者等平臺生態；平臺主要功能包括數據管理、應用開發管理、模型開發管理、邊云協同管理以及資源管理等。

2.邊緣平臺

邊緣平臺是邊云協同系統的核心執行層。該平臺支持與云端平臺的連接，能夠實現應用、模型的下載、更新、部署。同時，它還支持邊緣數據與應用狀態的上傳，以便平臺側能夠實現與邊緣端的實時監控與優化管理；核心功能包括邊緣數據管理平臺、邊緣應用管理平臺、邊云協同中心、邊緣資源管理等。

3.邊緣智能終端

邊緣智能終端是實現平臺與工業設備、系統連接的實際執行單元，包括工業網關、數據采集器等軟硬一體化終端。在提供識別連接功能的同時，這些終端支持智能化的邊緣計算功能，如模型計算、數據清洗、數據分析以及控制指令的執行等。核心功能包括數據采集、協議庫、邊緣計算等。

4.平臺安全體系

邊云協同系統安全體系層級較深，涉及從終端工業控制、邊緣數據傳輸、平臺資源等多方面安全問題，基于邊云協同功能的數據與資源運轉流程，進行全面的安全功能規劃，包括云端安全體系、數據傳輸安全體系、邊緣側安全體系。

（二）邊云智能協同的關鍵技術

邊云智能協同涉及較多的關鍵技術，包括面向工業海量時序數據的高性能存儲技術、面向工業應用場景的邊云智能協同技術、第三方工業互聯網平臺和工業應用的高效接入機制、面向邊云協同的資源智能調度技術等。

1.面向工業海量時序數據的高性能存儲技術

工業數據具有大規模、高并發等特點，以一個中等規模的工業企業為例，在流程監控和狀態監測需求下的傳感器數量高達5萬-10萬只；其數據采集基本為秒級，部分高頻數據采集為毫秒或者微秒級，每一個采集點一秒鐘內可產生多條數據；每天產生數百GB的數據量。工業大數據需要非常高的寫入速度和查詢效率、非常高的壓縮效率、強大的擴展能力，被長時間存儲以便隨時調用分析和模型學習，同時需要較低的接入成本以適應大、中、小企業數據接入需要等，這些需求對邊緣以及云端的工業時序數據庫提出了較高的要求，需要有強大的壓縮存儲能力降低對整個系統的要求。工業數據的實時性強，需要快速分析和決策。如何能夠保證數據訪問的效率，是衡量平臺響應效果重要的指標。一方面，需要專用的工業實時數據庫，處理帶時間標簽的數據，支持每秒鐘上千萬上億數據點的時序數據寫入、查詢、存儲和管理。然而，目前工業實時數據庫基本上被國外廠家所壟斷，這不僅導致建設和運營成本昂貴，并且存在嚴重的數據安全風險。另一方面，需要高效的實時緩存技術，建立多級緩存機制，將數據按照冷熱程度分為多個緩存區間獨立存儲，并優化近期數據的快速訪問。

2.面向工業應用場景的邊云智能協同技術

當前工業場景中主要使用傳統機器學習算法分析和處理物聯網結構化數據。主要挑戰是樣本少、冷啟動和要求模型可解釋和可靠性。采用增量學習方式提升單租戶性能。數據在邊緣側持續產生，傳統的方式是在云端或邊緣設備上進行模型的重新訓練以改進模型效果。通過增量學習，持續監控這些新數據，并制定策略優化模型的訓練、評估和部署流程，從而持續改進模型效果。采用聯邦學習方式提升跨多租戶性能。數據在邊側產生，邊云協同聯邦學習根據邊緣側數據聯合訓練得到模型，通過充分利用分散在不同邊側的數據，避免數據傳輸引發的隱私安全風險，降低數據傳輸成本，提升系統整體性能。采用協同推理方式提升模型的推理效果。如何在邊側推理資源有限的情況下，平衡時延、吞吐和推理精度是模型訓練的經典問題。協同推理技術通過分析邊側數據樣本，將較難分析的樣本發送到云端進行推理，保證模型性能；較簡單的樣本在邊側處理，提升分析效率[2]。

3.第三方工業互聯網平臺和工業應用的高效接入機制

云計算場景使用多種開發語言和開發框架，包括Java、Go、C/C++、Node.js 等，導致各個服務平臺的接入方式存在差異，這增加了服務和應用跨平臺遷移的人力與時間成本。隨著邊緣計算的廣泛使用，用戶的應用服務日益復雜化，跨邊云的分布式應用場景、跨云部署和管理運維的需求越來越多。不同平臺之間的架構模型和接入模式差異，加劇了用戶服務的接入難度。設計基于 Operator 的 Operator-Framework 框架。Operator 是一組軟件，用于降低運行其他軟件的復雜性。通過制定統一的服務接入標準，形成了行業認可的服務接入規范，統一了不同平臺的接入規則，從而實現一套服務能夠無障礙地部署在不同平臺上，簡化了跨云管理的復雜性，避免了在服務遷移和改造上再次投入時間和資源。

4.面向邊云協同的資源智能調度技術

全域調度主要涉及兩個維度的資源調度，一類是計算資源、另一類是流量資源。資源調度器根據全局資源的狀態和網絡 Quality of Service（QoS）統計信息，為每個租戶提供資源分布的決策建議。流量調度器根據資源的分布情況，在流量級進行精細化調度。全局計算資源智能調度技術通過全域資源調度器，可以幫助用戶實時掌握全域資源狀態信息，包括動態的邊緣站點可用資源、臨近的公有云資源以及優質的 5G MEC 資源，從而滿足用戶在服務方面（例如網絡時延）的要求。同時，在確保整體 Quality of Service（QoS）最優的前提下，針對成本、服務質量和業務波動進行優化。全局網絡資源智能調度技術，在給定業務節點已完成部署分配的情況下，流量調度為用戶的每一位客戶流量訪問請求的分配處理節點[1]。

四、邊云智能協同的應用場景分析

邊云智能協同系統在能源管理、設備管理、質量檢測、倉儲管理、工業安防等方面具有廣闊的應用前景。以企業綜合能源管理為例，針對企業氣、電、冷、熱等用能需求及空壓機、鍋爐、制冷等重點能源設施。傳統模式下，需要通過人工抄表的方式定期對數據進行收集，并且對設備進行監控檢查，以預防安全事故的發生。抄表員定期將收集的數據進行上報，再由數據員對數據進行人工的錄入和分析，一方面人工成本非常高，另一方面數據分析效率低、時延大，并且不能實時掌握各關鍵設備的狀態，無法提前預見安全事件防范事故。

邊云智能協同通過智能電表、智能水表、溫濕度傳感器、攝像頭及設備PLC等設備的接入，從而實現對企業用能關鍵環節關鍵設備的實時自動化數據收集和安全監控。首先將實時采集的原始數據匯集至邊緣計算節點中進行初步計算分析，并對特定設備的健康狀況進行監測以進行相關的控制。然后需要與云端交互的數據僅為經過加工分析后的高價值數據，一方面極大地節省了網絡帶寬資源，另一方面也為云端后續進一步大數據分析、 數據挖掘提供了數據預加工服務，為云端規避了多種采集設備帶來的多源異構數據問題[3]。

五、結束語

本文從需求分析、發展現狀、技術框架和關鍵技術以及應用場景應用層面分別對基于工業互聯網平臺的邊云智能協同進行了分析。邊云協同當前面臨著應用協同、服務協同、資源協同等技術與應用瓶頸，相關技術不成熟，短板亟需補齊。面對工業企業對邊云智能協同技術的業務場景、技術解決方案以及關鍵技術突破的迫切需求。未來，隨著相關技術的不斷突破，基于工業互聯網平臺的邊云智能協同應用將具有更大的發展空間。

作者單位：杜春燕 中國信息通信研究院工業互聯網與物聯網研究所

姜國強 中電信數智科技有限公司

參考文獻

[1] 邊緣計算產業聯盟，邊緣計算與云計算協同白皮書2.0：[R].2020：2-5.

[2] 云邊協同產業方陣，云邊協同關鍵技術態勢研究報告：[R].2021：4-18.

[3] 云計算開源產業聯盟，云計算與邊緣計算協同九大應用場景：[R].2019：12-15.

杜春燕，女，漢族，吉林，學士，工程師，研究方向：工業互聯網、標識、區塊鏈等領域研究和數據分析；

通訊作者：姜國強，男，漢族，河南，碩士，高級工程師，研究方向：工業互聯網、物聯網、智能制造政策研究、技術和應用。