工業物聯網：不僅是云計算

工業物聯網 (IIoT) 通常與大數據和云相關聯，收集來自分布廣泛的海量傳感器數據，將信息轉化為洞察力。在某些工業流程中，獲取洞察力所需的時間至關重要，而在將數據發送到云并收到響應的過程中，可能出現過度的延遲。在其他情況下，數據安全性可能受到威脅，或者無法快速可靠地連接到互聯網。為了克服這些挑戰，邊緣計算可為云的大數據處理功能提供補充。它能夠執行需要瞬時響應的計算密集型任務，并對數據進行存儲和篩選，以便在適當時傳輸至云。邊緣計算可包含諸多要素，例如簡單數據篩選、事件處理甚至機器學習，并可在任何連接的設備上運行，從小型嵌入式計算機或 PLC 到工業 PC 或本地微型數據中心。關鍵要求是必須與在同一平臺上運行的其他流程分開，并且只占用少量資源。

最大程度地發掘數據的價值

工業物聯網的主要價值在于它能夠整合來自多個來源的數據，幫助企業總攬全局：如何改進流程、優化維護活動、減少浪費和能耗以及消除不必要的成本。以云為中心的工業物聯網視圖可提供不同的數據流，這些數據流使用重量級軟件應用程序，在遠程數據中心進行組合和分析。

這種模式假定了幾個前提條件：可隨時使用可靠的互聯網連接；有足夠的帶寬來處理推送至云的數據；延遲 – 即生成數據與收到云分析結果之間的時間 – 是可接受的。但是，其中任何一個關鍵條件都可能無法滿足。遠程站點可能依賴于蜂窩網絡來提供互聯網連接，但蜂窩網絡覆蓋可能不完全或不可靠。大量傳感器可能生成大容量數據，將這些數據傳輸到云的成本非常高昂，特別是在包括高清圖像或視頻的情況下。出于安全原因，或者為了保持高效運營，可能需要實時進行復雜決策。另一方面，對于某些公司而言，數據安全也可能是一大問題，他們可能不希望通過互聯網將數據傳輸至云，從而暴露敏感信息。

在上述任何一種情況下，將從流程或設備采集的原始數據傳輸至云可能都是不切實際的。但是，我們需要在單個機器或流程控制邏輯級別之上的某些智能和決策功能，以幫助企業確定最佳行動方案。這正是邊緣計算的角色。

邊緣計算提供性能提升

作為工業物聯網的一部分，邊緣計算變得日益重要。在靠近設備或流程的位置部署第一層計算能力，可以實現智能或協調的事件響應，并有助于降低云的數據處理負擔。在包含數十個、數百個甚至數千個傳感器的系統中，來自這些傳感器的很多數據可能沒有太多價值，只是報告“正常”工作狀況。智能網關可以對這些數據進行篩選、丟棄或更高效地對其進行重新組合，以便傳輸至云進行存儲和分析。當發生值得關注的事件時，智能節點可以快速確定正確的響應，向互聯設備發出適當的指令，并在適合云使用的報告中總結該事件。與針對來自少量傳感器的信號的高度局部化響應不同，邊緣計算能夠采取更加協調的行動，評估來自更多數量的傳感器的數據，在更高的級別上進行決策。以采礦應用為例，我們假定檢測到鉆機平臺的過度振動。對于從振動傳感器收到的錯誤信號，標準的響應可能是停止鉆進，從而導致生產損失，而且還產生意外停機時間，用于檢查和修理設備。憑借更出色的計算能力、更大數量的傳感器輸入和存儲歷史數據，更強大的邊緣計算設備能夠評估振動對整個系統的影響，確定幾種可能的響應，計算其后果，并采取最佳的行動方案，或者告知操作人員最佳選擇。

邊緣計算設備具有板載數據聚合和處理能力，而簡單的傳感器/報警組合不具備它的全局視角，邊緣處理引擎能夠處理從所有互聯傳感器接收的數據，并基于預先確定的優先級做出最佳決策。在生產情況下，經過產品測試或檢測后，發現裝配線末端的故障率突然增加，這可能導致需要暫停生產以調查起因。連接到所有機器的智能邊緣設備可在裝配線上的所有設備之間協調此類響應行動。或者，它可以通過分析來自多臺機器的感測數據確定變化的原因，并且自動應用修復，或者指導操作人員修正錯誤，讓生產能夠快速高效地重新啟動。

此外，邊緣計算能夠支持預測性維護，將感測的測量結果與歷史數據或預設閾值進行比較，以計算更換設備的最佳時間，以此協助實現數字化轉型。在互聯網訪問不可靠、網絡覆蓋不佳的某些地理區域，它也可以實現對部署在這些地區的設備的智能管理。如果網關設備暫時無法連接至云，可將數據存儲在本地存儲器中，直至能夠重新建立連接。然后，設備可自動與云重新同步，確保遠程應用能夠始終訪問完整的最新信息。

另一方面，通過邊緣設備中的更多智能，還可以增強能效管理，即利用感測的數據，根據高級別能源管理策略來調節和優化設置。

實施：硬件與軟件

邊緣處理的原則是讓分析智能的位置盡可能靠近互聯設備。對于邊緣計算及其與云的關系，人們正在制定相關規范，因此定義和架構仍然不太確定。由于用戶可能沒有部署專用邊緣服務器的物理空間或資源，因此智能可能需要嵌入現有基礎設施中，例如網關、PLC、工業 PC，或者位于工廠端的連接至云的其他各種設備（圖 1）。

圖 1： 在工業物聯網中，邊緣計算在工廠設備和云之間插入數據采集和存儲、實時決策功能。

實質上，邊緣計算存在于單個機器控制系統的級別之上，在本地運行，以輔助在云中托管的重量級應用的工作。邊緣應用可以執行簡單的任務，例如接入和存儲來自多個渠道的數據并對數據進行篩選，然后將數據轉發至云。更復雜的可視化將分析甚至機器學習也納入邊緣計算范圍，以實時生成智能響應。實現這種高級構想所需的基本組件包括數據接入、事件處理引擎、互聯設備管理、用戶應用以及數據向云的安全傳輸（圖 2）。

圖 2： FogHorn 照明平臺提供了邊緣軟件堆棧中包含的功能的圖示。

從基本原理構建完整的智能邊緣處理平臺是一個巨大的挑戰。一種替代方法是使用硬件獨立的軟件框架，以提供基本構建模塊，例如事件處理引擎、設備管理，以及使用多種協議（例如 MQTT 輕量級消息傳輸協議或安全 HTTPS）的安全流式傳輸。很多此類框架正在應用于工業物聯網領域，例如 GE 的 Predix、Cisco 的 IOx 以及 FogHorn Systems 的照明平臺。除了功能組件之外，這些框架還提供各種軟件開發套件 (SDK) 來允許用戶運行自己的自定義應用，并提供開發環境來幫助配置系統和定義分析功能。這些框架還提供管理邊緣設備的工具，包括監控、控制和診斷。

節省資源的輕型單板計算機，例如 Raspberry Pi Foundation 提供的 Raspberry Pi 3，可為此類設備奠定基礎。實際上，GE 已經演示了面向在此類平臺上運行的邊緣設備的 Predix Machine 軟件。另一方面，能夠在網關設備或自動化系統中使用更強大工業 PC 的工程師可以充分利用額外的資源和計算性能來執行更復雜的應用。采用 PC/104 等成熟外形尺寸的模塊現在可以提供臺式機級別的性能，例如 VersaLogic Liger 板，它采用可選的 Intel i3、i5 或 i7 (Kaby Lake) 雙核處理器，在最高 2.8 GHz 的頻率下運行。這些板極其堅固耐用，具有 MIL-STD 標準級別的耐沖擊和耐振動性能，能夠在部署于惡劣環境中的設備上使用。這些板具有多達八個本地數字 I/O 通道、用于進一步擴展的 Mini PCIe 端口和高速 SATA 存儲接口，能夠執行復雜的自動化任務，并可處理邊緣處理工作負載。千兆以太網接口便于其通過企業網關連接到互聯網和云。此外，該板還包含信任平臺模塊 (TPM)，該模塊能夠實現硬件加密加速，并提供安全的密鑰存儲，因而非常適用于需要很高黑客攻擊防御能力的自主設備。

軟件容器

要在與自動化控制器或 PLC 相同的硬件上運行邊緣計算引擎和應用，這些引擎和應用必須與其他軟件隔離運行。使用容器已經成為一種流行的方法，這種方法可提供與虛擬機類似的隔離，但更適合資源受限的設備。容器鏡像包括了軟件運行需要的全部資源。但與虛擬機不同，容器對操作系統而不是硬件實現虛擬化，從而產生更輕便的解決方案。還可將容器與虛擬機結合使用，以便更加靈活地部署和管理應用。

圖 3： 容器提供了一種有利于節省資源的方法，用于隔離在網關、PLC 或工業 PC 等設備上托管的邊緣計算進程。

Docker 框架被物聯網解決方案開發人員廣泛用于實施容器（圖 3），它已將代碼捐獻給支持容器生態系統開發的開放容器計劃 (OCI)。要創建邊緣計算解決方案，可使用 C/C++ 或 Java 開發基于 Docker 的 Linux 應用程序，以捕捉所需的數據，并通過選定軟件平臺中提供的 SDK，以集成分析引擎等邊緣處理資源。

合適的軟件平臺還提供便利的儀表盤，用于管理互聯邊緣設備，讓開發人員能夠專注于自定義他們的應用，以捕捉他們需要的數據，并對檢測到的事件做出響應。隨著軟件開發平臺和交鑰匙邊緣計算設備進入市場，邊緣計算已成為新產品開發的主題。

邊緣計算是工業物聯網的附屬品，可隨時與云結合使用，為運營商和企業管理者提供靈活性，讓他們在適當時獲得需要的洞察力。據 GE 估計，傳統自動化系統僅使用 3% 的機器數據來產生有意義的結果。如果將邊緣計算和云計算結合使用，可以增強實時自動化并為長期決策提供指導，從而釋放剩余 97% 數據的更多價值。

總結

人們經常把工業物聯網想象為小型智能設備的組合，這種組合將比較有限的資源連接至具有強大計算能力的云。隨著更多企業在更多情況下需要依賴工業物聯網，一種更加先進的架構在不斷演進，該架構在網絡邊緣提供智能，為云的能力提供補充。現在進入市場的軟件解決方案讓企業能夠充分利用網關和傳統工業計算平臺，來實時響應緊急事件、保持安全性以及高效利用連接和帶寬。