边缘计算在工业物联网中的应用

物联网的背景

1968年，Dick Morley发明了可编程逻辑控制器（PLC），并开始在通用汽车公司的自动变速器制造中部署它们，开启了控制器精确控制制造链中的各个生产环节的时代。1975年，霍尼韦尔和横河电机分别推出了世界上第一个分布式控制系统（DCS）TDN2000和CENTUM，这些分布式控制系统允许我们在整个生产链甚至是整个工厂内灵活实现过程控制，而不需要担心控制器故障对生产所造成的影响。再后来，随着1980年以太网的引入，人们不得不将以太网和生产链上的过程控制技术结合；这场结合主要有两个方向，一是控制方向，最终也就演变成了我们熟知的工业以太网技术，而另一个则是对智能设备网络的探索，发展到最后便是今天的物联网。

物联网的发展

最早的物联网设备可追溯到1982年，卡内基梅隆大学就制造了一台经过改装的可乐售货机，它可以通过以太网报告剩余的库存以及饮料的温度，这大概也是第一个实现物联网概念的设备。此后出现了各种我们现在称之为早期物联网的设备，直到2002年，云技术的出现使得设备可以通过云存储访问历史数据和趋势；2006年OPC UA的开发，产生了我们今天的IIoT也就是工业物联网的概念，定义了设备之间安全、远程同时又无需人工进行操作和干预的通信。

十年前的生产线上，我们需要员工来手动记录库存并检出运送货物；依靠维修队伍用眼睛定期货检和质检；通过一通通电话查看货物的物流情况——这些效率低下的方式充斥着整个供应链的上下游。而工业物联网概念下的诸多技术，正是为提高这些环节的效率而存在的，具体表现为以下几个方面：
网络物理系统（CPS）：工业物联网的基本技术平台，将物理过程和软件通信过程集成为一体，从而提供更进一步的建模、设计以及分析的技术；
云计算：借助云计算，可以将IT服务和计算资源转移到云端，而不是本地的资源有限的服务器上；
边缘计算：一种分布式计算方式，相比于云计算，可使得计算机数据存储更靠近需要的本地位置，因为进行分散的分布式的数据处理显著降低了对设备数据处理能力的需求，也降低了中间出错和被攻击的风险。
人工智能&机器学习：人工智能（AI）是计算机科学的一个领域，其创建的智能能够通过有效的预测从而像人类一样做出决策；

网络物理系统的概念比较庞大，但是他也时时刻刻体现在我们现在的生产环境中，比如生产线上用于过程控制使用的总线协议等。这些系统中的控制设备和受控设备能够自动完成相应的任务，然而，对于外界来说，他们仍然是信息孤岛。这完全不符合工业4.0的理念：我们产线的产能还是靠人抄表来报告，趋势还是靠着表格中的简单预测模型进行演算，而最后产线产能的分配还是人为的决策……

工业4.0的方案

解决的方法说起来也很简单，最关键的点无非是连通上下层MES系统和现场设备即可，让云计算以及其中的人工智能&机器学习能够对产线趋势做出预测和决策。但是这要如何实现呢？我可以根据今天饮料厂的需求在产线和管理系统中架上以太网，定义好报文格式，完善好网路层和传输层做出一个简单的协议；根据明天电子设备厂的需求可以做同样的事情；但请注意，在这样的情况下，我们只是实现了互通，但是没有实现互联。两者或者甚至更多的这样的系统并没有使用统一的框架或协议，每一次实现“互通”的成本都是非常高，需要连通的成本会随着数量呈指数增长。在这种情况下，我们就需要一些统一的框架和协议，能够让我们用在各种各样的领域和应用中。传统的工业现场总线协议和工业以太网协议为了数据的实时性，往往都有接入设备数量和通信距离的限制，所以不适合用来做工业物联网的大网络。而工业物联网发展至今其实也已经诞生了很多的架构，他们都具有很强的互联性和通用性，比如：

• OPC以及OPC UA是由OPC基金会推出的一系列标准框架，用于将计算机系统链接到自动化设备中。
• IBM设计的开放源代码软件Node-RED，用于连接API，硬件和在线服务。
• MQTT是TCP/IP上的发布-订阅体系结构，允许设备与MQTT代理之间进行沟通信。
• REST是一种可扩展的体系结构，它允许通过HTTP进行通信，并且很容易将物联网信息传输到集成的Web服务器上。

这些架构和协议无非提供了统一性，让接口能够最大限度的跨行业使用：OPC技术（OPC UA）允许将工业协议中的数据提取出来，直接传输到上层的计算机网络当中；MQTT允许将生产过程数据反馈到工业云平台上，方便跨空间的数据传输；而REST则为从云平台中读取和分析数据提供了便利的标准。

工业物联网并不是最终的目标，它只是一个“小目标”。前面我们提过，随着技术尤其是互联网技术的发展，使得工业物联网概念成为了可能，以提高生产各环节的效率。工业物联网主要的应用分为这么几方面，而有的方面已经成为现实：比如远程服务，维护人员可以身处异地而全权限地访问其他地方的设备，显著提高维护效率，有研究数据称这种方式较于传统的维护方式能节省12%至30%的维护成本，且消除故障的可能性高达70%；比如数据驱动服务，通过云计算模式（或是雾计算或是边缘计算）完全由人工智能算法凭借对数据的分析进行库存优化、质量控制、产线优化以及预测性维护等的决策；再比如借用大数据的分析进行数字孪生模拟，来计算设备和零件的生命周期以及行预测性的维护，或者是提供大数据量的模拟场景供新员工进行各式各样的实操培训。这些各式各样应用都能够改变现有的生产模式，提升生产效率。

从前面内容我们不难看出，实现工业物联网的应用能够减少各个环节的成本，提高生产效率；而实现此目的方式也非常简单，无非就是打破一个个现有的产线信息孤岛将数据传出去。而这中间最简单的方式不外乎就是使用一个网关，或者搭配上相应的工业云平台，比如意大利EXOR的可以适用于各种条件包括极端恶劣条件的边缘网关和显示屏以及Corvina Cloud云平台，将产线现有的通讯协议转换成我们上边提到的那些框架和协议；让数据发挥真正的潜力，就能够有效实现生产效率的提高以及生产成本的减少。