国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

1　目標和概述

在離散制造業(yè)的機加工企業(yè)中，普遍存在：機床數量龐大、機床部件多樣、現場工況復雜、數據多源異構且協(xié)同管理困難、數據應用需求經常變化的情況，因此亟需一種平臺能力強、配置靈活、穩(wěn)定可靠的邊緣計算解決方案解決企業(yè)的上述問題。為解決某汽車零部件制造企業(yè)的某類臥式加工中心的電主軸、換刀機構的故障預測性維護需求，本方案采用CNC+Sensor+Client+ Server模式的軟硬件一體的邊緣架構，對其高頻的電機電流數據和低頻的CNC控制信號數據進行協(xié)議解析和采集，通過邊緣Client功能進行實時的高低頻數據融合、工況切割、特征提取，最終數據通過4G網絡上傳Server層，通過Server功能實現邊緣設備遠程配置、狀態(tài)實時監(jiān)控、數據歷史回放，整個過程基本無定制軟件開發(fā)，完全依賴邊緣計算平臺的軟件功能實現。

2　解決方案介紹

2.1　邊緣計算技術的應用

本方案通過邊緣計算設備直接和設備控制器通訊采集加工設備已有數據（如主軸轉速），并通過加裝傳感器方式采集加工設備原本沒有的數據（如主軸電機電流），這些數據前者屬于低頻數據，后者屬于高頻數據。

其中低頻數據由邊緣計算設備簡單處理后直接通過4G網關傳輸到公有云端，高頻數據由邊緣計算設備進行數據分析建模提取數據特征值后上傳云端。

2.2　系統(tǒng)架構（如圖1所示）

圖1 系統(tǒng)架構圖

2.3　硬件平臺

邊緣計算設備采用天澤iEC系列邊緣智能硬件，是面向關鍵設備、高價值資產工業(yè)智能應用的邊緣計算單元，基于高性能ARM或Intel處理器平臺，可在邊緣端一站式實現數據采集、協(xié)議解析、信號處理、特征提取、機器學習等多種功能。結合天澤智云在工業(yè)智能應用算法領域的十多年積累，為用戶打造軟硬算一體化的整體解決方案，可實現設備的狀態(tài)監(jiān)測、異常檢測、健康管理、壽命預測等功能。

本方案中使用的iEC-1001產品特性及應用場景：

（1）四通道51.2kS/s同步采樣，能夠兼容包括振動、轉速、電流等多種信號的高速數據采集；

（2）內置64位四核ARM Cortex-A53 CPU，兼容Python模型的快速部署；

（3）內部存儲空間為4GB，支持大容量高頻振動數據存儲；

（4）支持以太網口、串口、USB等端口，可以快速完成多終端的互聯組網。

（5）面向智能工廠設備批量部署應用等。

2.4　軟件平臺

邊緣計算解決方案中的軟件平臺采用了天澤智云自主研發(fā)的產品EdgePro，EdgePro是一款支持快速實現工業(yè)數據采集和邊緣計算的工業(yè)物聯網與邊緣智能系統(tǒng)，通過將物聯網、邊緣計算、特征工程與機器學習等技術融于一體，可直接將機器學習模型與特征工程算法一鍵部署到邊緣硬件，真正打通工業(yè)互聯網與邊緣智能的最后一公里，實現工業(yè)邊緣計算、邊緣智能與邊緣決策。EdgePro的核心服務如圖2所示。

圖2 EdgePro核心服務

（1）EdgePro核心價值

• 加速實現工業(yè)多源混合數據采集、特征提取及邊緣計算

EdgePro創(chuàng)新性地將工業(yè)數據采集、硬件配置下發(fā)、狀態(tài)監(jiān)控與模型部署四類功能標準化，通過開放接口可滿足大部分工業(yè)設備數字化與智能化的多樣化需求。不論是實時獲取原始波形亦或是獲取特征數據，均可通過配置輕松實現設備數字化映射與特征信息提取。目前EdgePro可接入、配置和管理各類嵌入式狀態(tài)監(jiān)測系統(tǒng)（CMS）、工控機（IPC）、工業(yè)網關、PLC與嵌入式系統(tǒng)等，助力企業(yè)實現全面智能化改造、大規(guī)模關鍵資產與輔助資產統(tǒng)一監(jiān)控。

• 支持快速規(guī)模化設備接入

EdgePro可為用戶提供諸如軸承、齒輪箱、泵、電機等現成可用的數據采集和傳感器參數模板。并可針對設備工況設置進入/退出機制，靈活地實現按需采集、靈活觸發(fā)、采樣率可調和波形長短可配的監(jiān)控策略，以解決客戶在制定設備監(jiān)測方案、傳感器選型和信號處理等方面遇到的挑戰(zhàn)。同時，還可支持批量化的設備添加和配置。

• 輕松打通機器學習模型云端到邊緣端一鍵部署

EdgePro可為旋轉機械類設備、電氣設備、結構監(jiān)測等相關應用場景提供現成可用的特征參數列表以及自定義特征接口，通過不斷豐富特征列表大大降低工業(yè)設備在健康管理、能耗優(yōu)化以及其他智能應用場景特征提取的需求門檻。同時可提供云端機器學習模型部署到邊緣智能終端的接口，有機實現云端與邊緣端的協(xié)同配合。

（2）EdgePro關鍵特性（如圖3所示）

圖3 EdgePro關鍵特性

2.5　數據通信

由于邊緣計算應用在邊緣側，有著天生的優(yōu)勢，使得數據在數據的源頭直接進行處理，降低數據處理的時延性；同時，邊緣計算對原始的信號數據進行特征提取、信號處理等數據加工，使數據降維，去除無效數據，有效地降低數據包的數據量大小。

（1）低延時

相比傳統(tǒng)的云計算，因為云計算架構中的數據鏈路通常都比較長，會經過本地控制網、本地管理網、互聯網、云機房、云服務器，若實時性要求很高的計算放在云平臺進行，由于數據傳輸的鏈路過程，通常延遲會很高，達到至少上百ms級乃至秒級以上的延遲，這樣的情況通常滿足不了實時性的要求。而邊緣計算天生就在數據的源頭，不需要經過龐大的數據鏈路，直接進行運算和分析，大大降低數據處理的時延性。

（2）減少數據傳輸

在設備預測性維護與健康管理的解決方案中，通常需要采集高采樣率的振動信號，常用的采樣率有12.8k、25.6k、51.2k等，這時每個設備產生的數據是龐大的，通常1秒能產生4~5MB的振動信號數據，這樣的數據量基本就占用了百兆級網絡的50%的帶寬，而通常一個網絡內會有幾十臺乃至上百臺的設備需要監(jiān)控和管理，這時數據的傳輸就會是瓶頸，即使是采用光纖網絡也滿足不了要求。所以采用邊緣計算方案可以有效地解決數據傳輸所需的帶寬問題，邊緣計算通過信號處理與特征提取技術，對數據進行降維處理，提取有效數據，通過邊緣計算可以將原始數據的大小壓縮幾十倍，甚至幾百倍，從MB級別的數據壓縮至kB級別的數據，大大壓縮了數據傳輸量，降低了數據傳輸的帶寬需求。

（3）數據壓縮傳輸

在數據傳輸過程中，使用數據壓縮技術對數據進行壓縮后傳輸，這樣降低數據包體的大小。采用數據壓縮技術，通常可以將數據壓縮到3~5倍，這樣加速數據的傳輸，提升傳輸效率。

2.6　安全措施

EdgePro提供健全的安全管理機制實現系統(tǒng)安全，主要安全機制如下：

（1）身份認證與鑒權

因為邊緣計算是一個多實體的計算范式，其中包含了很多功能實體，其復雜的異構特征帶來了很多的挑戰(zhàn)，所以邊緣計算中不僅每個實體都需要經過身份認證，而且實體之間都需要進行身份相互驗證。同時，系統(tǒng)能對每個身份進行權限的鑒別與分配。

（2）訪問控制

對資源的訪問過程進行實時控制，提升邊緣計算中系統(tǒng)安全性和保護用戶隱私，系統(tǒng)提供基于屬性的訪問控制和基于角色的訪問控制。

（3）數據傳輸安全

根據實際環(huán)境的需要，可以提升數據傳輸的安全級別，對數據進行加密傳輸，保護邊緣實體的數據隱私。

（4）數據存儲安全

對關鍵敏感數據進行加密存儲，對數據提取需經過身份認證，保護數據的存儲安全。

（5）運行安全

平臺整體以及邊緣計算模型都運行在獨立的容器之中，使系統(tǒng)及模型運行在沙盒之中，保護系統(tǒng)和模型在運行時不受入侵的威脅，保護系統(tǒng)及模型的運行安全。

（6）協(xié)議安全

平臺提供多種主流的工業(yè)協(xié)議的集成配置，支持Modbus、OPC-UA、HTTP、MQTT、AMQP等主流協(xié)議，屏蔽其他非主流協(xié)議，提升系統(tǒng)集成的安全。

（7）安全審計

平臺提供用戶的操作日志記錄，使用戶在平臺上的操作步步留痕，行為可追溯，提供安全審計數據，提升系統(tǒng)安全。

（8）容災和恢復

平臺提供分布式部署能力，依托于分布式架構天生的特性，避免出現單點故障，提升系統(tǒng)穩(wěn)定性。同時，系統(tǒng)支持主備式部署，當主服務器發(fā)生異常時，系統(tǒng)可實時切換至備用服務器，使服務無間斷運行，提升系統(tǒng)穩(wěn)定性。

3　代表性及推廣價值

面向臥式加工中心的邊緣計算軟硬件解決方案，實現了數據穩(wěn)定、合規(guī)、協(xié)同、靈活的采集、融合、預處理、傳輸和持久化。在Client端進行數據融合工況切割，只讓有效數據到達Server層，減少4G流量消耗的同時有效降低了服務器性能的需求，對多源異構數據的管理和對不同類型數采設備的遠程配置減低了開發(fā)部署和管理維護的難度，“零開發(fā)”的部署模式能夠大幅度降低工業(yè)智能落地的門檻。

這套解決方案能夠有效地針對機加工行業(yè)的特點，在技術成熟度和經濟成本方面具備業(yè)內領先水平。在如今大規(guī)模離散制造業(yè)進行下一代工業(yè)物聯與智能制造的升級過程中，此方案短期具有面向產線、車間、廠區(qū)推廣的價值，長期具有推廣至同行業(yè)其他企業(yè)的基礎條件。

摘自《自動化博覽》2020年11月刊