索提斯云智控科技(上海)有限公司
1 目標和概述
5G通信、人工智能、云計算等技術的應用與逐漸普及,給制造業發展帶來了巨大的變革。根據工業和信息化部發布的《智能制造發展規劃(2016-2020)》,國家正在加快推進制造業逐步向智能制造轉型的進程。《規劃》提出智能制造實施“兩步走”戰略:
第一步,到2020年,智能制造發展基礎和支撐能力明顯增強,傳統制造業重點領域基本實現數字化制造,有條件、有基礎的重點產業智能轉型取得明顯進展;第二步,到2025年,智能制造支撐體系基本建立,重點產業初步實現智能轉型。
該方案的目標主要有以下幾個方面:
(1)驗證通信標準、5G應用,以及構建智能工廠所需的IT與OT融合的技術。
(2)以物聯網技術與5G應用為主線,將新一代信息技術,如邊緣計算、人工智能、深度學習等,與制造領域的系統深度融合。
(3)建立云-邊-端一體化系統架構。
(4)探索OT領域的信息生態應用,制定OT網絡接入標準(協議、數據接口規范等)。
(5)驗證以5G、信息技術主導傳統制造產業的協同創新應用及相關技術。
2 方案介紹
該方案采用云-邊協同架構,云端包括基于云的設施即服務(IaaS)、軟件即服務(SaaS)、平臺即服務(PaaS)三部分,提供在云中的應用程序開發和管理,云計算平臺采用OpenStack相關組件實現云基礎服務架構。如圖1所示。
邊緣側包括云邊協同、邊緣計算、系統支撐三部分,實現集中化的資源使用、監控和運維等。如圖2所示。
圖1 解決方案云端架構圖
圖2 解決方案邊緣側架構圖
系統框架如圖3所示。
圖3 系統框架圖
該方案通過邊緣網關將云與端的數據打通,通過IoT平臺及邊緣網關將OT與IT打通,IoT平臺既可與制造執行系統(Manufacturing ExecutionSystem,MES)、倉庫管理系統(Warehouse Management System,WMS)、企業資源計劃(Enterprise Resource Planning,ERP)等IT系統進行通訊與交互,也可通過邊緣網關與OT設備交互,進行數據采集,它是數據的匯總與處理中心。智能運營中心(Intelligent Operations Center,IOC)負責數據的展示和綜合運用。
2.1 IoT平臺
通過對MES系統、倉儲系統、裝配系統、質檢系統、行為異常識別系統、環境檢測系統、設備健康及預測性維護系統、邊緣網關的通訊集成,實現OT與IT系統間數據共享,為上層業務系統實現協同化,智能化提供前提。其部分業務功能如表1所示。
表1 IoT平臺部分業務功能
主要技術特點有:
(1)支持多種消息隊列實現:Kafka、RabbitMQ。
(2)支持多種協議:MQTT、HTTP和CoAP。
(3)可基于設備和應用收集數據并進行可視化。請求構建工作流。
(4)可基于生命周期事件、RESTAPI事件、RPC
(5)可基于規則引擎自定義功能。
(6)可發布設備數據至第三方系統。
(7)微服務架構,支持本地部署及云部署。
(8)完善的認證機制,數據可以進行加密傳輸,確保安全性。
運行環境:跨平臺,部署在可運行JVM的設備上,數據庫為“關系數據庫+時序數據庫”,內存>4G。
2.2 IOC運營中心
IOC運營中心為運維管理人員構建統一的、業務清晰的數據展示平臺,可為各子系統進行參數配置、數據查詢、監控,為問題分析、決策調度、運營效率提升提供極大便利。
表2是需展示的部分數據列表。
表2 IOC運營中心部分數據展示列表
主要技術特點有:
(1)支持多數據源,支持REST API、WebSocket及流式數據。
(2)可拖拽式生成大屏頁面。
(3)可加密發布、動態鑒權。
(4)前后端分離,支持本地部署及云部署。
(5)完善的認證機制,數據可以進行加密傳輸,確保安全性。
運行環境:跨平臺,部署在可運行JVM的設備上,數據庫為關系數據庫,內存>4G。
2.3 邊緣計算模塊
(1)主要用于連接各種設備并進行數據采集,同
時可以根據用戶配置將采集的數據進行存儲和轉發。
(2)該設備支持多種協議,能連接多種設備,主
要用于解決工業現場設備種類繁多、難以進行統一數據
采集的問題。
(3)該設備還具備簡易PLC的功能以及SCADA功能。
(4)其主要技術特點如下:
·支持5G;
·4核處理器,4G以上內存;
·支持RS485、RS232、Modbus、Ethernet、USB等接口;·支持HDMI2.0顯示接口;
·支持數據存儲;
·自帶SCADA系統,支持用戶自定義邏輯控制功能;IP、MQTT、OPCUA;
·支持協議:ModbusRTU、ModbusTCP、TCP/
·自帶PLC功能,并可外接PLC擴展模塊;
·支持Linux操作系統及部署容器化應用;
·完善的認證機制,數據可以進行加密傳輸,確保安全性。
2.4 AI算法平臺
為了解決繁多的AI工具安裝配置、數據準備、模型訓練慢等困擾AI工程師的諸多難題,通過引入AI算法建模平臺,實現數據管理、數據分析、算法開發、模型訓練、模型部署和服務發布等功能需求統一集成到一個開發環境中,一站式地完成AI應用開發任務,降低AI應用的開發難度,提高AI場景化應用的設計能力和部署服務能力。主要包含以下功能模塊:
(1)數據治理
·數據收集;
·數據清洗;
·數據標注等功能。
(2)模型構建/算法開發
·預置模型,支持視覺類任務類型的開發模板;
·支持多引擎框架(Jupyter Notebook、Sklearn、TensorFlow、PyTorch、Spark等);
·支持拖拉拽式算子建模等。
(3)模型訓練
·機器學習、深度學習、自動學習等;
·模型評估,多指標多角度對訓練的模型進行評價。
(4)模型管理
·模型版本管理;
·模型轉換;
·模型評估;
·模型監控。
(5)模型部署
·一鍵部署、支持高并發、低延遲、多模型灰度發布、A/B測試、在線監控、在線推理;
·私有化部署,服務器端SDK(多平臺、多語言支持),Docker容器化部署;
·設備端部署,模型量化壓縮、云邊端多場景部署和推理。
(6)服務管理
·在線服務;
·批量服務;
·邊緣服務。
2.5 智能質檢系統
智能質檢系統對泵體裝配圖像采集進行自動判別是否有錯裝和漏裝,同時滿足邊緣設備的接入和數據管理要求;工業相機連接邊緣設備后可以實現終端設備的數據采集、存儲、分析、清洗并上報設備數據至云端服務器,邊緣設備應支持MQTTS、Modbus等協議接入到邊緣計算節點,并可通過邊緣管理平臺進行應用集成和業務擴展功能,實現設備的管理和智能控制。
其基本架構如圖4所示。
圖4 智能質檢系統基本架構圖
3 代表性及推廣價值
該方案解決的是IT與OT之間的融合問題,在工業制造領域具有普遍性。目前正在實施的用戶是具有顯著示范效應的行業龍頭企業。IT與OT的融合,將顯而易見地對企業智能制造有所促進,提高企業的生產效率和數據應用效率。
摘自《自動化博覽》2022年2月刊