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

★中國科學院沈陽自動化研究所高鵬佩，宋純賀，曾鵬

摘要：工業(yè)互聯(lián)網(wǎng)是新一代網(wǎng)絡(luò)信息技術(shù)與制造業(yè)深度融合的產(chǎn)物，邊緣計算則能夠在靠近數(shù)據(jù)源的邊緣側(cè)，通過融合網(wǎng)絡(luò)、計算、存儲、應用等核心能力，就近提供邊緣智能服務(wù)，可以滿足制造業(yè)敏捷連接、實施優(yōu)化、安全可靠等方面的關(guān)鍵需求。本文首先介紹了工業(yè)互聯(lián)網(wǎng)邊緣計算的基本內(nèi)容，其次介紹了邊緣計算的發(fā)展過程，并詳細描述了典型的工業(yè)互聯(lián)網(wǎng)邊緣計算模型，最后指出了工業(yè)互聯(lián)網(wǎng)邊緣計算模型未來可能的突破方向。

1概述

工業(yè)互聯(lián)網(wǎng)是互聯(lián)網(wǎng)和新一代信息技術(shù)與工業(yè)系統(tǒng)全方位深度融合所形成的產(chǎn)業(yè)和應用生態(tài)，是工業(yè)智能化發(fā)展的關(guān)鍵綜合信息基礎(chǔ)設(shè)施，其本質(zhì)是以機器、原材料、控制系統(tǒng)、信息系統(tǒng)、產(chǎn)品以及人之間的網(wǎng)絡(luò)互聯(lián)為基礎(chǔ)，通過對工業(yè)數(shù)據(jù)的全面深度感知、實時傳輸交換、快速計算處理和高級建模分析，實現(xiàn)智能控制、運營優(yōu)化和生產(chǎn)組織方式變革。工業(yè)互聯(lián)網(wǎng)邊緣計算網(wǎng)絡(luò)是工業(yè)互聯(lián)網(wǎng)與邊緣計算結(jié)合的新型網(wǎng)絡(luò)，采用工業(yè)互聯(lián)網(wǎng)基礎(chǔ)架構(gòu)，在此基礎(chǔ)上加入邊緣計算網(wǎng)關(guān)、邊緣計算控制器和邊緣云，通過邊緣計算技術(shù)，降低工業(yè)現(xiàn)場的復雜性，提高工業(yè)數(shù)據(jù)計算的實時性和可靠性，形成更為先進和優(yōu)化的工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò)解決方案。

雖然邊緣計算出現(xiàn)的時間較晚，但其思想早已在工業(yè)生產(chǎn)過程中得以實踐。早在1996年10月，東北大學趙海教授基于工業(yè)現(xiàn)場總線的實踐，研發(fā)了開放式網(wǎng)絡(luò)設(shè)備互聯(lián)（OpenNetworksDeviceConnectivity，ONDC）設(shè)備。2000年8月，斯坦福大學的一位教授研制出世界上最小的一個（固化）Web服務(wù)器，命名為“Webit”，并于2001年9月出版了一本名為《嵌入式Internet》的專著。Webit硬件外觀如圖1所示。

圖1Webit硬件外觀

與目前出現(xiàn)邊緣計算的原因類似，20世紀90年代計算機網(wǎng)絡(luò)數(shù)據(jù)傳輸速度很慢，難以滿足工業(yè)現(xiàn)場實時數(shù)據(jù)分析和控制的需求。依據(jù)當時生產(chǎn)現(xiàn)場的實際需求，Webit將一些數(shù)據(jù)分析和控制邏輯功能進行固化封裝，用戶可以登錄到Webit上查看數(shù)據(jù)情況以及進行現(xiàn)場控制。在物聯(lián)網(wǎng)的相關(guān)概念尚未提出之前，Webit的邊緣計算思想無疑是超前的。隨后，1998年阿卡邁（Akamai）公司提出了內(nèi)容分發(fā)網(wǎng)絡(luò)（ContentDeliveryNetwork，CDN），依靠部署在各地的緩存服務(wù)器，通過中心平臺的負載均衡、內(nèi)容分發(fā)、調(diào)度等功能模塊，將用戶的訪問指向距離最近的緩存服務(wù)器上，以此降低網(wǎng)絡(luò)擁塞，提高用戶訪問響應速度和命中率。2003年，IBM開始在WebSphere上提供基于Edge的服務(wù)。2004年新加坡信息通信研究所發(fā)表了關(guān)于邊緣計算的學術(shù)論文。隨著5G和物聯(lián)網(wǎng)的發(fā)展以及智能終端設(shè)備的不斷普及，網(wǎng)絡(luò)邊緣側(cè)數(shù)據(jù)的爆發(fā)式增長推動了邊緣計算的發(fā)展。2014年歐洲ETSI成立移動邊緣計算（MobileEdgeComputing，MEC）標準化工作組；同年，AT&T、思科（Cisco）、通用電氣（GE）、IBM和英特爾（intel）成立工業(yè)互聯(lián)網(wǎng)聯(lián)盟（IndustrialInternetConsortium，IIC）；2015年，ARM、思科、戴爾、英特爾、微軟和普林斯頓大學建立開放霧聯(lián)盟（OpenFogConsortium）；2016年，IEEE和ACM共同發(fā)起了邊緣計算研討會（IEEE/ACMSymposiumonEdgeComputing，SEC）；同年，國內(nèi)工業(yè)、信息通信業(yè)、互聯(lián)網(wǎng)等領(lǐng)域百余家單位共同發(fā)起成立工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟；中國科學院沈陽自動化研究所、中國信息通信研究院、華為技術(shù)有限公司、英特爾、ARM、軟通動力等單位聯(lián)合發(fā)起成立了邊緣計算產(chǎn)業(yè)聯(lián)盟（EdgeComputingConsortium，ECC），并于2018年發(fā)布了邊緣計算參考架構(gòu)3.0；2017年，中國自動化學會成立了邊緣計算專業(yè)委員會。此后工業(yè)互聯(lián)網(wǎng)邊緣計算在國內(nèi)得到了蓬勃的發(fā)展。

針對不同的業(yè)務(wù)需求，需要構(gòu)建面向不同計算需求的邊緣計算數(shù)據(jù)處理模型和參考架構(gòu)。工業(yè)互聯(lián)網(wǎng)中邊緣計算可應用在多個場景，但不同的場景對計算能力需求不同，包括流式數(shù)據(jù)分析、智能計算和實時控制等，因此需要設(shè)計不同的數(shù)據(jù)處理模型和統(tǒng)一的邊緣計算架構(gòu)。而面對大規(guī)模的復雜時變場景和超低時延的邊緣業(yè)務(wù)環(huán)境時，邊緣計算也需要流式數(shù)據(jù)分析、數(shù)據(jù)挖掘、智能計算和實時控制等面向不同計算任務(wù)的邊緣節(jié)點運行和處理的計算模型，以解決QoS保障的邊緣側(cè)在有限計算資源條件下進行的數(shù)據(jù)分析、智能計算和分布式控制問題。

2典型的工業(yè)互聯(lián)網(wǎng)邊緣計算模型

工業(yè)互聯(lián)網(wǎng)邊緣計算模型對工業(yè)互聯(lián)網(wǎng)邊緣計算系統(tǒng)的高效運行有著重要意義。下面分析幾種面向不同應用場景的工業(yè)互聯(lián)網(wǎng)邊緣計算模型。

（1）流數(shù)據(jù)邊緣計算模型及其體系結(jié)構(gòu)

邊緣計算節(jié)點進行解耦分析、萃取與事件生成，節(jié)點匯總一定時間段內(nèi)事件，以生成事件集，并與其他邊緣計算節(jié)點進行事件融合分析，生成綜合事件后，發(fā)送系統(tǒng)中心進行集中處理。處理結(jié)果由系統(tǒng)中心反饋于相應邊緣計算節(jié)點后，以流式數(shù)據(jù)形式輸送到生產(chǎn)設(shè)備。邊緣計算節(jié)點根據(jù)原始生產(chǎn)數(shù)據(jù)，于前端進行數(shù)據(jù)清洗、集成，并根據(jù)本地知識庫進行數(shù)據(jù)挖掘與聚類分析。根據(jù)前端數(shù)據(jù)挖掘結(jié)果與模式評估，快速提供數(shù)據(jù)挖掘服務(wù)，以響應實時生產(chǎn)需求。邊緣計算節(jié)點同時將清洗后的數(shù)據(jù)，根據(jù)系統(tǒng)中心規(guī)則傳輸至系統(tǒng)中心內(nèi)數(shù)據(jù)倉庫，進行綜合數(shù)據(jù)集成后，于系統(tǒng)中心進行綜合數(shù)據(jù)挖掘。系統(tǒng)中心根據(jù)數(shù)據(jù)挖掘結(jié)構(gòu)，結(jié)合人工智能與機器學習算法，更新綜合知識庫，并對分布式邊緣計算節(jié)點知識庫進行同步更新。流數(shù)據(jù)分析邊緣計算模型整體結(jié)構(gòu)如圖2所示。

圖2流數(shù)據(jù)分析邊緣計算模型

系統(tǒng)中心根據(jù)邊緣計算節(jié)點產(chǎn)生事件行為，并構(gòu)建出一個連通邊緣計算節(jié)點的實時計算的圖狀拓撲結(jié)構(gòu)。系統(tǒng)中心向各邊緣計算節(jié)點分發(fā)代碼，將任務(wù)分配給各節(jié)點執(zhí)行。邊緣計算節(jié)點將數(shù)據(jù)流分段形成數(shù)據(jù)元組，并對其進行過濾、解耦，形成單元事件。時間相關(guān)事件可形成事件集，由圖狀拓撲結(jié)構(gòu)進行事件綜合分析與融合后，形成綜合事件輸入系統(tǒng)中心進行處理。結(jié)果反饋回邊緣計算節(jié)點后，轉(zhuǎn)化為流式數(shù)據(jù)，用于控制終端智能生產(chǎn)設(shè)備。數(shù)據(jù)分析體系架構(gòu)如圖3所示，流數(shù)據(jù)邊緣計算模型及其體系結(jié)構(gòu)實現(xiàn)了流數(shù)據(jù)的邊緣側(cè)分析，不需要將原始數(shù)據(jù)上傳至服務(wù)器，僅需要將分析結(jié)果上傳至服務(wù)器進行存儲，從而顯著提升了邊緣側(cè)數(shù)據(jù)分析的比率。

圖3流數(shù)據(jù)分析邊緣計算體系架構(gòu)

（2）機器學習邊緣計算模型及其體系結(jié)構(gòu)

機器學習邊緣計算模型主要解決了在邊緣側(cè)有限計算資源條件下完成QoS保障的智能計算問題。其中智能體的核心是智能決策模型，通過接收外部環(huán)境的激勵信息和狀態(tài)信息，并根據(jù)決策規(guī)則執(zhí)行一定的策略和行為。這些策略和行為將影響外部環(huán)境信息以及給予智能體的激勵信息，同時綜合重構(gòu)指標、策略和基礎(chǔ)、驗證數(shù)據(jù)庫中的數(shù)據(jù)信息，對決策模型進行循環(huán)重構(gòu)。機器學習邊緣計算模型的整體結(jié)構(gòu)如圖4所示。

圖4機器學習邊緣計算模型

外部環(huán)境的激勵信息和狀態(tài)信息發(fā)送至智能體，智能體根據(jù)決策規(guī)則執(zhí)行一定的策略和行為，并將這些策略和行為發(fā)送至仿真器，仿真的這些策略和行為將影響外部環(huán)境信息以及給予智能體的激勵信息。仿真器的結(jié)果將首先形成訓練序列發(fā)送給深度學習模型，深度學習模型根據(jù)這些信息進行訓練，以便識別智能體的行為是否對系統(tǒng)有利。深度學習模型置于加速器中，采用分布式算法對各個子模型在特定的重構(gòu)指標下進行模型壓縮重構(gòu)。基于機器學習邊緣計算模型及其體系結(jié)構(gòu)實現(xiàn)了原始數(shù)據(jù)的邊緣處理，僅需要將處理結(jié)果上傳至云端，從而在邊緣側(cè)利用有限計算資源完成QoS保障的智能計算的前提下，顯著提升了邊緣側(cè)數(shù)據(jù)分析的比率。機器學習邊緣計算架構(gòu)的具體內(nèi)容如圖5所示。

圖5機器學習邊緣計算架構(gòu)

（3）分布式控制邊緣計算模型及其體系結(jié)構(gòu)

針對網(wǎng)絡(luò)化協(xié)同制造中設(shè)備分布式控制的需求設(shè)計實時控制模型，每個設(shè)備（智能體）接收來自現(xiàn)場的事件信息，并結(jié)合高層策略信息對智能體的輸出行為進行控制，然后智能體基于自身的決策支持智能來進行行為控制。決策支持智能包括系統(tǒng)結(jié)構(gòu)模塊、系統(tǒng)行為模塊以及專家系統(tǒng)。決策支持智能將決策發(fā)送至控制器，控制器結(jié)合外部輸入對設(shè)備進行控制。分布式控制邊緣計算模型整體架構(gòu)如圖6所示。

圖6分布式控制邊緣計算模型

實時控制的控制核心是分布式多智能體的協(xié)同控制。在此過程中，物理過程的信息首先發(fā)送至底層控制器，從而形成底層控制信息，這些控制信息是可以交互的。同時，底層控制信息可以通過控制接口發(fā)送至智能體，形成智能體高層控制信息。根據(jù)系統(tǒng)的具體需求，高層控制信息可以在各個智能體之間交互，以便完成分布式多智能體的協(xié)同控制，從而有效提升邊緣側(cè)控制的實時性。分布式控制邊緣計算體系結(jié)構(gòu)的具體內(nèi)容如圖7所示。

圖7分布式控制邊緣計算體系結(jié)構(gòu)

3未來可能的突破方向

邊緣計算作為一種計算下沉的新型計算范式，能夠彌補云計算的不足，助力智能化和海量數(shù)據(jù)處理在邊緣側(cè)的實現(xiàn)，它將會是未來的一大研究熱點。“云-邊-端”基礎(chǔ)設(shè)施隨著海量智能設(shè)備在存儲、計算、安全、傳輸?shù)确矫婺芰Φ纳墸Y源配置趨于下沉，與“端”距離更近。與云計算相比，邊緣計算是從數(shù)據(jù)源頭入手，以“實時、快捷”的方式與“云計算”進行應用互補。

3.1邊緣計算環(huán)境中的高效數(shù)據(jù)處理

隨著硬件資源的飛速提升，同時邊緣環(huán)境的資源十分有限，如何實現(xiàn)將新型硬件集成到邊緣而不引入過多開銷，從而極大地加速邊緣數(shù)據(jù)分析是一個問題；在邊緣環(huán)境下對數(shù)據(jù)處理的需求日益提升，能否探索一種不依賴云的輕量級數(shù)據(jù)處理框架也是一大突破點；邊緣計算引起了計算模型“去中心化”的趨勢，協(xié)同計算將是未來技術(shù)的發(fā)展方向；海量終端將對人工智能、機器學習等技術(shù)產(chǎn)生影響，探究邊緣加速AI模型訓練推理等也將是一大熱點。

3.2邊緣計算環(huán)境下的高效資源管理

邊緣應用程序的多樣化和智能化將促進微內(nèi)核技術(shù)的發(fā)展，方便算法、模型等嵌入到海量設(shè)備的固件當中，使前端智能更具發(fā)展前景；容器技術(shù)由于其資源占用低、易于打包交付、靈活遷移、彈性部署和快速啟動等特性將在邊緣大放異彩；邊緣計算的基礎(chǔ)設(shè)施是眾多的海量終端設(shè)備，相對而言比面向云計算中心虛擬化后的同質(zhì)設(shè)備更具多樣化，探索一種異構(gòu)邊緣計算平臺將更有利于資源管理。

3.3邊緣計算環(huán)境中計算確定性保障

工業(yè)互聯(lián)網(wǎng)智能制造邊緣計算的關(guān)鍵需求是邊緣應用的實時性和確定性。但是邊緣計算環(huán)境存在計算資源分布式、零散化網(wǎng)絡(luò)動態(tài)性和測量噪聲等特征，并且一般為兼有離散事件和連續(xù)變量等運行機制的混雜系統(tǒng)，同時邊緣計算任務(wù)常存在高并發(fā)的特點，導致邊緣計算任務(wù)時序復雜難以同步、計算結(jié)果確定性難以保證。因此如何針對計算資源的零散性、異構(gòu)性、動態(tài)性、系統(tǒng)的混雜性以及計算任務(wù)的高并發(fā)性的特點，構(gòu)建支持分布式混雜系統(tǒng)和高并發(fā)任務(wù)的邊緣計算模型，保證邊緣計算結(jié)果的確定性，是工業(yè)互聯(lián)網(wǎng)智能制造邊緣計算面對的一個挑戰(zhàn)。

3.4邊緣計算環(huán)境中的編程問題

工業(yè)互聯(lián)網(wǎng)中邊緣計算環(huán)境中的計算、網(wǎng)絡(luò)和存儲等資源的異構(gòu)性、動態(tài)性、分布式和零散化等特性，使得邊緣設(shè)備資源的動態(tài)調(diào)整對軟件的動態(tài)性和可伸縮性要求提升，多種異構(gòu)資源共存的復雜系統(tǒng)對軟件的可組合性與模塊化程度需求提高，傳統(tǒng)集中式應用程序的開發(fā)模式難以滿足邊緣計算場景的需求。如何解決面向工業(yè)互聯(lián)網(wǎng)中分布式邊緣設(shè)備的異構(gòu)行為統(tǒng)一建模與編程問題，實現(xiàn)統(tǒng)一的編程與開發(fā)環(huán)境，提升編程系統(tǒng)在部署、調(diào)試和運行各類應用時的資源利用率，降低部署和維護的難度和時間，是工業(yè)互聯(lián)網(wǎng)智能制造邊緣計算面對的一個挑戰(zhàn)。

4結(jié)論

工業(yè)互聯(lián)網(wǎng)存在多個應用場景，并對時延、安全、性能和自管理等有著很高的要求，邊緣計算可以滿足工業(yè)互聯(lián)網(wǎng)的相關(guān)需求。本文介紹了邊緣計算的基本情況和典型的工業(yè)互聯(lián)網(wǎng)邊緣計算模型，并探討了邊緣計算未來可能在工業(yè)互聯(lián)網(wǎng)環(huán)境中的高效數(shù)據(jù)處理、高效資源管理、計算確定性保障以及編程等方向的突破，希望為工業(yè)互聯(lián)網(wǎng)邊緣計算模型的設(shè)計提供參考。

作者簡介：

高鵬佩（1999-），男，山西忻州人，碩士，現(xiàn)就讀于中國科學院沈陽自動化研究所，研究方向為邊緣計算。

宋純賀（1981-），男，遼寧鞍山人，研究員，博士，現(xiàn)就職于中國科學院沈陽自動化研究所，研究方向為邊緣計算。

曾鵬（1976-），男，遼寧沈陽人，研究員，博士，現(xiàn)任中國科學院沈陽自動化研究所副所長，研究方向為工業(yè)互聯(lián)網(wǎng)、邊緣計算。

摘自《自動化博覽》2023年第2期暨《邊緣計算2023專輯》