邊緣計算（Edge Computing）正在迅速成為工業(yè)物聯(lián)網(wǎng)（Industrial IoT）最關鍵的組成部分，以取代大型制造業(yè)企業(yè)中使用的云系統(tǒng)（計算資源集中化架構）。

邊緣計算的處理能力更靠近設備或數(shù)據(jù)源，融合網(wǎng)絡、計算、存儲與應用等功能，滿足行業(yè)在實時業(yè)務、應用智能、安全隱私等方面的需求。根據(jù)Futurum研究的調查，超過90%的制造業(yè)企業(yè)認為邊緣計算技術有助于提高生產(chǎn)效率和優(yōu)化業(yè)務流程。

1

在過去十幾年里，物聯(lián)網(wǎng)（IoT）及其描繪的美好前景開始呈現(xiàn)：所有物品，比如傳感器、執(zhí)行器或者是貼上RFID的各種資產(chǎn)，都可以連接到互聯(lián)網(wǎng)，每個物品都可以發(fā)送數(shù)據(jù)到云端，然后在云端進行數(shù)據(jù)的聚合和分析，并在各種先進算法模型的支持下，比如深度卷積神經(jīng)網(wǎng)絡（DCNN），輸出輔助決策。

如今，物聯(lián)網(wǎng)已經(jīng)深度融入了我們的生活，比如小米的米家APP，三星的SmartThings APP，可以接入門鈴、報警器、電動牙刷、跑步機、窗簾、電視、冰箱等各類物品，并在實現(xiàn)基本功能的基礎上，提供諸如遠程控制、智能互聯(lián)和智能提醒等高級功能。

工業(yè)領域的使用場景則不一樣，比如一個中型制造企業(yè)會有數(shù)以千計的設備和數(shù)以萬計的傳感器，如果所有設備和傳感器連接到互聯(lián)網(wǎng)并每秒采集一次狀態(tài)數(shù)據(jù)，然后把數(shù)據(jù)上傳到云端進行運算，這一過程將會產(chǎn)生大量的數(shù)據(jù)，如果不對現(xiàn)有的網(wǎng)絡進行升級，傳輸這些數(shù)據(jù)所需的帶寬可能遠遠超過許多工廠的可用帶寬，這就意味著需要進一步增加成本進行網(wǎng)絡升級和擴容。

安全性是另一個大問題，大部分工廠的設備管理人員并不樂意接受把機床、機器人等設備的數(shù)據(jù)和空調、冰箱等電器的數(shù)據(jù)一起通過互聯(lián)網(wǎng)連接到云端的概念。為防止發(fā)生竊取信息或者破壞工廠運行等極端情況發(fā)生，某些大型制造業(yè)企業(yè)更是明文規(guī)定禁止將任何生產(chǎn)設備/測試設備暴露在互聯(lián)網(wǎng)中。

試想一下，如果某整車廠的生產(chǎn)線被勒索軟件遠程停機，停機造成的損失是20萬人民幣/分鐘，而此時人機界面上跳出的畫面是如果要重啟生產(chǎn)線，必須轉賬4位數(shù)的比特幣贖金到開曼群島的賬戶，作為工廠管理人員，你該如何選擇？

網(wǎng)絡延遲同樣是一個重要因素，在日常生活中，如果因為網(wǎng)絡出現(xiàn)小故障導致智能溫控器延遲幾秒鐘才調低空調的溫度，你雖感不適但還是可以接受。但是在工業(yè)場景中，延遲幾秒鐘才收到傳感器的故障信號不光會導致生產(chǎn)大量的殘次品，某些情況下還會造成生產(chǎn)事故。

2

上述所有問題都要求一種更加智能的架構，在該架構下：

1.數(shù)據(jù)可以留在工廠

2.不允許入站連接

3.“零”網(wǎng)絡延遲

邊緣計算技術可以解決這些問題，而且隨著技術的發(fā)展，邊緣計算的運算能力越來越高，從而可以連接并管理更加復雜的設備，另一方面，隨著成本的下降和商業(yè)的普及從而可以在工廠內部署越來越多的邊緣計算設備，實現(xiàn)無所不在的連接和計算。比如基于樹莓派（Raspberry Pi）和其他類似平臺的邊緣計算設備的性價比在以指數(shù)級增長，搭配上合適的存儲空間，可以廣泛應用于各類不同的工業(yè)場景。

使用邊緣計算技術可以即時處理就近設備的數(shù)據(jù)并禁止來自互聯(lián)網(wǎng)的入站連接，與此同時，聚合各類數(shù)據(jù)形成的報表和報警仍可以上傳到云端用于訓練并改進機器學習模型，從而提高諸如設備預測性維護、質量視覺檢測等功能的準確度。

相比于把所有設備數(shù)據(jù)傳輸?shù)皆贫诉M行集中運算和存儲的架構，邊緣計算-本地處理+云計算-模型優(yōu)化無疑更適合于工業(yè)場景。

從端到邊，有一些問題必須解決，比如設備老舊，接口不開放；或者現(xiàn)場總線種類繁多，比如光IEC 61158標準就有19種現(xiàn)場總線；外加傳感器種類多，采集維度多；對于同一種數(shù)據(jù)，不同設備廠家的定義不一致，缺乏統(tǒng)一的設備信息模型。

在邊緣（采用虛擬化技術）層，通過采集機器人的各項數(shù)據(jù)（電流/電壓/扭矩/溫度/速度/位置/運行狀態(tài)/報警代碼/……），然后對數(shù)據(jù)進行聚類分析和特征提取，可以生成機器人的“電子指紋”，隨著數(shù)據(jù)的累積，實現(xiàn)的功能也會更加智能，比如第1天（機器人實時狀態(tài)監(jiān)控和報警管理）→第15天（機器人停機分析）→第30天（機器人預測性維護）。

在云層，實現(xiàn)通過對邊緣層上報的數(shù)據(jù)訓練模型或者形成知識庫，同時也會給一些新的商業(yè)模式提供條件，比如筆者在《60年機器人新勢：科技產(chǎn)業(yè)融合、商業(yè)模式換道》中提到的“技術趨勢1：機器人和信息系統(tǒng)的融合商業(yè)變革1：提供產(chǎn)品→提供服務”。

3

工業(yè)物聯(lián)網(wǎng)的絕對市場容量和增長率非常巨大，正在以超出大家預期的速度向各個行業(yè)滲透，其在整體物聯(lián)網(wǎng)產(chǎn)業(yè)中的占比也將穩(wěn)步提高。相關研究機構預測，工業(yè)物聯(lián)網(wǎng)的占比將從2016年的18%提高到2020年的25%。

國內機器人上云的市場還處于比較早期的階段，滲透率很低，隨著機器人保有量的快速增長和相關技術的成熟以及標準的普及，相信該市場會有飛速的增長。以機器人為代表的OT技術和以邊緣計算為代表的IT技術深度融合，也必然會為我們解決目前生產(chǎn)制造過程中遇到的問題提供更多的可能性。