新聞動態導航圖

邊緣計算是干什么的?如何賦能智能制造?

2019-07-29151

無論IT端還是OT端的主流廠商都將目光聚焦在了“邊緣計算”這個焦點上,顯然,這并非是為了概念,對于OT廠商而言,傳統的控制系統任務聚焦在控制的實時性、穩定性,而隨著數據的需求變大,如圖1所示,包括了機器、產線、過程、基礎設施中的物流、質量、能源、運營維護等數據的集成,以獲得全局優化,這也的確需要更為開放、大容量支撐的數據處理架構來提供新的業務發展,因此,開始向著IT方向延伸,并推出其解決這些問題的邊緣計算方案。而IT端則借助于在通信網絡、軟件技術等,希望將其資源與工業場景融合,以實現市場的分攤,并尋找新的業務增長。

1-工廠數據的集成層次

本文試圖通過一些更為簡單的描述來闡述“邊緣計算”,避免過于專業的詞匯、復雜的模型。

簡要理解邊緣計算的維度

1.控制與計算的不同視角看邊緣計算

用一個簡單的例子來說明控制與計算的不同,1臺AGV小車沿著路徑運動,它運動的精度和速度由一個控制器來實現即可,這里的控制器采集物理的速度、位置信號,并對運動的速度、位置進行動態的調整,但是,100臺AGV小車在工廠里分布,然后如何最短路徑、且不與其它AGV碰撞,那么這個規劃算法就是一個“計算”的場景,在這個場景中,這個規劃算法核心在于為每個AGV制定調度策略,并給予指令,它的問題是在全局的層面,而不是單機層面,但也需要一定的實時性采集每個車輛的參數來運行。

類似的場景非常多,例如火車的調度、飛機的班次都屬于這類問題,另一類也包括優化問題,最優、最經濟、利益最大化的策略問題,但是,共同是基于全局的策略、規劃、優化、調度問題。

2.在物理與數字的邊界上工作的層

當然,也可以從另一視角,即,在整個智能制造中的層次架構來看,通過數字建模將整個制造的物理系統在數字世界對應的模型,然后,通過邊緣層進行實時的數據采集,將生產的現狀反饋給信息系統,在測試驗證、運行、維護的各個階段,都可以在虛擬系統中對制造的工藝、參數、策略進行優化,進而下載到物理系統,并且可以根據物理系統的變化在虛擬系統中進行調整,這是一個不斷交互的層面,因此,邊緣計算可以被理解為在數字與物理世界間的協作層。

3.靠近地面的云

云計算也很火熱啊!它和邊緣有什么區別呢?簡單的說,邊緣就是靠近地面(現場)的云,這個理解起來有幾個維度:

--時間維度:它的時間周期處于云的長時間周期(s,Day,Week,Month)和控制的短周期(mS-μS)之間,比如在100mS級別的任務,就像機器人協同的周期可以定義在mS級即可。

--職能維度:它比較了解現場,一方面,作為接近OT端的存在,它需要了解各種現場總線,解決數據的連接問題,而另一方面它需要有IT經驗,包括實時數據、歷史數據存儲、Web技術發布等,因此,邊緣計算是一個銜接現場控制與云端服務之間的架構層。

簡單說,邊緣計算就是位于工廠整體調度規劃軟件層與現場層之間,進行協同的基于信息的策略與優化問題。

哪些應用可以放在邊緣側進行計算?

1.資產與數據管理

當我們討論工業4.0那會,就討論了數據對象的問題,包括物流倉庫中的原材料、在制品(在線物流)、成品倉庫,這些都是要處于監測之下的,因為個性化生產需要精準的計量每個產品的質量、能源、機器、人工的消耗,而另一方面,包括你的設備資產處于的狀態也必須被監測到,這些都是需要處于透明狀態下的,否則,你都不知道你每天加工了多少個產品,而整個生產和產線的運營基準就是你要知道你的家底。

2-資產性能監測器的邊緣計算架構

2即是一個基于ABB Ability與現場設備集成的資產性能監測器的架構,可以通過邊緣側的數據采集、存儲到云端,除了本地實時顯示,也可以為遠程的移動端提供訪問,采用邊緣計算架構主要借助于IT成熟的網絡、軟件資源。

2.生產運營中的監測

OEE就是個最簡單的計算例子,你可能覺得它太簡單了,就是A*P*Q三個指標,而且就是“加減乘除”計算,是的,計算本來就是這樣的,難道非要微積分,高階函數、非線性才是計算嗎?

OEE對于制造企業非常關鍵在于,這個參數直接反映了生產的效率問題,如果你投資了10億建了生產線,然后它的OEE只有50%,你可以理解為這個生產線50%的時間在幫你賺錢,另外50%的時間在幫你浪費,而這個浪費的還比你賺錢快,你就知道OEE何其重要。

當然了,生產中的質量分析SPC-過程統計分析、帕累托圖之類都可以通過這些計算來呈現。

3-對于老工廠的性能數據統一集成

3是一個老工廠,可以通過多種方式集成數據,并應用于數據的管理,包括OEE的整體統計,便于生產運營人員對整個產線進行調整。

3.策略優化問題

舉個例子,印刷廠里接了A4、B5各種尺寸的訂單,但是,一般印刷機都是對開四色印花機,那么,這個訂單如何在一個紙張上最大的使用,就是一個“拼單”的問題,這個就是一個節省成本的算法,包括玻璃在線切割也是,一般玻璃產線出來的幅面比較大,而且在線檢測系統會對玻璃的質量進行監測,然后與訂單進行匹配,在線裁切出不同需求的,用于汽車行業的玻璃和用于建筑行業的玻璃自然品質要求不同,讓訂單與生產實時匹配也是一個邊緣應用場景。

4.智能協同

就像無人駕駛的場景,交通擁堵多半來自路口,而當綠燈亮的時候,每個人的反應速度不同,有的人甚至因為打電話而耽擱數秒才啟動,而如果采用統一的車-車之間的數據協同,每個車都可以同時啟動,就保持了交通的通常,而另一方面,當車-車間及時的數據交互,就會產生潛在風險的消除,因為保持車距的策略可以被執行。

邊緣協同就是扮演,通過數據的協同,保持車輛的同步啟動、等車距等安全、高效的交通調度,這樣就可以使得交通最大的優化,大幅度降低堵車的可能。

5.預測性維護問題

預測性維護在傳統上基于機理模型、機械失效分析等方法,往往需要復雜的建模、專業的人員,而通過邊緣側的數據采集、處理,基于數據驅動型的機器學習方法,充分發揮算法、模型的作用,借助于計算機的算力、學習能力來尋找最優的維護參數,并獲得更高的預測準確度。

根據行業屬性、現場工況、以及實際的運行參數,選擇合適的特征值,并進行學習,獲取最優的參數,以對機器的狀態進行故障預警,提高設備利用率,并降低宕機及其帶來的生產運營損失。

 

文章來源:信息化和軟件服務網


边拍视频边赚钱的软件