边缘计算为什么重要?

随着数字化转型的深入,边缘计算开始进入落地阶段

《财经》记者 

韩舒淋 | 文  马克 | 编辑

 

今年的德国汉诺威工业展和中国上海工博会上,工业4.0、数字化双胞胎这些概念已经逐渐深入人心,不再新鲜。制造业的数字化转型需求逐渐深入到更加细分、深入的环节,其中一个典型趋势是边缘计算开始落地。

几乎所有的巨头都在提边缘计算。如同制造业的数字化转型市场不仅吸引了传统的工业巨头,互联网、IT巨头也在深度入局一样,在边缘计算领域,各方领头羊也都未缺席,而且开始推出专用的产品,并且彼此之间深度合作。

边缘计算是一个相对于中心化的云计算的概念。不同机构对其定义不尽相同,一般而言,它是为开发者在靠近用户、数据源的网络边缘侧提供的具备计算、存储、网络的开发平台。具备边缘计算能力的设备可以多种多样,如工业电脑(IPC)、网关、可编程逻辑控制器(PLC)都可以成为边缘计算设备,这些设备本身需要具备存储和计算能力,内置特定的算法和软件,通讯方式也多种多样。边缘计算设备一侧与直接产生数据的物理设备连通,另一侧则可以将处理过的数据上传到云端。

边缘计算设备往往需要具备较强的数据处理能力。以工业电脑产品为例,不同型号的尺寸从约电脑主机大小至约手机包装盒大小不一,最新的工业电脑典型配置中已经内置英特尔i7处理器。

 

边缘计算之所以存在,是因为它承担了与云计算不同的功能。在制造现场,产生的数据多样而繁杂,然而并非所有数据都需要上传到云端进行分析、处理。一方面带来流量、带宽的需求,背后是使用云服务的费用问题;此外,公司对上传所有数据到云端也存在数据安全的担忧。

更重要的在于数据如何进行利用。现场的数据,有的是无效信息,譬如设备在生产间隔期间的数据,往往就不需要全部上传,而是需要经过截取处理;有的数据需要立刻处理,譬如一些硬件产品的实时检测预警信息反馈要求在毫秒级,而上传到云端进行处理再反馈到现场的时延可能达到秒级,全部通过云端来分析就会大大延缓现场的生产效率,这就需要靠近数据源的边缘设备来进行处理。

一般而言,对实时性要求不高的、与报表有关的一段时间周期内的生产数据,往往会上传到云端进行分析;而与生产节拍密切相连、实时性要求高数据分析,往往就需要在边缘计算环节来完成。随着制造业的数字化转型不断深入,对数据在不同场景下如何进行不同的分析从而挖掘其价值也在逐渐明晰,边缘计算的重要性因而逐渐凸显。

 

边缘计算技术横跨IT(信息技术)、OT(运行技术)和CT(通讯技术)多个领域,要落地离不开不同领域公司之间的密切合作,各取所长。过去一年里,不同相关行业的领头羊都开始推出专门针对边缘计算的产品,这一并不新鲜的概念刚刚开始进入落地阶段。

传统的工业巨头如西门子、三菱都在今年推出了专门针对边缘计算的产品和平台。今年4月,西门子推出Industrial Edge数字化平台,预置了大量数据处理、可视化和传输的应用程序,西门子自身的工业电脑可以使用该平台,也可以部署在第三方硬件上;今年6月,三菱推出了其面向边缘计算的工业电脑(MELIPC系列),在9月的工博会现场,《财经》记者看到,通过内置的AI算法,可以快速实现对实时生产的波形进行诊断和预警。

软件公司也在布局,全球两大公有云基础设施服务商(IaaS)亚马逊和微软都在今年加速了边缘计算的部署。2017年6月,亚马逊公开发布AWS Greengrass,该软件可以实现在本地互联设备上进行数据计算、收发等功能,事实上正是亚马逊的边缘计算平台;2018年6月,微软将其Azure IoT Edge(物联网边缘)服务平台开源,该服务要实现的同样是将云分析和业务逻辑转移到本地设备上。

不过,亚马逊和微软都只做软件,不涉及硬件产品。其服务要落地,离不开生产边缘设备的硬件公司,如前述的西门子、三菱,也如生产通讯设备如网关的华为。在边缘计算领域,软硬结合促进数字化转型的趋势再一次体现。

除了边缘设备,内置的软件、算法,还有一个不可或缺的因素是通讯。由于对通讯实时性更高的要求,以及现场复杂多样的总线协议标准,边缘计算要能发挥作用,需要通讯满足跨平台、低时延的要求。

在今年4月的汉诺威期间,包括华为在内的超过20家国际组织和厂商联合发布了TSN(时间敏感网络)+OPC UA智能制造测试床(testbed),其中OPC UA是一种跨平台的工业标准传输协议,它可以解决不同自动化厂商生产的产品之间数据传输标准不兼容的问题,华为的TSN交换机则提供了高可靠性和低时延的工业控制网络。二者结合,实现不同设备的数据互相协作,华为称其为打通工业互联网的“最后一公里”。

 

边缘计算社区-专为边缘计算而生、(Edgew.net)

发表评论

电子邮件地址不会被公开。 必填项已用*标注