2020年4月，中国信息通信研究院联合工业互联网产业联盟共同发布《离散制造业边缘计算解决方案白皮书》
白皮书内容来源：
http://www.aii-alliance.org/b...
在全球已经掀起的新一轮工业转型浪潮中，数字化是基础，网络化是支撑，智能化是目标，在此背景下，离散制造业转型正在面临巨大的发展机遇。当前，离散制造业产品、生产装备、工艺流程等已经逐步实现了数字化和网络化，且智能传感和人工智能等技术不断发展成熟，因此，离散制造业的全面转型已经具备了基础条件。而边缘计算作为工业互联网工厂内网的关键技术以及连接工厂内外网的有效手段，是推动离散制造业转型发展的重要使能技术。
离散制造业与流程制造业相比，生产环节更加分散，生产设备更加多样，更易通过软件改造工艺流程，而流程制造业因为其本身自动化水平已经很高，生产环节较为成熟封闭，且主要由硬件决定生产流程和产能，因此针对离散制造业的边缘计算解决方案率先在工业互联网应用中落地实施，边缘计算的功能和特点能够在实施过程中更易实现和展示，本白皮书也重点从离散制造业入手，进行边缘计算解决方案的分析。
离散制造业与边缘计算的结合，需要解决海量数据管理与处理、多源数据集成、各类设备接入、数据建模分析、资源规划分配、应用创新与集成等一系列问题。笔者尝试从平台中涉及的典型关键技术着眼，一方面探讨边缘智能、异构计算、互联互通等技术如何进一步提升边缘侧面向离散制造业的数据管理和分析能力；另一方面剖析微服务与计算迁移等技术如何不断提升平台资源利用效率，从而进一步提升边缘计算平台服务能力的。
01 边缘智能
人工智能技术已成功应用于目标识别、智能搜索、语言处理、智能交通等领域。然而，由于人工智能方法包含大量的计算，当前人工智能大部分计算任务部署在云计算中心等大规模计算资源集中的平台上，这极大地限制了人工智能带给人们的便利。
为此，边缘智能应声而出。边缘智能是指终端智能，它是融合网络、计算、存储、 应用核心能力的开放平台，并提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。将人工智能算法部署在边缘设备上，可以使智能更贴近用户，更快、更好地为用户提供智能服务。
边缘智能体系
（图片来源：Convergence of Edge Computing and DeepLearning: A Comprehensive Survey）
边缘智能与离散制造业相融合，已成为赋能离散制造业实现数字化转型的关键技术，并进一步提供了边缘侧的建模能力、数据汇聚和分析能力。边缘智能从延迟、内存占用量和能效等方面，实现边缘计算节点上智能推理加速和多节点智能训练算法的联动，完成轻量级、低延时、高效的人工智能计算框架，边缘设备需要执行越来越多的智能任务。
此外，针对信息安全、数据不出网等要求，边缘节点需要完成数据安全预处理，边云协同才能进一步实现完整的智能模型训练，这些处理过程结合计算机视觉、自然语言处理等智能算法模型库和强化学习、离线分析等工具组建，最终能够形成完整的边缘智能功能栈。
02 异构计算
工业互联网应用的普及带来了信息量爆炸式增长，在离散制造业，海量的传感器数据、文本/超文本、声音数据、影像数据、视频序列等对边缘计算能力都提出了更高的要求。因此首先亟需各类芯片（CPU、GPU、FPGA等各类算子）提供各种各样的算力需求。其次，为释放各类异构算力的协同能力，基于各类应用所需网络和业务的不同，需要提供转发加速、网络调优和网络自治等高阶能力。
最后，针对各类垂直行业场景，边缘侧既要处理结构化数据，同时也要处理非结构化的数据。针对上述需求，业界提出了将不同类型指令集和不同体系架构的计算单元协同起来的异构计算架构，以充分发挥计算单元的优势，进而实现性能、成本、功耗、可移植性等方面的均衡。
在离散制造业内，通过异构计算对各类非结构化数据进行内容分析和融合处理，从大量运行数据中挖掘有效信息，进而为离线制造过程的精确性提供数据支撑。
异构计算推动边缘计算发展
图片来源：http://www.360doc.com/content...\_912546289.shtml
03 互联互通技术
离散制造业生产流程复杂，工业生产设备众多，设备间互联比较困难，设备之间需要进行大量控制流的传输工作，对于网络的实时性、灵活性、动态性、传输时延等要求非常高，这就决定了传统的网络技术难以适用于工业网络。
工业控制网络的通信技术虽然来源于计算机网络技术，但是又不同于普通商用以太网。用于远程控制和生产自动化的工业网络通信所要求的确定性时延通常具有低时延、低抖动的特点。
工业控制要求实时响应，例如，信息集成和要求较低的过程自动化应用场合，实时响应时间要求是100ms或更长；绝大多数的工厂自动化应用场景实时响应时间的要求最少为5-10ms；对于高性能的同步运动控制应用，实时响应时间要求低于1ms，同步传送和抖动小于1µs。工业控制信号有严格的时延要求，如工业控制设备需要的某些关键参数，如果这些关键参数不能按照预定时间到达，则可能对整个产线造成严重影响。
工业互联网网络整体架构
（图片来源：时间敏感网络TSN产业白皮书）
使用TSN技术（时间敏感网络）能够满足离散制造业数字化转型过程中对于网络时延方面的要求。TSN并不是一种网络通信协议，而是一种网络处理能力的标准。TSN为工业互联网提供了一套清晰的框架与标准，可以实现异构性网络的实时性数据交换。
TSN将打通传统工厂信息管理层IT网络与车间控制层OT网络连接障碍，实现IT与OT的融合，同时，TSN低成本，低时延，高带宽的特性将为改善离散制造业工业设备互联效率提供助力。将TSN技术与离散制造业及边缘计算技术相结合，能够实现各个工业设备及边缘管理设备之间的高质量互联互通，提高边缘计算加持下的离散制造业生产效率。
04 微服务
离散制造的产品往往由多个零件经过一系列并不连续的工序的加工最终装配而成。离散制造业的生产控制流程比较复杂，生产数据的收集和处理工作量较大，因此生产软件的升级能够大大优化离散制造业的生产流程，提高生产数据使用效果，提升企业的竞争力。随着工业互联网大潮的到来，传统的离散制造业工厂纷纷面临数字化转型，与边缘计算进行结合，在此过程中不可避免地会遇到很多软件升级问题。
白皮书中指出，在离散制造业当前的发展阶段中，缺乏整体的软件架构设计，软件与硬件耦合严重，硬件设备的更换升级会造成大量的低效软件升级工作，同时自动化软件水平极不均衡，难以实现算法和软件的自主迭代升级。针对离散制造业与边缘计算结合的过程中遇到的问题，边缘计算引入微服务架构能够提供有效的解决方式。
Martin Fowler于2014年在一篇文章中提出了微服务的概念，经过几年的发展，微服务架构已经成为云计算、边缘计算的主流架构选择。微服务架构是一种软件应用设计方式，可以将整体的应用拆分成一系列比较轻量级的微服务，每个微服务独立运行在各自的runtime中，彼此通过REST等机制进行轻量级通信。
这些微服务可以各自使用不同语言进行独立开发、独立部署，并且使用不同的数据存储技术。微服务架构提倡服务化，各个组件各司其职，功能内聚，形成“智能终端”，而各个组件之间通过简洁、清晰的管道接口来进行通信，保持组件间低耦合的状态。
微服务架构还提倡演进式设计，各个微服务拥有可替换性，只要保证接口不变，各个微服务就可以进行独立升级而不影响其他组件的正常运行，这样的系统就可以进行快速迭代升级。另外微服务架构还推荐基础设施自动化，这种思想也与基于云原生的边缘计算计算不谋而合。
单体式架构与微服务架构
图片来源：https://martinfowler.com/arti...
可以看出，微服务架构天然就很契合边缘计算及离散制造业的软件特点，可以将离散制造业中的各种不连续的加工流程应用模块化、微服务化，进行统一的软件架构设计和灵活的应用部署。
离散制造业在进行数字化转型的过程中，还会产生监控、诊断、操作记录、回溯等非功能性需求，在与边缘计算及微服务架构结合的设计中可以通过新增插件的形式来灵活实现。
引入微服务架构还有一个最大的优势，就是可以降低离散制造业各个模块软件升级的难度。微服务架构中的各个组件可以独立进行升级迭代，推动离散制造业进行灵活快速的产业转型和升级。将微服务架构与边缘计算和离散制造业进行结合，可以提高离散制造业整体的数字化、智能化、自动化水平，优化生产力。
05 计算迁移
离散制造业在进行数字化转型的过程中，需要引入云计算和边缘计算来进行工业生产数据的收集、存储、处理和开放等工作。云计算拥有海量的算力和存储资源、多样的硬件类型可供选择，非常适合进行数据深度处理及AI模型训练等需要高算力支持的任务。
但云计算的缺点是云计算中心距离用户设备较远，工业生产活动产生的数据直接上云处理会造成大量未经处理的原始数据直接传输，大量冗余、无效数据会产生带宽拥塞等网络传输问题和成本浪费问题。相比云计算，边缘计算的计算节点更加贴近用户的生产设备，数据网络传输延迟比较小，可以就近对数据进行处理，节约带宽成本。
但是，边缘计算节点的计算资源受限，在执行一些高密度计算任务的时候可能不能满足用户对算力的需求。因此在实际应用过程中，边缘计算与云计算二者相互配合，相互补充，发挥各自的优势来完成优化生产力的整体目标，而如何在二者之间进行平衡、优化，提高系统性能，降低系统开销，就是计算迁移技术所要解决的问题。
计算迁移是解决边缘节点资源受限问题的一个有效的方法。计算迁移可以将计算任务迁移到合适的资源节点上进行处理，系统中各个节点各司其职，合理利用资源，提升资源利用率。
对于离散制造业的应用场景来说，计算迁移可以利用边缘侧计算节点对一些时延敏感的请求做出实时响应，而不需要再将服务请求发送到云计算中心。在一些特殊情况下，边缘节点出现故障，或者计算任务过多导致边缘节点无法即使处理，那么计算迁移技术可以将这部分计算任务迁移到云端进行处理，保障服务的高可用性，达到云边协同的效果。
另外在计算迁移技术的分配下，边缘节点还可以对用户生产设备产生的海量数据进行预处理，过滤掉重复、冗余、无效的数据，之后再将预处理过的有序信息上传到云计算中心进行更进一步的处理、存储和分享，降低了云边网络的带宽占用。在离散制造业与边缘计算结合的过程中引入计算迁移，可以优化整个系统的资源利用率，降低信息化成本，提高离散制造业的生产效益。
云边协同场景下的制造业工艺流程优化
（图片来源：边缘计算与云计算协同白皮书）
结语
当前，工业界和学术界正积极推进边缘计算技术和应用的发展,促进建成统一开放的平台，支持不同方案及产品的集成融合，加快推进标准化工作，这一趋势在离散制造业转型中体现得尤其明显。
尽管边缘计算在离散制造业落地实施过程中上取得了一些进展，但在推进过程中也面临着一些问题。例如，边缘计算在离散制造业中涉及从产线层边缘控制器协同，到工厂层内外网络架构融通，再到企业层的工业云部署等多个方面的解决方案尚未完善，同时边缘计算也对传统离 散制造业的运营模式带来了挑战，这些都需要各界共同努力去解决。
随着边缘计算的不断发展，其与离散制造业在产业链上下游的协同合作将变得更为紧密，使得未来将会有一大批面向离散制造业的商用边缘计算解决方案落地，从而推进离散制造业开启转型新航道。
本文来源：容器魔方
感谢阅读，欢迎扩散传播！感谢！
推荐阅读
移动边缘计算（MEC)的新玩家
5G只是看片更快？NAIVE！它在重塑产业、改变世界！
本文转载自边缘计算社区微信公众号原文链接点这里
注：本文只代表作者个人观点，与任何组织机构无关，如有错误和不足之处欢迎在留言中批评指正。
尊重知识，转载时请保留全文，并包括本行及如下二维码。感谢您的阅读和支持！
边缘计算社区：促进边缘计算领域知识传播，中立，客观，如果您对边缘计算、5G、物联网、云原生等领域感兴趣请关注微信公众号，也欢迎关注边缘计算社区极术专栏，定期更新。
