夏长清，宋纯贺，曾鹏 中国科学院沈阳自动化研究所机器人学国家重点实验室，中国科学院网络化控制系统重点实验室，中国科学院机器人与智能制造创新研究院
导读：工业互联网平台是新一代信息通信网络技术与工业经济深度融合的关键基础设施，通过对人、机、物的全面联接，构建覆盖全生产链、产业链、价值链的制造和服务体系，现阶段采取以云平台为基础，其上叠加制造能力开放、知识经验复用等功能的模式进行部署。然而，网联设备的急剧增加以及数据分散性、碎片化的特征导致以云为核心的平台模式处理能力捉襟见肘，工业互联网平台逐渐向云-边-端一体化演进。本文分析工业互联网环境下先进制造的共性特征和变革性需求，旨在探索如何构建满足新特征、新需求的云-边-端一体化平台，并围绕该问题总结了发展未来工业互联网平台面临的五方面关键技术，即高效寻址与协议转换、多维资源算力度量、网算控协同优化、实时边缘操作系统以及平台体系结构。在此基础上，搭建了基于所提出云-边-端一体化平台的个性化定制装配验证平台。
1 引言
伴随制造业变革与数字经济浪潮交汇融合，云计算、物联网、边缘计算、5G等信息技术与制造技术、工业知识的集成创新不断加剧，工业互联网平台应运而生，其核心目标是通过工业系统与互联网在网络、信息和知识层面的深度融合，实现感知、分析、决策、控制的一体化应用。
目前，工业互联网平台主要采用以云为核心的模式发展，通过网络将数据进行汇聚，利用云平台丰富的计算资源，叠加大数据、人工智能等新兴技术，实现工业技术、经验知识模型化、软件复用化的制造业生态。然而，人、机、物全要素互联趋势下，接入终端急剧增长，数据分散性、碎片化加剧，伴随着生产业务实时性、可靠性、协作性等需求的不断提高，现有模式处理能力捉襟见肘。
工业边缘计算具有规模大、分布零散，更靠近控制器和数据端以及本地化私密数据等特点，如图1所示，通过在靠近制造的加工设备端部署边缘节点进行本地化的感知、决策、控制、分析一体化，可在降低网络需求的同时提高响应实时性，有效提高现有工业互联网平台处理能力，发展云-边-端一体化平台成为工业互联网平台的新方向。
2 云-边-端一体化平台分析
在工业互联网万物互联结构化、生产制造流程化、工业网络体系化的演进趋势下，生产模式逐渐由传统大规模流水线向个性化柔性转变。特别在先进制造中，工业互联网的发展使用了一系列具有高精密、高效、高安全等特殊需求的制造模式，以图2中的工业遥操作系统为例，传统设计、制造分离逐渐向产品设计与生产制造一体化转变，传统人机协作逐渐由指令传输向操作级协同转变等。
因此，与现有主流云为核心的工业互联网平台相比，新模式下的云-边-端一体化平台应具备以下能力：
（1）确定性时延保障能力
以图2为例，系统不仅需要确保指令传输和执行的实时性与可靠性，还应尽可能降低作业的执行抖动或实现零抖动，以确保高精密的加工和系统的稳定运行，令远端操作者产生“身临其境”加工的感觉。
（2）灵活可重构能力
优质医疗资源分布不均、医疗管理传统粗放、医疗救治存在“死角”等问题是我国医疗卫生体系长期存在的老问题，啃下“硬骨头”要“一茬接着一茬干”。
（3）规模化部署能力
人、机、物全要素互联趋势下，工业互联网平台下的设备规模急剧增加，这一现象不仅表现为机器人数量增加，也体现为操作距离、控制目标以及系统复杂度的指数增长。因此，平台不仅要具有支持广域、大规模设备灵活接入的能力，还应具有信道冲突避免、机器人碰撞预测等由规模增大带来的安全性保障功能。
3 云-边-端一体化平台关键技术
构建具备确定性时延保障、灵活可重构以及规模化部署能力的云-边-端一体化平台需突破以下几方面关键技术：高效寻址与协议转换、多维资源算力度量、网算控协同优化、实时边缘操作系统以及平台体系结构。
3.1 高效寻址与协议转换
英特尔中国预测至2025年，全球物联网设备数量将达到1000亿台，与此同时，工业设备联网协议七国八制的现象也随之加剧，尤其在边与端侧，大规模异构网络环境下的高效寻址与协议转换成为云-边-端一体化平台需要突破的第一个核心问题。
工业互联网环境有别于传统互联网基于IP的寻址方式，大量工厂内生产设备并不具备IP环境，此外，工业系统层次复杂且设备与协议间存在绑定关系，现有基于OPC UA的协议转换方式需要应用层解析，不适用于运动控制、高精密加工等高实时场景，迫切需要突破高效寻址与协议转换技术，实现IP-非IP的高效寻址与应用层协议的实时转换，为云-边-端一体化平台提供连接基础，如图3所示。
3.2 多维资源算力度量
近年来，随着虚拟化技术的快速成熟，边缘计算已初步突破传统嵌入式程序与边缘设备紧耦合问题，然而，随之带来了新的问题：Gartner预测，至2025年50%~75%的物联数据在边缘侧处理，结合千万级的接入设备，如何在海量边缘计算设备中为任务负载选择适合的计算载体成为亟需解决的技术问题，其本质是如何在复杂的云-边-端一体化平台中，根据任务需求进行资源的按需分配。
传统以云计算为核心的平台采用同构处理器集中式的规模化运算，计算负载时间开销与处理器数量关系简单，云端的计算资源调度相对成熟。然而，云-边-端一体化平台中计算资源结构复杂，边缘计算中异构的节点性能往往难以通过处理器主频等简单手段进行量化，相同的计算任务在不同处理器中执行的时间开销难以保障，由此可导致控制节拍下的配置参数错误等系统故障。此外，任务卸载或迁移时，网络带宽等多维因素对任务执行时间开销也会产生影响。
具体来说，云-边-端一体化平台下的任务执行时间受处理器结构，带宽、缓存等瓶颈资源的综合影响。云-边-端一体化平台在进行卸载和迁移操作前，需要根据各节点的实际负载和资源结构进行分析，以确保任务部署后的最坏执行时间（Worst-case Execution Time，WCET）满足其实时性需求，并通过现有虚拟化和实时演算技术提供资源的按需分配、动态配置、负载预测等技术支持。如图4所示。
3.3 网算控协同优化
云-边-端一体化的工业互联网平台使跨域高效流程化及高精密人机协同成为可能。平台将产品设计、工艺设计、制造运行各个环节涉及的人、机、物互联，利用部署在制造设备附近的边缘计算资源提供实时高效的在线设计、有限元分析等，并根据分析结果实时优化控制参数及多控制回路下的网络、计算资源配置，将传统反复的人工测量分析再设计的制造模式，转换为设计-制造一体化的人机操作级协同模式。
以图2为例，机械臂控制的稳定性受延时及抖动影响巨大，过大的时延将导致系统无法收敛，甚至发生故障。而时延又由网络与计算效率及资源分配方式决定，因此，亟需探索网络、计算、控制三者高度融合下的机理关系。然而，不同于计算机、通信、自动化等单一学科，云-边-端一体化平台的应用场景环境、结构更复杂，系统稳定性与操作性间的矛盾以及异构共享资源的局限性等因素，导致突破网络、计算与控制高度融合下的机理关系迫在眉睫，将网络传输中的速率、丢包率，计算系统中执行效率相关的资源利用率、数据依赖性以及控制系统中的稳定性、状态信息等进行全局考虑，实现网算控的协同优化。
3.4 实时边缘操作系统
云-边-端一体化平台也对操作系统方面提出了新的技术要求。与传统操作系统不同，平台中边缘计算操作系统起到承上启下的作用：向上需要处理大量的异构数据以及需求各异的任务负载，如任务负载在边缘侧的部署、调度、迁移、优化，是否需要上传至云端进行高性能计算等；向下，边缘计算操作系统需要管理异构的计算资源、控制器行为等。边缘操作系统作为平台实时性能力主要体现的同时，还需处理50%~75%的海量工业数据，与现有实时操作系统相比，边缘侧的实时边缘操作系统在处理能力、轻量化、管理框架等方面存在较大差异。
现有操作系统可具备部分边缘操作系统的功能。机器人操作系统（Robot Operating System，ROS）具有硬件抽象和驱动、消息通信、软件包管理等功能，被广泛应用于高精密加工、车间智慧物流等工业场景，然而现有的ROS还难以同时支持大规模的边缘节点，实现海量数据处理等功能；国内首款面向边缘计算的物联网操作系统HopeEdge，可以实现各类IoT设备与云端的连接，具备轻量安全、自主可控、高效互联以及快速部署等特点，广泛应用于智慧能源、智能零售、智慧园区等场景。尽管其实现了大规模边缘节点及设备的互联等功能，但在时间敏感任务的调度、迁移以及实时资源按需分配等功能方面还与制造业需求存在一定差距。综上，设计满足工业需求的轻量、弹性、实时、高效边缘操作系统是构建云-边-端一体化平台的核心技术之一。
3.5 平台体系结构
云-边-端一体化平台以满足“三链”安全可靠互联和人、机、物网络化协同的发展为目标，将有力支撑“可重构生产”等高端制造模式。云-边-端一体化平台主要可划分为边缘层，平台层以及应用层三方面，如图5所示。
边缘层作为最靠近操作终端的设施，具有规模广、结构差异大的特点，主要功能包括设备管理、资源管理、运维管理等，通过高性能计算芯片、轻量化计算方法以及实时操作系统等先进技术，对海量工业数据进行先处理和预处理，在降低网络开销的同时提升云-边-端一体化平台响应速度。
平台层是云-边-端一体化平台的核心，基于通用PaaS叠加大数据处理、工业数据分析、工业微服务等创新功能，构建可扩展的开放式云操作系统。它的根本是在边缘层上构建了一个扩展性强的支持系统，为工业应用或软件的开发提供了良好的基础平台，同时，平台层拥有更强的数据处理能力，可以进行高效的机理建模、模型训练、分析等工作。
应用层是工业互联网平台的关键部分，该层形成满足不同行业、不同场景的工业SaaS和工业App，形成工业互联网平台的最终价值。应用层不但提供了设计、生产、管理、服务等一系列创新性业务应用，也构建了良好的工业App创新环境，使开发者基于平台数据及微服务功能实现应用创新。
4 垂直行业案例
当前大批量刚性生产系统的机械结构、工业网络、IT管理软件针对既定产品设计部署，当产品设计变更后，现有的生产系统无法快速地响应变化，刚性生产线无法支撑日益增长的大批量个性化定制需求。
针对这一问题，中国科学院沈阳自动化研究所提出了自适应模块化智能制造解决方案。通过将传统生产线解耦为模块化生产单元，利用自主研发的WIA工业无线技术和工业软件定义网络技术将控制系统由传统的有线部署转变为无线化的灵活部署，助力机械结构的解耦，并通过“物源”平台的边缘控制器和集成的人工智能算法实现机器人等设备的自主智能运行以及工厂数字孪生中设备的虚实融合与联动，然后由“物源”平台的管控一体化柔性控制软件将工序工步自适应重组，驱动模块化生产单元的自适应重构，如图6所示。改造成本大大压缩，调整周期显著缩短。
具体方案实现如下：
（1）机器视觉——在目标识别区域内，通过双目相机进行物体识别与测量，并在边缘控制器中进行图像预处理，提取物体边界与深度信息。
（2）动态可变工序——演示操作系统采用PubSub机制与边缘云交互，通过自主分析或人为指定方式确定物品抓取顺序。
（3）人工智能与自动代码生成——在边缘云中进行基于深度学习的方式自主分析和决策出物体抓取点信息，通过自动代码生成技术在线生成机器人作业指令。
（4）边云协同——在边缘网关与边缘控制器构建的边缘网络环境下，控制机器人实现免编程的乱序抓取。
抓取顺序可以近似理解为未来现场的实际工序，通过边缘协同控制实现真正的柔性制造。
5 结论
本文从工业互联网平台演进趋势出发，结合工业互联网环境下先进制造共性特征和变革性需求，探索构建新特征、新需求下的云-边-端一体化平台，并整理了推动平台发展的五方面关键技术，分别为从高效寻址与协议转换、多维资源算力度量、网算控协同优化、实时边缘操作系统以及平台体系结构。结合现有工业云平台面临的一系列问题和瓶颈，突破核心技术，发展云-边-端一体化平台势在必行。
作者简介：
夏长清（1985-），男，山东威海人，副研究员，博士，现就职于中国科学院沈阳自动化研究所，研究方向为工业网络调度、边缘计算。
宋纯贺（1981-），男，辽宁鞍山人，研究员，博士，现就职于中国科学院沈阳自动化研究所，研究方向为人工智能、边缘计算。
曾 鹏（1976-），男，辽宁沈阳人，研究员，博士，现任中国科学院沈阳自动化研究所副所长，研究方向为工业互联网、边缘计算。
来源 | 《自动化博览》2022年第二期暨《边缘计算2022专辑》
评论前必须登录！
立即登录 注册