北京年9月17日/美通社/--物联网时代的到来,将联接从人与人之间进一步扩展到了人与物、物与物之间,数字化和智能化的浪潮开始席卷制造、电力、交通、医疗、农业、公共事业等各行各业。
施耐德电气:边缘计算,工业智能化的最佳“搭档”
据IDC预测,全球数据总量到年将从年的33ZB增长到ZB,复合年增长率为61%。随着数据的指数级激增,企业渐渐察觉,以云计算为代表的“集中式统一供水模式”存在很多问题:首先,每家每户用水量的增加使得水厂有些不堪重负;其次,水从水厂流到水龙头需要一定的延迟时间;最后,一旦供水厂出现问题,就会影响到整张供水网络的运作……
于是,人们开始思考,能否在靠近水龙头的地方安装一个“应急水箱”来应对这些挑战呢?边缘计算这种分布式计算模式由此兴起。
工业是边缘计算最先落地的土壤
根据边缘计算产业联盟(ECC)与工业互联网产业联盟(AII)联合发布的《边缘计算参考架构3.0》报告中的定义:边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的分布式开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、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。
进入年后,边缘计算的热度持续升温,各行各业都在积极推进边缘计算的落地,以期成为这条新赛道上的“领跑者”。但在施耐德电气看来,工业领域或许将为边缘计算的落地提供最优的“土壤”,很多典型的工业场景对边缘计算存在着天然的需求。
联网设备规模的迅速扩大使得工厂产生的数据量正以极高的速度发生“膨胀”。根据思科统计,采矿业的操作每分钟可以生成高达2.4TB的数据,每个汽轮机每小时产生0.4TB数据,每个自动化工厂每小时产生1TB数据……。
将数据的珍贵程度比作原油毫不过分,然而原油只有经过采集、运输、加工、提炼,才能真正得以使用。工业现场的很多数据“保鲜期”很短,一旦处理延误,就会迅速“变质”,数据价值呈断崖式下跌。
工业互联网产业联盟边缘计算特设组主席史扬以炼钢过程的轧钢工艺为例,对此进行了形象的说明。轧钢板就像是压面条,经过擀面杖(轧机)的多次挤压,面(钢板)就越擀越薄。轧机靠多个伺服电机协同驱动轧制过程,伺服电机不能出现丝毫的偏差,否则可能导致整块钢板报废。为了保证轧制精度,需要以毫秒级的数据采集频率来监测电机的运转是否正常。显然,在实时性、网络传输成本等多个条件约束下,这个应用场景下是不能把实时数据上云的。
因此,边缘计算的出现恰逢其时。它为设备提供了“贴身”计算服务,预测性维护等应用能够根据实时数据做出最佳决策,让数据的价值得以最大程度的释放。
除了时延,工业领域对数据安全的要求也格外严格。比如在石化行业,工艺参数决定了其产品质量和生产成本,是企业核心和宝贵的数据。如果把这些数据上传到云端,就存在企业安全隐私泄露的风险。边缘计算将数据从集中式管理演变成分布式管理,提高了数据的安全性。
工业边缘计算落地的挑战
IDC的数据显示,到年将有超过亿的终端与设备联网,年超过75%的数据需要在边缘侧分析、处理与储存。施耐德电气近几年来一直加速对边缘计算的研究,已经先后发布了5篇与边缘计算相关白皮书。据施耐德电气数据中心研发中心总监林密表示,低时延、实时交互、数据安全……这些优势已经成了边缘计算的代名词。然而,即使是看似全能的边缘计算,在工业领域的实际落地过程中还是会遭遇不小的挑战。
首当其冲的是边缘计算的多站点管理问题。边缘是一个相对的概念,处于物理实体和工业连接之间。施耐德电气将边缘计算分为本地边缘计算数据中心和区域边缘计算数据中心两种类型。对于工业企业来说,边缘侧往小了说可以是指工业网关,往大了说可以指生产车间、配送仓库,对于一些大型集团甚至可以是指某个分厂,并同时拥有数千个本地边缘站点需要管理,管理人员面临着必须兼顾多个站点的挑战,然而现场人手往往不足甚至完全没有。
如何以标准化的方式对所有边缘站点的设备进行维护?不同的工业解决方案商有不同的应对策略,施耐德电气的两大“绝招”值得借鉴。一方面,施耐德电气能够为用户提供基于云的管理工具;以实现对所有资产的远程可视化和主动控制;另一方面,施耐德电气还能利用大数据分析和人工智能,帮助客户解决人力资源不足等挑战,实现无人值守的运维管理。
施耐德电气:边缘计算,工业智能化的最佳“搭档”
除了多站点的管理值得