边缘计算与云计算协同 白皮书 (2018年)

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。它可以作为联接物理和数字世界的桥梁,使能智能资产、智能网关、智能系统和智能服务。

边缘计算是联接物理世界与数字世界的桥梁,具备下述基本特点与属性:

联接性

联接性是边缘计算的基础。所联接物理对象的多样性及应用场景的多样性,需要边缘计算具备丰富的联接功能,如各种网络接口、网络协议、网络拓扑、网络部署与配置、网络管理与维护。联接性需要充分借鉴吸收网络领域先进研究成果,如TSN、SDN、NFV、Network as a Service、WLAN、NB-IoT、5G等,同时还要考虑与现有各种工业总线的互联、互通、互操作。

约束性

边缘计算产品需适配工业现场相对恶劣的工作条件与运行环境,如防电磁、防尘、防爆、抗振动、抗电流/电压波动等。在工业互联场景下,对边缘计算设备的功耗、成本、空间也有较高的要求。边缘计算产品需要考虑通过软硬件集成与优化,以适配各种条件约束,支撑行业数字化多样性场景。

分布性分布性

边缘计算实际部署天然具备分布式特征。这要求边缘计算支持分布式计算与存储、实现分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能力。

融合性融合性

OT与ICT的融合是行业数字化转型的重要基础。边缘计算作为“OICT”融合与协同的关键承载,需要支持在联接、数据、管理、控制、应用、安全等方面的协同。

数据第一入口数据第一入口

边缘计算作为物理世界到数字世界的桥梁,是数据的第一入口,拥有大量、实时、完整的数据,可基于数据全生命周期进行管理与价值创造,将更好的支撑预测性维护、资产管理与效率提升等创新应用;同时,作为数据第一入口,边缘计算也面临数据实时性、确定性、完整性、准确性、多样性等挑战。

展开查看详情

1.边缘计算与云计算协同 白皮书 (2018年) 边缘计算产业联盟 (ECC) 与工业互联网产业联盟 (AII) 联合发布 2018 年 11 月

2.

3.1 边云协同放大边缘计算与云计算价值 ..... 1 6 智慧家庭边云协同主场景 ............ 29 1.1 边缘计算概念 ............................................... 1 6.1 智慧家庭网络子场景 ...........................29 1.2 边缘计算CROSS价值 .................................... 2 6.2 智慧家庭增值服务子场景 .....................31 1.3 边云协同放大边缘计算与云计算价值 ............... 3 6.3 关键技术 ...........................................32 1.4 白皮书目标 .................................................. 4 6.4 案例 ..................................................33 2 边云协同总体内涵与参考框架 ............... 6 7 广域接入网络边云协同主场景 ...... 34 2.1 边云协同总体能力与内涵 ............................... 6 7.1 多业务接入子场景 ..............................34 2.2 边云协同总体参考架构 .................................. 7 7.2 增值网络业务子场景 ...........................35 7.3 关键技术 ...........................................36 3 边云协同价值场景 ............................... 8 7.4 案例 ..................................................37 3.1 边缘计算分类 ............................................... 8 3.2 边云协同主要价值场景 .................................. 9 8 边缘云的边云协同主场景 ............ 38 8.1 边缘云联接子场景 ..............................38 4 物联网边云协同主场景 ....................... 10 8.2 边缘云智能与增值子场景 .....................39 4.1 物联网联接子场景 .......................................10 8.3 关键技术 ...........................................40 4.2 物联网增值服务子场景 .................................12 8.4 案例 ..................................................41 4.3 物联网系统控制子场景 .................................13 4.4 关键技术 ....................................................15 9 MEC边云协同主场景 .................. 42 4.5 案例 ...........................................................17 9.1 本地分流子场景..................................42 9.2 网络能力开放子场景 ...........................44 5 工业边云协同主场景 .......................... 19 9.3 关键技术 ...........................................45 5.1 设备优化子场景...........................................19 9.4 案例 ..................................................46 5.2 工艺过程优化子场景 ....................................21 5.3 工厂全价值链优化子场景 ..............................23 10 附录 ........................................ 48 5.4 关键技术 ....................................................24 10.1 缩略语表 .........................................48 5.5 案例 ...........................................................25 10.2 参考文献 .........................................51

4. 01边云协同放大边缘计算与云计算价值 1.1 边缘计算概念 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。它可 以作为联接物理和数字世界的桥梁,使能智能资产、智能网关、智能系统和智能服务。 物理世界 边缘计算 数字世界 数据感知, 数据感知, 数据感知, 数据归一化 数据归一化 数据归一化 数据 数据 深度分析与计算 控制 控制 行业应用 商业应用 人工智能 网络 计算 存储 应用 图1:边缘计算 边缘计算是联接物理世界与数字世界的桥梁,具备下述基本特点与属性: 联接性 约束性 联接性是边缘计算的基础。所联接物理对象的多样 边缘计算产品需适配工业现场相对恶劣的工作条件与运 性及应用场景的多样性,需要边缘计算具备丰富的联接功 行环境,如防电磁、防尘、防爆、抗振动、抗电流/电压波动 能,如各种网络接口、网络协议、网络拓扑、网络部署与 等。在工业互联场景下,对边缘计算设备的功耗、成本、空间 配置、网络管理与维护。联接性需要充分借鉴吸收网络 也有较高的要求。边缘计算产品需要考虑通过软硬件集成与优 领域先进研究成果,如TSN、SDN、NFV、Network as a 化,以适配各种条件约束,支撑行业数字化多样性场景。 Service、WLAN、NB-IoT、5G等,同时还要考虑与现有各 种工业总线的互联、互通、互操作。 分布性 边缘计算实际部署天然具备分布式特征。这要求边缘 数据第一入口 计算支持分布式计算与存储、实现分布式资源的动态调度 边缘计算作为物理世界到数字世界的桥梁,是数据 与统一管理、支撑分布式智能、具备分布式安全等能力。 的第一入口,拥有大量、实时、完整的数据,可基于数据 全生命周期进行管理与价值创造,将更好的支撑预测性维 融合性 护、资产管理与效率提升等创新应用;同时,作为数据第 OT与ICT的融合是行业数字化转型的重要基础。边缘 一入口,边缘计算也面临数据实时性、确定性、完整性、 计算作为“OICT”融合与协同的关键承载,需要支持在联 准确性、多样性等挑战。 接、数据、管理、控制、应用、安全等方面的协同。 01 | 边缘计算与云计算协同白皮书(2018年)

5.1.2 边缘计算CROSS价值 联接的海量与异构 (Connection) 据,需要通过数据优化实现数据的聚合、数据的统一呈现 网络是系统互联与数据采集传输的基石。伴随联接 与开放,以灵活高效地服务于边缘应用的智能。 设备数量的剧增,网络灵活扩展、低成本运维和可靠性 保障面临巨大挑战。同时,工业现场长期以来存在大量 应用的智能性 (Smart) 异构的总线联接,多种制式的工业以太网并存,如何兼 业务流程优化、运维自动化与业务创新驱动应用走向 容多种联接并且确保联接的实时可靠是必须要解决的现 智能,边缘侧智能能够带来显著的效率与成本优势。以预 实问题。 测性维护为代表的智能化应用场景正推动行业向新的服务 模式与商业模式转型。 业务的实时性 (Real-time) 工业系统检测、控制、执行,新兴的VR/AR等应用的 安全与隐私保护 (Security) 实时性高,部分场景实时性要求在10ms以内甚至更低,如 安全跨越云计算和边缘计算之间的纵深,需要实施端 果数据分析和处理全部在云端实现,难以满足业务的实时 到端防护。网络边缘侧由于更贴近万物互联的设备,访问 性要求,严重影响终端客户的业务体验。 控制与威胁防护的广度和难度因此大幅提升。边缘侧安全 主要包含设备安全、网络安全、数据安全与应用安全。此 数据的优化 (Optimization) 外,关键数据的完整性、保密性,大量生产或人身隐私数 当前工业现场与物联网末端存在大量的多样化异构数 据的保护也是安全领域需要重点关注的内容。 边缘计算与云计算协同白皮书(2018年) | 02

6. 1.3 边云协同放大边缘计算与云计算价值 6% 84% 31% 75% 24% 25% 16% 10% 2018 2020 现在 明年 两年内 四年内 最多四年内 不知道或 永远不会 图2:企业生成数据在集中式DC或云端之外创建和 图3:边缘计算何时会成为您企业规划的一部分? 处理的比例 边缘计算的CROSS价值推动计算模型从集中式的云计 全局性、非实时、长周期的大数据处理与分析,能够在长 算走向更加分布式的边缘计算,边缘计算正在快速兴起, 周期维护、业务决策支撑等领域发挥优势;边缘计算更适 未来几年将迎来爆炸式增长。 用局部性、实时、短周期数据的处理与分析,能更好地支 Gartner《Top 10 Strategic Technology Trends for 撑本地业务的实时智能化决策与执行。 2018: Cloud to the Edge》认为到2022年,随着数字业务 因此,边缘计算与云计算之间不是替代关系,而是互 的不断发展,75%的企业生成数据将会在传统的集中式数 补协同关系。边缘计算与云计算需要通过紧密协同才能更好 据中心或云端之外的位置创建并得到处理(图2)。 的满足各种需求场景的匹配,从而放大边缘计算和云计算的 Gartner IT基础架构、运营管理与数据中心大会 应用价值。边缘计算既靠近执行单元,更是云端所需高价值 (2017年12月)发布的调研数据显示,84%的企业将在四 数据的采集和初步处理单元,可以更好地支撑云端应用;反 年内将边缘计算纳入企业规划(图3)。 之,云计算通过大数据分析优化输出的业务规则或模型可以 另一方面,边缘计算与云计算各有所长,云计算擅长 下发到边缘侧,边缘计算基于新的业务规则或模型运行。 03 | 边缘计算与云计算协同白皮书(2018年)

7.1.4 白皮书目标 当前产业界开始认识到边云协同的重要性,并开展了 集,以及异构数据的协议转换与边缘处理,构建工业互 积极有益的探索。 联网平台的数据基础。一是通过各类通信手段接入不同 中国工业互联网产业联盟AII在其2017年发布的《工业 设备、系统和产品,采集海量数据;二是依托协议转换 互联网平台白皮书 (2017)》中关于工业互联网平台功能架 技术实现多源异构数据的归一化和边缘集成;三是利用 构图的描述中,已经初步呈现了边云协同的理念。 边缘计算设备实现底层数据的汇聚处理,并实现数据向 “第一层是边缘,通过大范围、深层次的数据采 云端平台的集成。” 消费者 供应链 协作企业 开发者 业务运行 应用创新 应用层 (工业SaaS) 设计APP 生产APP 管理APP 服务APP 设备状态分析 供应链分析 能耗分析优化 …… 应用开发 工业微服务组件库 (开发工具、微服务框架) (工业知识组件、算法组件、原理模型组件) 工业数据建模和分析 工 (机理建模、机器学习、可视化) 业 平台层 (工业PaaS) 工业大数据系统 安 (工业数据清洗、管理、分析、可视化等) 全 通用PaaS平台资源部署和管理 防 护 设备管理 资源管理 运维管理 故障恢复 IaaS层 云基础设施 (服务器、存储、网络、虚拟化) 边缘层 设备接入 协议解析 边缘数据处理 图4:AII工业互联网平台功能架构图 边缘计算与云计算协同白皮书(2018年) | 04

8. 华为技术有限公司在其2018全联 智能边缘 华为云 接(HC2018)大会发布的智能边缘平台 IEF(Intelligent EdgeFabric)明确提出 ML模型预测 ML/DL模型训练 数据协同 了边缘与云协同的一体化服务概念。 视觉检测 智能边缘平台IEF满足客户对边缘计算 大数据接入DIS 语音分析 任务协同 资源的远程管控、数据处理、分析决 数据预处理 流计算Cloud Stream 策、智能化的诉求, 为用户提供完整 管理协同 流计算 的边缘和云协同的一体化服务。 时序数据库Cloud Table 华为公有云与智能边缘云生态一 时序数据库 安全协同 致,在华为云和边缘均保持一样的使 无服务器函数 函数FunctionGraph 用体验。基于同一个云平台,应用和 服务构建一次,运行无处不在。智能 图5:华为边缘与云协同的一体化服务 边缘平台把华为云AI能力、大数据能 力等延伸到边缘,并与云上服务完成 MindSphere Cloud Level 数据协同、任务协同、管理协同、安 全协同。 Industrial Edge 西门子2018年发布了Industrial Management Edge的概念,通过云端部署Industrial Factory Level Edge Management实现边缘计算与云 Data to Cloud Edge App to Devie 计算的协同。 本白皮书将通过对边云协同主要 Field Level 场景、价值内涵、关键技术等维度的 Edge Device 研究,以推动边云协同的产业共识, 并为相关产业生态链构建和使用相关 能力提供参考借鉴。 图6:西门子Industrial Edge 05 | 边缘计算与云计算协同白皮书(2018年)

9.02边云协同总体内涵与参考框架 2.1 边云协同总体能力与内涵 边缘计算不是单一的部件,也不是单一的层次,而是 边缘与云之间可控有序流动,形成完整的数据流转路径, 涉及到EC-IaaS、EC-PaaS、EC-SaaS的端到端开放平台。 高效低成本对数据进行生命周期管理与价值挖掘。 典型的边缘计算节点一般涉及网络、虚拟化资源、RTOS、 智能协同:边缘节点按照AI模型执行推理,实现分布式智 数据面、控制面、管理面、行业应用等,其中网络、虚拟 能;云端开展AI的集中式模型训练,并将模型下发边缘节点。 化资源、RTOS等属于EC-IaaS能力,数据面、控制面、管 应用管理协同:边缘节点提供应用部署与运行环境,并 理面等属于EC-PaaS能力,行业应用属于EC-SaaS范畴。 对本节点多个应用的生命周期进行管理调度;云端主要提供 边云协同的能力与内涵,涉及IaaS、PaaS、SaaS各 应用开发、测试环境,以及应用的生命周期管理能力。 层面的全面协同。EC-IaaS与云端IaaS应可实现对网络、 业务管理协同:边缘节点提供模块化、微服务化的应 虚拟化资源、安全等的资源协同;EC-PaaS与云端PaaS应 用/数字孪生/网络等应用实例;云端主要提供按照客户需求 可实现数据协同、智能协同、应用管理协同、业务管理协 实现应用/数字孪生/网络等的业务编排能力。 同;EC-SaaS与云端SaaS应可实现服务协同。 服务协同:边缘节点按照云端策略实现部分ECSaaS服 资源协同:边缘节点提供计算、存储、网络、虚拟化 务,通过ECSaaS与云端SaaS的协同实现面向客户的按需 等基础设施资源、具有本地资源调度管理能力,同时可与 SaaS服务;云端主要提供SaaS服务在云端和边缘节点的服 云端协同,接受并执行云端资源调度管理策略,包括边缘 务分布策略,以及云端承担的SaaS服务能力。 节点的设备管理、资源管理以及网络联接管理。 数据协同:边缘节点主要负责现场/终端数据的采集, 并非所有的场景下都涉及到上述边云协同能力。结合 按照规则或数据模型对数据进行初步处理与分析,并将处 具体的使用场景,边云协同的能力与内涵会有所不同,同 理结果以及相关数据上传给云端;云端提供海量数据的存 时即使是同一种协同能力,在与不同场景结合时其能力与 储、分析与价值挖掘。边缘与云的数据协同,支持数据在 内涵也会不尽相同。 Endpoints Edge Computing nodes Public/ Private Clouds ECSaaS SaaS 预测性维护 能效优化 6 服务协同 预测性维护 能效优化 质量提升 vFW vLB 质量提升 vFW vLB ECPaaS PaaS 应用实例 5 业务管理协同 业务编排 应用部署软硬件环境 4 应用管理协同 应用开发、测试/应用生命周期管理 Data Ingestion 分布式智能/推理 3 智能协同 集中式训练 Device Control 数据采集与分析 2 数据协同 数据分析 ECIaaS IaaS 1 资源协同 边缘节点基础设施/设备/ 基础设施资源及调度管理能力 南向终端的生命周期管理 边缘ICT基础设施 云ICT基础设施 图7:边云协同总体能力与内涵 边缘计算与云计算协同白皮书(2018年) | 06

10. 2.2 边云协同总体参考架构 为了支撑上述边云协同能力与内涵,需要相应的参考 及推理等方面能力 架构与关键技术。参考架构需要考虑下述因素: » 管理与安全能力:管理包括边缘节点设备自身运行的管 » 连接能力:有线连接与无线连接,实时连接与非实时 理、基础设施资源管理、边缘应用、业务的生命周期管 连接,各种行业连接协议等 理,以及边缘节点南向所连接的终端管理等;安全需要 » 信息特征:持续性信息与间歇性信息,时效性信息与 考虑多层次安全,包括芯片级、操作系统级、平台级、 非时效性信息,结构性信息与非结构性信息等 应用级等 » 资源约束性:不同位置、不同场景的边缘计算对资源 » 应用与服务能力:需要考虑两类场景,一类场景是具备 约束性要求不同,带来边云协同需求与能力的区别 部分特征的应用与服务部署在边缘侧,部分部署在云 » 资源、应用与业务的管理与编排:需要支撑通过边云 端,边缘协同云共同为客户提供一站式应用与服务,如 协同,实现资源、应用与业务的灵活调度、编排及可 实时控制类应用部署在边缘侧,非实时控制类应用部署 管理 在云侧;一类场景是同一应用与服务,部分模块与能力 部署在边缘侧,部分模块与能力部署在云侧,边缘协同 根据上述考量,边云协同的总体参考架构应该包括下 云共同为客户提供某一整体的应用与服务。 述模块与能力: B. 云端: A. 边缘侧: » 平台能力:包括边缘接入、数据处理与分析、边缘 » 基础设施能力:需要包含计算、存储、网络、各类加速 管理与业务编排。数据处理与分析需要考虑时序数据 器(如AI加速器),以及虚拟化能力;同时考虑嵌入式 库、数据整形、筛选、大数据分析、流分析、函数、人 功能对时延等方面的特殊要求,需要直接与硬件通信, 工智能集中训练与推理等方面能力;边缘管理与业务编 而非通过虚拟化资源 排需要考虑边缘节点设备、基础设施资源、南向终端、 » 边缘平台能力:需要包含数据协议模块、数据处理与分 应用、业务等生命周期管理,以及各类增值应用、网络 析模块,数据协议模块要求可扩展以支撑各类复杂的行 应用的业务编排 业通信协议;数据处理与分析模块需要考虑时序数据 » 边缘开发测试云:在部分场景中,会涉及通过提供边云 库、数据预处理、流分析、函数计算、分布式人工智能 协同的开发测试能力以促进生态系统发展的需求 边缘节点 云端 ECSaaS ECSaaS 边缘 数据协议 数据分析与处理 开发 嵌入式 管 安 数据处理 边缘管理& 测试云 边云协同 边缘接入 功能 理 全 与分析 业务编排 虚拟化 计算 存储 网络 AI/加速器 IaaS 图8:边云协同总体参考架构 07 | 边缘计算与云计算协同白皮书(2018年)

11.03边云协同价值场景 3.1 边缘计算分类 从细分价值市场的维度,边缘计算主要分为三类:电信运营商边缘计算、企业与物联网边缘计算、工业边缘计算。 三类边缘计算 六种边缘计算主要业务形态 主要玩家 典型方案 华为Ocean Connect & EC-IoT 物联网边缘计算 ICT、OT、电信运营商 思科Jasper & Fog Computing 电信运营商 西门子Industrial Edge 工业边缘计算 OT、ICT 和利时Holiedge 智慧家庭边缘计算 电信运营商、OTT 智慧家居 企业与物联网 广域接入网络边缘计算 电信运营商、OTT SD-WAN AWS Greengrass 边缘云 OTT、电信运营商、开源 Huawei Intelligent EdgeFabric 工业 中国移动MEC 多接入边缘计算(MEC) 电信运营商 中国联通Edge Cloud 中国电信ECOP 表1:边缘计算分类及主要业务形态 围绕上述三类边缘计算,业界主要的ICT、OT、OTT、 具等智能化,改进和提升用户体验,深度挖掘并匹配家庭 电信运营商等玩家纷纷基于自身的优势构建相关能力,布局 客户需求与价值。 边缘计算,形成了当前主要的六种边缘计算的业务形态:物 广域接入网络边缘计算主要为企业客户提供灵活弹性 联网边缘计算、工业边缘计算、智慧家庭边缘计算、广域接 的广域网络接入能力(WAN),自动识别区分企业客户的不同 入网络边缘计算、边缘云以及多接入边缘计算(MEC)。 业务流,并自动匹配相应的服务质量保障(QoS);同时支持 物 联 网 边 缘 计 算 主 要 由 电 信 运 营 商 、 I CT 厂 商 、 OT 按需的网络增值业务自动化部署。 厂商提供,典型的解决方案如华为EC-IoT,思科Fog 边缘云主要是由公有云服务商提供,一般作为其云 Computing,SAP Leonardo IoT Edge等。这类边缘计算主 服务在边缘侧的延伸,同时具备实时响应、离线运行等能 要使能玩家从原有业务领域向物联网领域延伸,从而做多 力,从而延伸云服务的覆盖领域和范围。 连接、撑大管道、促进E2E数据价值挖掘。 多接入边缘计算(MEC)提供了一个新的生态和价值 工业边缘计算主要由OT厂商提供,典型的解决方案如 链。MEC使能电信运营商可以在网络边缘分流业务,从而 西门子Industrial Edge、和利时HoliEdge等。这类边缘计算 为客户提供更低时延、更高带宽、更低成本的业务体验; 与工业设备及工业应用紧密结合,使能工业系统的数字化, 向第三方应用及服务开放边缘网络能力,从而放大电信运 促进设备、工艺过程及工厂全价值链优化。ICT厂商也从使 营商网络价值,使能创新的应用、服务与商业模式。 能OT厂商数字化能力构建的维度加大该类边缘计算的投入。 智慧家庭边缘计算主要围绕智慧家庭网络、智慧家 在实际部署的商业用例中,上述的六种业务形态可以 居、智慧家庭安防等场景,使能家庭内的网络、家电、家 独立存在,也可以多种业务形态互补并存。 边缘计算与云计算协同白皮书(2018年) | 08

12. 3.2 边云协同主要价值场景 由于各种边缘计算业务形态面向 六种边缘计算主要业务形态 六大边云协同主场景 十四种边云协同子场景 的客户场景不同,体现的客户价值也 1.1 IoT联接子场景 物联网边缘计算 场景1:物联网边云协同 1.2 IoT增值服务子场景 不同,所以每种边缘计算业务形态对 1.3 IoT系统控制子场景 于与云计算协同的内涵、关键技术等 2.1 设备优化子场景 都有较大的区别。因此从边缘计算业 工业边缘计算 场景2:工业边云协同 2.2 工艺过程优化子场景 2.3 工厂全价值链优化子场景 务形态的维度,可以将边云协同的主 3.1 智慧家庭网络子场景 智慧家庭边缘计算 场景3:智慧家庭边云协同 要价值场景区分为六大主场景,并可 3.2 智慧家庭增值服务子场 以进一步细化为十四种细分子场景。 广域接入网络边缘计算 场景4:广域接入网络边云协同 4.1 多业务接入子场景 4.2 增值网络业务子场景 从场景出发,探寻边云协同在六 5.1 边缘联接子场景 大主场景和十四种细分子场景中的主要 边缘云 场景5:边缘云边云协同 5.2 边缘智能与增值子场景 能力与内涵及关键技术需求,并结合实 6.1 本地分流子场景 多接入边缘计算(MEC) 场景6:MEC边云协同 6.2 网络能力开放子场景 际案例是本白皮书的主要阐述逻辑。 表2:边云协同的主要场景 09 | 边缘计算与云计算协同白皮书(2018年)

13.04物联网边云协同主场景 4.1 物联网联接子场景 物联网边云协同使能更多的设备联网,并结合流 联网化是物联网发展的基础。 分析、大数据、AI等技术深度挖掘数据价值,支撑设 联网化指通过各类有线无线、实时非实时接口, 备的互联化、自动化、智能化。 各种行业通信协议,使能传统的“物”接入互联网并实 物联网边云协同的主要玩家是ICT厂商、电信/物 现“物”之间数据互联、互通、互操作,支撑互联网对 联网运营商。通过边云协同能力,一方面通过支撑设备 “物”的状态、信息的感知及信息的后续处理。 的互联化、自动化、智能化,使能最终客户的业务创新 各种有线无线、实时非实时接口及通信协议是物联网 及数字化改造与转型,一方面支撑ICT厂商、运营商从 联接子场景的关键支撑,无线网络由于覆盖能力优势在物 原有业务领域向物联网领域延伸,从而做多连接、撑大 联网中得到更广泛的应用,如4G/5G、NB-IoT、WiFi、 管道、深度挖掘并获取物联网E2E数据价值。 Zigbee等。 物联网边云协同主要包括三大子场景:物联网联 物联网联接子场景中,无线接入的机会点主要来自于 接子场景、物联网增值服务子场景和物联网系统控制 子场景。 设备地理分布离散的市场,如智慧城市、车联网、智慧交 通与物流、智慧健康等;固定接入的机会点主要来自于设 备地理分布相对集中的市场,如智能园区、智能制造等。 边缘计算与云计算协同白皮书(2018年) | 10

14. 4.1.1 物联网联接子场景边云协同能力与内涵 物联网联接子场景主要涉及连接、数据、设备模型等 边缘节点的设备管理、资源管理以及网络联接管理。 方面的需求,所以其边云协同主要能力与内涵包括资源协 数据协同:边缘节点主要负责现场/终端数据的采集, 同和数据协同。 按照规则或数据模型对数据进行初步处理与分析,并将处 资源协同:边缘节点提供计算、存储、网络、虚拟化 理结果以及相关数据上传给云端;云端提供海量数据的存 等基础设施资源,同时提供设备自身配置、监控、维护、 储、分析与价值挖掘。边缘与云的数据协同,支持数据在 优化等生命周期API。边缘节点南向提供丰富的网络接口以 边缘与云之间可控有序流动,形成完整的数据流转路径, 支持广泛的终端接入;云端提供资源调度管理策略,包括 高效低成本对数据进行生命周期管理与价值挖掘。 Endpoints Edge Computing nodes Public/ Private Clouds ECSaaS SaaS ECPaaS PaaS 数据采集与分析 2 数据协同 数据分析 Data Ingestion (丰富协议、设备模型) Device Control ECIaaS IaaS 基础设施资源、 边缘生命周期管理 1 资源协同 设备自身管理API (设备、基础设施资源、连接) 边缘ICT基础设施 云ICT基础设施 融合GW/TSN/IPv6 图9:物联网联接子场景边云协同能力与内涵 11 | 边缘计算与云计算协同白皮书(2018年)

15.4.2 物联网增值服务子场景 物联网、数字化技术的渗透将重塑各行业的产业价值分 物联网增值服务子场景将率先在具备“三高一散” (节 布,产业价值从产品走向产品+服务是总体的发展趋势:一方 点数量高、单体价值高、运维成本高、节点分布离散)多项 面,自动化、智能化程度的提升将降低制造成本,但人力、原 特征的细分市场规模商用,如梯联网、车联网等。 材料、能源等成本上升,导致制造成本总体下降幅度有限;另 一方面,随着产品的联网化,产品成为服务的载体,基于平台 4.2.1 物联网增值服务子场景边云协同能力 整合碎片化服务逐步形成规模化服务,新的服务形态如预测性 与内涵 维护等逐步涌现,服务的总体成本将逐步下降,大规模数字化 服务成为可能,数字化服务成为各行业的新机会。 物联网增值服务子场景主要涉及设备联网接入、基 物联网增值服务子场景的典型应用包括设备状态监测、 于联网数据的增值应用与服务等需求,边云协同能力与内 预测性维护、资产跟踪等。物联网增值服务子场景的边云协 涵主要包括资源协同、数据协同、智能协同、业务管理协 同将有效支撑各行业的产业价值从产品走向产品+服务。 同、应用管理协同。 Endpoints Edge Computing nodes Public/ Private Clouds ECSaaS SaaS ECPaaS PaaS 应用/网络实例及业务编排API 5 业务管理协同 应用/网络业务编排 应用部署运行环境及生命周期API 4 应用管理协同 应用开发、测试/应用生命周期管理 Data Ingestion 分布式智能/推理 3 智能协同 集中式训练 数据采集与分析(通信协议、流分析) 2 数据协同 数据分析 Device Control ECIaaS IaaS 1 资源协同 边缘生命周期管理 基础设施资源、设备自身管理API (设备、基础设施资源、连接) 边缘ICT基础设施 云ICT基础设施 图10:物联网增值服务子场景边云协同能力与内涵 边缘计算与云计算协同白皮书(2018年) | 12

16. 资源协同:边缘节点提供计算、存储、网络、虚拟化 4.3 物联网系统控制子场景 等基础设施资源,考虑到各行业终端设备通信连接方式的 复杂性,边缘节点网络资源要求具备丰富的接口/协议能 传统系统控制单元往往采用专有硬件形式,结合软硬 力,以便应用于更广泛的行业市场;云端提供资源管理能 件一体化架构,高效实现相对单一控制功能。随着柔性生 力,按需调度部署边缘节点基础设施资源。 产、工业互联网等快速发展,控制单元从相对简单的逻辑 数据协同:边缘节点通过丰富的网络及数据通信能 控制走向复杂的逻辑控制、运动控制、视觉控制等场景, 力,实现南向设备、资产的数据采集,按照规则或数据模 控制单元的功能需求越来越复杂,对硬件的能力需求也越 型对数据进行初步处理与分析,并将处理结果以及相关数 来越高。同时,随着各行业的产业价值分布从产品走向产 据上传给云端。考虑到边缘节点资源约束性、时效性等特 品+服务,边缘控制节点能力需求也从单一的控制能力走向 征,流分析(Stream Analytics)技术得到越来越广泛的 控制+增值服务能力。 使用;云端制定边缘节点数据上传策略或模型并下发给边 物联网系统控制子场景主要面向传统控制单元的上述 缘节点执行,并提供接收到的海量数据的存储、分析与价 挑战,通过控制系统软硬件解耦的方式,提供更强大的、 值挖掘。 更柔性的边缘控制处理能力。在这种背景下,当前产业界 智能协同:边缘节点为AI模型训练提供数据输入,负 已经开展了一些积极有益的尝试,如Virtual PLC、Soft 责边缘AI推理执行,执行云端下发的AI模型,并将执行结果 Defined PLC、Virtual Factory、Virtual Power Plant等。 反馈给云端;云端基于业务需求、历史数据、实时数据、 物联网系统控制子场景预计将率先在单体成本高、柔 AI执行反馈等开展集中式AI模型训练,并将AI模型下发给边 性需求大的案例中得到应用,如产线级控制单元。 缘节点执行。需要考虑通过部署云端及边缘AI芯片或模块 实现更高效智能协同。 应用管理协同:边缘节点提供边缘应用部署与运行环 境及生命周期管理API;云端实现对边缘应用的全生命周期 管理,包括应用的推送、安装、卸载、更新、监控及日志 等,同时云端还可以提供边缘节点应用开发、模拟测试能 力,以促进生态能力构建。 业务管理协同:边缘节点提供应用/网络实例及业务编 排API能力;云端提供应用/网络的业务编排能力,按需对 应用及网络实例进行业务编排。 13 | 边缘计算与云计算协同白皮书(2018年)

17.4.3.1 物联网系统控制子场景边云协同能力与内涵 物联网系统控制子场景涉及控制领域,时延敏感及确 境及生命周期管理API,其中低时延类业务可绑定专用基础 定性、数据隐私性、柔性控制等是核心需求,所以其边云 设施资源,非低时延类业务共享基础设施资源;云端实现 协同能力与内涵主要包括资源协同、业务管理协同、应用 对边缘应用的全生命周期管理,包括应用的推送、安装、 管理协同及服务协同。 卸载、更新、监控及日志等,同时云端还可以提供边缘节 资源协同:边缘节点提供计算、存储、网络、虚拟 点应用开发、模拟测试能力,以促进生态能力构建。 化等基础设施资源,其中网络资源对实时性、确定性要求 业务管理协同:边缘节点提供模块化、微服务化的应 高,虚拟化技术选择也需要考虑实时性、确定性需求,以 用/网络等应用实例;云端提供业务编排能力,按需对应用 更好提升性能;云端提供资源调度管理策略,包括边缘节 及网络实例进行业务编排。 点的设备管理、资源管理以及网络联接管理。 服务协同:实时类控制在本地边缘节点执行;非实时 应用管理协同:边缘节点提供边缘应用部署与运行环 类控制可在云端执行。 Endpoints Edge Computing nodes Public/ Private Clouds ECSaaS SaaS 实时/非实时控制 4 服务协同 非实时控制 ECPaaS PaaS 应用/网络实例及业务编排API 3 业务管理协同 应用/网络业务编排 Data Ingestion 2 应用管理协同 应用部署运行环境及生命周期API 应用开发、测试/应用生命周期管理 Device Control ECIaaS IaaS 1 资源协同 边缘生命周期管理 基础设施资源、设备自身管理API (设备、基础设施资源、连接) 边缘ICT基础设施 云ICT基础设施 (TSN、RTOS、资源可与低时延应用绑定) 图11:物联网系统控制子场景边云协同能力与内涵 边缘计算与云计算协同白皮书(2018年) | 14

18. 4.4 关键技术 针对物联网边云协同的物联网联接、物联网增值 PLC-IoT 服务、物联网系统控制三类子场景,需要网络连接类 PLC-IoT是面向物联网场景的PLC (Power Line (TSN、OPC UA over TSN、PLC-IoT、工业SDN等)、弹 Communication)技术,在电力线上提供高抗干扰的宽带 性基础设施类(边缘AI芯片、虚拟化技术等)、轻量级EC- 通信能力。相较于传统窄带PLC技术,如G3、PRIME等 PaaS类(流分析、AI、设备建模、数据与应用生命周期管 PLC,PLC-IoT有效应对各类噪声干扰,极大的提升了电力 理)关键技术支撑。 线载波的通信可靠性,同时提供2Mbps以上的通信带宽, 从而支持了更丰富的应用场景和业务。 PLC-IoT基于电力线载波通信,在有源场景中应用无需 网络连接类 新的布线,将极大的降低传统系统的改造难度。 2018年5月,电力线通信(PLC)技术的标准IEEE901.1- OPC UA over TSN 2018正式发布。 OPC UA则解决不同系统之间的语义的互操作-包括应 用行为与动态功能。TSN(时间敏感网络)是新一代标准 工业SDN 的实时信息通信技术,在标准以太网技术的基础上,提供 工业SDN秉承OICT融合理念,在工业网络中引入SDN 信息在传输过程中端到端确定性的时延和抖动。OPC UA 理念,控制面和转发面分离,转发面实现融合接入及与现 (OPC统一架构)解决不同系统之间的语义的互操作,涵 存工业网络的连接,控制面一方面对整体网络实现统一的 盖了OPC 实时数据访问规范 (OPC DA)、OPC历史数据访问 管理调度,一方面通过北向开放接口与工业控制系统互 规范 (OPC HDA)、 OPC 报警事件访问规范 (OPC A&E) 和 联,按照工业控制系统的需求(如带宽、实时、可靠等需 OPC安全协议 (OPC Security) 的不同方面。 求;柔性制造需要生产系统能够灵活调整,需要网络自动 当前工业总线及工业以太网存在碎片化的问题,极大 化支撑)灵活弹性的按需调度相关网络资源,从而实现对 的增加了客户建设及系统互联、互通、互操作成本,OPC 柔性制造的更好支撑。 UA over TSN推动解构传统工业烟囱式垂直网络向水平分布 式结构转变,为工业物联网及智能制造提供了低时延、高 确定性与真正开放互联通信网络,加强互联、互通、互操 弹性基础设施类 作,实现多系统协同,成为工业物联网与智能制造发展的 关键。 边缘AI芯片 OPC-UA产业发展成熟度较高,目前已经进入商业规 深度学习是实现人工智能(AI)的重要技术。深度学 模化推广阶段,TSN仍处于产业发展前期,预计3~5年进 习的过程分为模型训练和智能推理两个阶段,模型训练需 入商业规模化推广阶段。为了推动OPC UA over TSN的产 要大量的训练样本,基于梯度下降法,模型优化收敛到局 业发展,业界众多公司在该领域开展了积极有效的探索与 部最优点。深度学习的模型训练需要小时到天量级的迭代 推动,如华为联合信通院、和利时、B&R等20多家伙伴 优化,需要大量的算力,因而现阶段的模型训练一般都在 在2018年汉诺威工业展联合打造发布中国第一个OPC UA 云端完成。模型训练好之后,则能够基于该模型与输入数 over TSN测试床,在业界引起广泛关注。 据,计算得到输出完成智能推断。相比于模型训练,推断 15 | 边缘计算与云计算协同白皮书(2018年)

19.的算力要求要小得多,可以在云端与边缘/终端完成。 拟机,容器拥有更高的资源使用效率,因为它并不需要为 AI发展的初期,由于边缘/终端设备的算力普遍有 每个应用分配单独的操作系统——实例规模更小、创建和 限,模型训练与推断大都在云端服务器上完成。由于边 迁移速度也更快,这意味相比于虚拟机,单个操作系统能 缘计算的CROSS价值及其快速发展,部分厂商已经推出 够承载更多的容器。 了可用于边缘推理(Edge Inference)的边缘AI芯片,如谷 云提供商十分热衷于容器技术,因为在相同的硬件设 歌2018年推出Edge TPU,华为海思2018年推出Ascend 备当中,可以部署数量更多的容器实例。此外,容器易于 310芯片。 迁移,但是只能被迁移到具有兼容操作系统内核的其他服 随着智能推理从云端下沉到边缘节点,预计智能边缘 务器当中,这样也会给迁移选择带来一定限制。 计算将得到快速发展。 虚拟机与容器技术 轻量级EC-PaaS类 虚拟化技术已经成为一种被大家广泛认可的服务器资 源共享方式,由于hypervisor虚拟化技术仍然存在一些性 流分析 能和资源使用效率方面的问题,因此出现了一种称为容器 流分析是一种新兴的技术,具备在数据流的移动过程 (Container)的新型虚拟化技术来帮助解决这些问题。 中持续性的统计计算分析,允许对实时流数据进行管理、 虚拟机会将虚拟硬件、内核(即操作系统)以及用户 监控和实时分析,涉及在任何时刻了解和处理业务中发生 空间打包在新虚拟机当中,虚拟机能够利用“虚拟机管理 的事件(Event),可以在数据失去价值之前在一个小机会 程序”运行在物理设备之上。容器可以看成一个装好了一 窗内快速处理分析数据,特别适用于物联网场景。 组特定应用的虚拟机,它直接利用了宿主机的内核,抽象 流分析的大型企业参与者包括微软、华为、SAP、 层比虚拟机更少,更加轻量化,启动速度极快。相比于虚 IBM、Software AG等。 边缘计算与云计算协同白皮书(2018年) | 16

20. 4.5 案例 4.5.1 梯联网案例 决上述挑战,并支撑电梯厂商从单纯的销售电梯产品走向 销售电梯运维服务的转型: 目前大约有1500万部电梯广泛的分布在全球,正是因 » 在电梯内或电梯附近部署边缘计算网关,通过丰富的 为数量庞大、分布离散,如何让电梯高效、安全的运行是 南向接口接入电梯各类传感器,北向通过无线接入电 产业界面临的巨大挑战。 梯运行维护云平台 之前电梯维护模式主要靠人工定期的现场检测,这意 » 电梯运行产生的海量数据需要在边缘计算网关做初步 味着较高的维护成本,也意味着一旦电梯发生故障其业务 处理,以便一方面减少对广域网流量的需求,一方面 中断时间也偏长,会给人们的生活与工作带来极大的不便 提升本地响应速度 利。如何及时发现电梯潜在隐患,让乘梯更安全,同时大 » 离散、海量的边缘计算网关受云端的Controller统一管 幅降低电梯运维成本成为电梯厂商亟需解决的难题;同时 理与控制,边云协同实现边缘计算网关设备、本地虚 原有的高成本维护模式导致电梯厂商在电梯销售的价值获 拟化资源、本地应用生命周期等管理 取中,往往只能获取电梯产品销售价值,很难获取电梯销 » 边缘计算网关与云端的IoT平台及电梯远程运维系统协 售后的运行维护价值。 同,实现增值应用的弹性调整与编排,提供预测性维 通过边云协同的梯联网预测性维护方案将能有效的解 护、广告运营等增值服务 物联网关 敏捷控制器 IoT平台 电梯远程运维系统 图12:边云协同的梯联网解决方案 17 | 边缘计算与云计算协同白皮书(2018年)

21.4.5.2 智慧交通,车路协同 等辅助,必要时接管汽车防止事故的发生。 交通管理系统可以通过与车辆边缘计算节点以及道 基于边云协同的车路协同,是智慧交通的重要发展方 路侧边缘计算节点之间的交互,对车辆密度、速度等的感 向之一。 知,来引导道路上的车辆规避拥堵路段,实现交通的高效 车路协同的能力构建涉及车内边缘计算、道路边缘计 调度。在各个十字路口,车载边缘计算可以结合道路交通 算、智慧交通云等方面。 状况告知道路边缘计算节点当前的道路状况。而道路边缘 在车内边缘计算方面,当前,车内通讯多采用控制 计算节点则收集附近道路的信息,通过大数据算法,下发 器车载总线(如CAN等)实现对车内的各个子系统进行检 合理的道路交通调度指令,通过控制信号灯的状态、为驾 测与控制,未来将转变为高速实时车载以太技术(如基于 驶员提供拥堵预警等手段,实现道路的最大利用率、减少 TSN的TCP/IP的网络),汽车则成为边缘计算节点,在结 不必要的停留,从而减少道路拥塞、降低燃油损耗。 合边云协同在本地提供车辆增值服务与控制能力。 边云协同使能车路协同,为智慧交通提供如下核心 在道路边缘计算方面,未来新的道路侧系统将综合内 价值: 置多种通信方式、提供多种传感器接口以及局部地图系统、 » 为车载、车间、车路通讯提供高可靠、低延迟、实时 并提供信号配时信息和周边运动目标信息、提供车辆协同 性的保障 决策等多种技术与能力,综合构建为道路侧边缘计算节点。 » 提升通信系统防护来自外界的网络攻击的能力 除了车辆内部,车间、车路协调驾驶可以通过事故预警与规 » 道路与车辆协同运作,提高交通调度效率、降低事故 避的手段,来减少事故发生的概率。汽车需要将本地通过雷 发生率 达、摄像头等取得的数据与周边车辆和道路基础设施通过边 » 全方位监控车辆状态、实现预测性维护 缘网关进行交互,并提升感知范围,从而达到车辆间、车路 » 提供强大的数据分析能力,为用户提供更好的驾车 间的协同,为驾驶员提供碰撞预警、变道预警、自适应巡航 体验 大数据平台 道路运维 交通状况监控 交通流量调度 事故预警 道路基础设施 道路基础设施 ECN ECN 道路状态监控 振动 计算 存储 通信 … 振动 计算 存储 通信 网络安全防御 车辆 车辆 ECN ECN 车辆辅助驾驶 车载 车载 车载 车载 车载 车载 车载 车载 预测性维护 应用 计算 存储 通信 … 应用 计算 存储 通信 网络安全防御 驾驶员 乘客 状态 操纵 驾驶员 乘客 状态 操纵 图13:边云协同支撑车路协同的智慧交通 边缘计算与云计算协同白皮书(2018年) | 18

22. 05工业边云协同主场景 5.1 设备优化子场景 无论是离散制造还是流程生产,随着工业4.0、 中国制造2025、工业互联网等发展与深入,云计算与 设备优化是设备生命周期中的关键应用场景,主要 边缘计算的协同效应正在快速增强,成为工业系统数 包括设备状态优化和设备性能优化。前者通过对设备进行 字化改造的主要使能器。 状态监测及预测性维护,使设备始终保持在良好的健康状 在工业边云协同场景里,自动化厂商是主要玩 态,避免非计划停机;后者通过对在现场运行的数量众多 家,依托于传统的现场优势,结合工业云平台,为客 的同类型设备性能监测对比,找出限制设备性能的瓶颈, 户提供边云一体的解决方案,支撑自动化厂商的商业 制定改进措施,优化设备性能,最终提升生产效率。 模式与业务模式创新(如从批量生产走向柔性生产, 设备制造商与设备用户是设备优化场景中的直接利益 从产品价值走向产业+服务价值),在行业数字化过 相关者。设备制造商通过设备优化一方面可以进一步改进 程中进一步获取产业价值。另外,ICT厂商也在加强 设备的机械及电控设计,提升产品竞争力,另一方面可以 投入,从ICT基础设施维度支撑使能自动化厂商的数 从产品向服务领域延伸,降低服务成本,提升服务收入, 字化能力,从而扩展业务覆盖范围。 并使能商业模式创新;同时设备用户可以避免非计划停机 工业边云协同主要包括三大子场景:设备优化 的带来的损失,保证生产的连续性,提升生产效率。 子场景、工艺过程优化子场景、工厂全价值优化子场 景。三大子场景贯穿工业生产单元的全工作流程,最 终帮助工厂实现数字化转型,支撑“多快好省”的生 产模式:多品种小批量的柔性生产、快速交付、提升 质量、降低能耗等。 19 | 边缘计算与云计算协同白皮书(2018年)

23.5.1.1 设备优化子场景边云协同能力与内涵 设备优化子场景涉及低时延类应用和非低时延类应 边缘节点的资源约束性,部署AI芯片或模块能更高效实现 用,主要通过对采集到的设备数据进行智能分析优化设备 智能协同;云端通过大数据分析抽象提炼与质量、产量、 健康状态与性能,所以其边云协同能力与内涵主要包括数 故障等相关的关键运行参数模型,持续设备优化模型训练 据协同、智能协同、应用管理协同。 (AI Training),并对现场设备给出优化调整建议,保证设备 数据协同:边缘节点采集设备运行参数,按照规则或 正常运行并提升生产效率。 数据模型对数据进行初步处理与分析,将处理后的数据尤 应用管理协同:边缘节点为边缘应用提供部署与运行 其是异常(如报警、故障)数据上传给云端;云端持续接收边 环境及非低时延类应用生命周期管理API,一方面针对低时 缘节点的数据,如新接入设备的数据、已接入设备的数据 延类应用提供本地生命周期管理能力。低时延类业务可绑定 等,基于海量的运行状态数据(包含异常状态数据)开展大数 专用基础设施资源,非低时延类业务共享基础设施资源;云 据统计分析。 端实现对边缘应用的全生命周期管理,包括应用的推送、安 智能协同:边缘节点一方面为云端AI模型训练提供数 装、卸载、更新、监控及日志等,同时云端还可以提供边缘 据输入,一方面负责边缘推理执行 (AI Inference)。考虑到 节点应用开发、测试能力,以便促进生态能力构建。 Endpoints Edge Computing nodes Public/ Private Clouds ECSaaS SaaS ECPaaS PaaS 应用部署环境及生命周期API 3 应用管理协同 应用开发、测试/应用生命周期管理 分布式智能/推理 2 智能协同 集中式训练 Data Ingestion 1 数据协同 数据采集与分析(南向设备监测/异常) 数据分析 Device Control ECIaaS IaaS 边缘ICT基础设施 云ICT基础设施 图14:设备优化子场景边云协同能力与内涵 边缘计算与云计算协同白皮书(2018年) | 20

24. 5.2 工艺过程优化子场景 工艺过程优化主要面向制造过程工艺的参数优化需求,如火力发电、石油化工、水泥等流程型生产过程中的部分或全部 工艺段,以及制药包装盒一体化生产线等离散制造场景。虽然在两类生产现场应用的OT系统有较大差别,但都是典型的边缘 侧工业场景,存在生产现场工艺优化的强烈需求。通过边云协同实现工艺过程中的参数优化,客户可以: » 提高生产效率,如操作工序的次序调整或生产线的制造单元的运行参数调整 » 提升产品质量,如提升产品一致性、提升合格率、延长产品的使用寿命 » 节能降耗,如降低火力发电厂的单位煤耗,降低高能耗设备的使用时间 21 | 边缘计算与云计算协同白皮书(2018年)

25.5.2.1 工艺过程优化子场景边云协同能力与内涵 工艺过程优化子场景主要是工艺段或者生产线级别应 现场工艺工程参数的数据来进行新的模型训练,一方面进 用,按需灵活弹性部署和调整应用是核心需求,其边云协 一步提升模型的优化效果,另一方面避免外部输入变化导 同能力与内涵主要包括数据协同、智能协同、业务管理协 致老模型失效的问题。考虑到边缘节点的资源约束性,部 同、应用管理协同。 署AI芯片或模块能更高效实现智能协同。 数据协同:边缘节点通过数据集成平台对工艺过程进 应用管理协同:边缘节点提供工艺过程优化类边缘应用 行建模,并采集过程中各工艺段的数据,涉及实时类、安全 部署与运行环境及应用生命周期管理API,该类应用是工艺 性、隐私类数据在边缘节点处理与分析,相关结论及其他数 过程参数优化的重要依据,如产能、稼动率、 OEE、能耗 据可上传云端;云端对各工艺段运行数据进行大数据分析, 等;云端实现对边缘应用的全生命周期管理,同时还可以提 包含工艺段本身数据及各工艺段之间的数据协同关系。 供边缘应用开发、测试能力,以便促进生态能力构建。 智能协同:边缘节点通过短期学习建立简易的优化模 业务管理协同:边缘节点按需运行云端下发的应用实 型,而云端通过长期的学习训练出更加精准的优化模型, 例,匹配场景与业务变化需求;云端根据工艺逻辑、生产 并下发至边缘侧更新边缘的优化模型。同时云端不断接收 需求等开展边缘业务编排。 Endpoints Edge Computing nodes Public/ Private Clouds ECSaaS SaaS ECPaaS PaaS 应用实例及业务编排API 4 业务管理协同 应用的业务编排 应用部署环境及生命周期API 3 应用管理协同 应用开发、测试/应用生命周期管理 Data Ingestion 分布式智能/推理 (优化模型) 2 智能协同 集中式训练(持续优化) 数据采集与分析 (工艺过程模型) 1 数据协同 数据分析(工艺过程建模、工艺段) Device Control ECIaaS IaaS 边缘ICT基础设施 云ICT基础设施 图15:工艺过程优化子场景边云协同能力与内涵 边缘计算与云计算协同白皮书(2018年) | 22

26. 5.3 工厂全价值链优化子场景 智能工厂借助开放平台实现与上下游资源需求的无缝 所以该场景的边云协同能力与内涵主要包括数据协同、应 对接,打通工厂价值链上的各个环节,涵盖采购、生产、仓 用管理协同。 储、物流、服务等,彻底打破当前各环节的业务相对独立、 数据协同:边缘节点主要负责数据采集,要求数据接 数据分散且无法有效利用的局面,从容应对在实现零库存目 口丰富性以采集供应商的生产产能、产品质量、制造商多 标、产品快速交付、大规模定制等诸多方面的严峻挑战。 工厂产能现状、物流商交付能力、客户设备使用习惯与设 对于大型企业,由于涉及更多的上下游生态链,以及 备使用状况等E2E关键指标信息,按照规则和数据模型对数 自身多工厂间的协调,该场景能力能更好的促进其生态链 据做初步分析处理,将处理结果上传至云端进行持续的模 优化;对于中小型企业,该场景能力能够帮助其快速构建 型训练;云端开展供应链优化模型、订单分配优化模型、 上下游生态能力,并融入大企业生态链。 物流优化模型、精准服务优化模型等模型的持续训练与优 化,从而给出供应商选择、工厂选择、物流选择及客户服 5.3.1 工厂全价值链优化子场景边云协同能 务等决策建议。 力与内涵 应用管理协同:边缘节点提供信息综合采集类应用部 署与运行环境及应用生命周期管理API,如供应链、生产 工厂全价值链优化子场景通过对上下游全价值链的全 现场、物流服务等应用;云端负责边缘应用的生命周期管 局信息与资源的掌握,结合AI技术实现智能化全局优化, 理,并对具体应用的优化提供优化策略与建议。 Endpoints Edge Computing nodes Public/ Private Clouds ECSaaS SaaS ECPaaS PaaS 应用部署环境及生命周期API 2 应用管理协同 应用开发、测试/应用生命周期管理 1 数据协同 数据分析 Data Ingestion 数据采集与分析(上下游生态链数据) (供应链、订单、物流等优化模型) Device Control ECIaaS IaaS 边缘ICT基础设施 云ICT基础设施 图16:工厂全价值链优化子场景边云协同能力与内涵 23 | 边缘计算与云计算协同白皮书(2018年)

27.5.4 关键技术 工业边云协同的实现涉及多种关键技术的组合应用,包 物理世界与数字世界联通融合,每个数字孪生单元应包含 括数据采集、数字孪生、实时数据分析、资源虚拟化等。 信息模型、模型协同、功能组件以及数据集成等基础要 素。在边缘侧提供标准的数字化与网络化的基础,弥补传 数据采集 统自动化系统在这两方面的欠缺,快速实现工业数据处 数据采集是工业互联网的基础能力,也是构建边云协 理、工业设备模型化、生产工艺逻辑开发、各类型自动化 同的第一步。虽然在边缘侧的传感器、执行器也可以作为 系统及物联网设备的互联、互通、互操作。该技术以大幅 数据的采集对象,但目前控制器是主流的数据采集对象。 提升现场的工程实施效率及新需求定制化开发效率为目标 物联网网关是当前行业内应用比较广泛的数据采集工具, 在如今的机器制造、产线建设等领域得到广泛。 通过控制器支持的驱动协议来采集所需数据,并将数据推 送至云平台。市场上网关厂家较多,对PLC、CNC等通用控 实时数据分析 制器的支持较完善,但对私有设备一般需要进行采集协议 实时数据是边缘侧监控系统的重要组成部分,是一种 的定制化开发。网关服务既可以部署在独立的硬件盒子, 带有时态性的数据。实时数据带有严格的时间限制,一旦 也可以作为云平台的一项微服务组件嵌入现场设备,使设 处于有效时间之外,数据将变得无效,会变成历史数据并 备入云更加方便快捷。 存储下来以备后续使用。实时数据分析主要针对工业生产 现场当前运行状态进行的信号及数据分析,应用场景如机 数字孪生 理模型、设备健康度诊断、设备短期KPI等。其作用在于通 数字孪生是CPS系统的基本单元,充分利用物理模 过边缘计算对数据进行预处理(筛选、聚合、分析等), 型、传感器更新、运行历史等数据,集成多学科、多物理 从而为后续的大数据分析提供可靠的数据基础。该技术在 量、多尺度、多概率的仿真过程,在虚拟空间中完成映 工业资产管理软件、工业控制器、自动化数学工具、机理 射,从而反映相对应的实体装备的全生命周期过程。它将 模型软件中应用比较广泛。 边缘计算与云计算协同白皮书(2018年) | 24

28. 5.5 案例 5.5.1 折弯机设备性能优化案例 据进行统计、归类、分析,针对不同板材形成折弯优化模型 与优化参数建议,保证各类板材的折弯效果。如在云侧收集 折弯机是钣金行业工件折弯成形的重要设备,其作用 不锈钢板材的加工数据进行分析,得出不锈钢折弯的较优参 是将金属板材根据工艺需求压制成各种形状的零件,折弯角 数,并建立不锈钢板材的折弯优化模型,对快下速度、工进 度是衡量工件加工质量的最关键指标。由于金属板材种类繁 速度、卸荷速度、回程速度以及下压深度等进行优化调整, 多,而且工件的长度、厚度不同,折弯角度时常出现波动。 下发至边缘侧,更新到现场边缘节点的折弯机控制逻辑程序 对于用户来讲,随着同类板材折弯加工量的增多,操作工可 中,保证稳定的折弯效果。 以调整折弯参数以达到优化效果,但仅限于该类板材,其他 上述边云协同的方案通过扩大数据样本与种类,为模型 类板材的折弯质量仍然不高。此外,依靠人工经验调整耗时 训练提供更好的数据基础,支撑其客户迅速掌握多种板材的 费力,优化效果有限。 折弯能力。这也将改变折弯机行业的商业模式,折弯机制造 为了应对上述挑战,以折弯机制造商为核心建立集中 商销售的将不仅仅是一台机器,还有持续提升设备性能的服 云平台,接收来自不同终端用户的折弯机加工数据,并对数 务,而这项服务将为终端用户持续创造价值。 模型优化 折弯机A 折弯机B 折弯机C 折弯机N 图17:边云协同的折弯机设备性能优化 25 | 边缘计算与云计算协同白皮书(2018年)

29.5.5.2 新能源电池生产工艺过程优化案例 近年来随着新能源汽车市场迅速升温,动力锂电池呈 流动基材,另一方面需保证涂层厚度均匀,收卷整齐。然 现出良好的市场需求前景。但是动力锂电池生产工艺流程 而在实际生产过程中,上道工序的产出物(浆料)的品质 比较复杂,而且批量生产的电池质量一致性低,容量及性 存在波动,涂布工序需针对不同品质的浆料灵活调整控制 能不稳定。 策略。在边缘侧,根据厚度、温度、速度等参数的实时反 在动力锂电池生产过程中,影响电池质量性能最关键 馈,建立涂布工序的短期优化模型对生产工艺参数进行调 的是搅拌、涂布以及辊压三道工序。这些工序之间耦合性 整,保证本工序的输出物的质量达到标准。 强,而且涉及众多工艺参数的调整以及控制策略的优化, 最后,辊压工序将涂层和基材辊压瓷实,以保证涂层密度 比如搅拌时间及次数、涂布温度、辊压速度等将直接影响 均匀。从控制角度来讲,辊压工序会涉及到厚度控制(涂层密 电芯的寿命和容量。 度)、张力控制、自动纠偏控制等。现在可以利用检测设备, 搅拌工序主要用来生产正负极电池浆料。浆料的粘 比如激光测厚仪,实时反馈涂布基材各个位置的厚度,在边缘 度(固含量、Binder形状、混合状态等)是给后道涂布工 侧进行反馈计算,并将厚度数据实时上传至云侧。 序输入的关键工艺参数,因此在搅拌工序就要对浆料粘度 综上所述,上述三道工序在边缘节点通过短期学习建立 进行有效控制。以往根据人工经验来确定主辅料加料时间 各自简易的优化控制模型,实时调整工艺参数。各个工序计 和数量,人工检验各个搅拌阶段的浆料粘度来判断浆料质 算处理的结果数据及过程数据均会上传至云端,云端基于长 量,给搅拌工序质量带来重大的不确定性。通过在边缘节 期的、海量的数据进行模型训练,以及各种模型之间的协同 点实时采集和分析浆料的粘度,同时根据多批料搅拌过程 训练(如压下模型与张力控制相关,而张力参数既关系到厚 的过程数据、品质数据的收集,通过短期学习优化搅拌模 度的精度,也关系到纠偏控制),通过长期自学习建立更优 型,从而优化浆料的搅拌时间和主辅料配比数量,大幅提 的模型,然后下发至边缘侧对模型进行更新升级。 升搅拌工序的质量。 通过上述边云协同解决方案显著提升了批量生产电池 涂布工序一方面需保证正负极浆料能够牢靠的涂覆在 质量的一致性。 4 云侧 张力模型 其他模型 计算资源 4 4 4 4 速度模型 压下模型 4 3 3 短期自学习结果 长期学习计算因子 5 生产实绩参数 5 长期学习计算因子 边缘侧 短期学习 2 2 短期学习 短期学习 2 1 1 1 ... 搅拌设备 涂布设备 辊压设备 图18:边云协同的新能源电池生产工艺优化方案 边缘计算与云计算协同白皮书(2018年) | 26