在一系列行業(yè)中,特別是在工業(yè)自動化的縱向領域,人們普遍認為,將現(xiàn)代計算機資源與基于云的軟件生命周期管理模型相結合,將變得越來越普遍。將虛擬計算機資源放置在創(chuàng)建多個數(shù)據(jù)流的地方是很好的。這是解決純粹云計算方法無法解決的系統(tǒng)延遲、隱私、成本和彈性挑戰(zhàn)的途徑。2010年左右,思科系統(tǒng)公司在"霧計算"的標簽下啟動了這種范式轉變,并逐步轉變?yōu)楝F(xiàn)在所謂的"邊緣計算"。

關鍵工業(yè)系統(tǒng)的需求

盡管如此,這種轉換在計算和數(shù)據(jù)分析中的全部潛力還遠遠沒有實現(xiàn)。任務的關鍵要求比云本地模式所能提供的要嚴格得多。這尤其是因為特派團關鍵應用程序有四項具體要求

· 異質硬件-典型的工業(yè)自動化設置有不同的架構,X86,ARM,以及地板上的各種計算配置

· 安全要求-安全要求及其緩解措施因設備而異,需要小心處理

· 創(chuàng)新--雖然有些工業(yè)應用可以繼續(xù)沿用過去10年來保持不變的傳統(tǒng)模式,但大多數(shù)工業(yè)世界現(xiàn)在還需要現(xiàn)代數(shù)據(jù)分析和監(jiān)測其安裝中的應用

· 數(shù)據(jù)保密性--和其他信息技術領域一樣,在連接的機器中,數(shù)據(jù)權限管理越來越復雜,需要從數(shù)據(jù)的起源開始就進行管理。

· 實時和決定論--控制器提供的實時決定論對操作的安全和保障仍然至關重要。

出于這些原因,市場正在尋求被"任務關鍵邊緣"所稱的"山貓軟件技術"。這一概念源于將嵌入式計算(安全、實時和安全、決定性行為)的典型要求納入現(xiàn)代網絡化、虛擬化、集裝箱化的生命周期管理以及豐富的數(shù)據(jù)和智能計算。

任務關鍵邊緣的作用

如果沒有一個充分展示的任務關鍵邊緣,我們將無法解決目前工業(yè)電子基礎設施所特有的許多痛苦點。特別是,我們將無法安全地鞏固、整理和豐富數(shù)據(jù)分析和人工智能的成果,許多連接不佳、支離破碎和老化的子系統(tǒng)控制當今的工業(yè)環(huán)境。

下面這幅廣泛的架構圖展示了我們實現(xiàn)這一目標的愿景,例如:

· 分布式和互聯(lián)式,具有混合臨界能力,虛擬化多核心計算節(jié)點(系統(tǒng)系統(tǒng))

· 網絡支持,包括傳統(tǒng)的信息技術通信(例如:、以太網、Wifi),但也是決定性的遺留領域公共汽車,正在走向IEEE時間敏感網絡(TNS),以及公共和私人4G/5G,也在走向決定論

· 支持基于標準中間件(OPCUA、MQTT、DDS等)的節(jié)點內部和節(jié)點之間的數(shù)據(jù)分布,也將努力實現(xiàn)決定論(例如。,總檢察長辦公室

· 必須進行遠程管理和軟件的分布式節(jié)點將作為虛擬機(VMS)和容器(現(xiàn)代云本地微服務的模型)交付和編排。

分布式系統(tǒng)系統(tǒng)旨在應對控制當今工業(yè)環(huán)境的許多連接薄弱、支離破碎和老化的子系統(tǒng)所面臨的挑戰(zhàn)。

林奇公司將工業(yè)操作架構(工業(yè)自動化樓層基礎設施架構)的演變確定為實現(xiàn)整個任務關鍵邊緣模式的最適當目標之一。

與更強大和可伸縮的新多核平臺相匹配,任務關鍵邊緣計算方法可以提供一個統(tǒng)一和統(tǒng)一的基礎設施,從機器到工業(yè)地面,再到電信邊緣和云,使硬件和軟件基本脫鉤。作為vm包裝的應用程序和越來越多的作為容器包裝的應用程序,可以在這個基礎結構的所有層上進行動態(tài)管理和編排。

融入當今支離破碎的工業(yè)環(huán)境

控制當今物理環(huán)境的許多連接薄弱、支離破碎和老化的子系統(tǒng)可以有效和安全地鞏固、協(xié)調和豐富數(shù)據(jù)分析和人工智能的成果。

當任務關鍵邊緣部署到工廠的業(yè)務技術領域時,基礎設施將如何看起來。有一個分布式的節(jié)點集,有的離工廠很近,有的很遠。

上面的圖表顯示了當任務關鍵邊緣部署到工廠的業(yè)務技術領域時,基礎設施將如何看待。有一個分布式的節(jié)點集,有的離工廠很近,有的很遠。實際上,這就像一個分布式數(shù)據(jù)中心,但是包含了一個更加異構的、互聯(lián)的虛擬化計算機資源集,它可以在需要的時候和需要的時候托管應用程序。這些將以虛擬機和容器的形式部署,它們是由云或本地組織的。

讓我們討論一下奧迪制造廠的一個具體用例,更具體地說,是針對奧迪A3的。內卡蘇姆工廠的生產線上有2,500個自主機器人。每個機器人都配備了某種工具,從膠水槍到螺絲刀,并完成了組裝奧迪汽車所需的特定任務。

奧迪在內卡蘇倫工廠每天組裝大約1,000輛車,每輛車有5,000個焊點。為確保焊接質量,奧迪進行手動質量控制檢查。然而,每天要手動檢查1,000輛汽車是不可能的,所以奧迪采用了行業(yè)標準的取樣方法,每天把一輛汽車從線路上拉下來,并使用超聲波探測器測試焊接點,記錄每個點的質量。取樣成本高,勞動密集,容易出錯。因此,目的是檢查每輛車的5,000個焊點,并推斷每一個焊點在微秒內的結果。

通過將機器電子學習算法的預測結果與奧迪提供的實際檢驗數(shù)據(jù)進行比較,建立并培訓了一種精確度的機器電子學習算法。記住,在邊緣有一個豐富的數(shù)據(jù)集,可以訪問。機器學習模型采用焊接控制器生成的數(shù)據(jù),顯示焊接過程中的電壓和電流曲線。數(shù)據(jù)還包括其他參數(shù),如焊接的結構、金屬的類型和電極的健康性。

然后,將這些模型部署在兩個層次,首先是在線條本身,也是單元格層次。結果是,這些系統(tǒng)能夠在實施前預測出糟糕的焊接。這大大提高了質量標準。這項工作取得成功的核心是在邊緣(即生產線)而不是在云中收集和處理與任務關鍵流程有關的數(shù)據(jù)。因此,可以實時調整這一進程。

在嵌入和信息技術之間的邊界獲得集成的好處

還有一些技術領域需要取得相當大的進展。山貓的焦點主要集中在兩個方面

· 在多中心系統(tǒng)中傳遞確定性行為;隨著多個系統(tǒng)合并起來在單個多中心處理器上運行,諸如內存和I/O之類的資源共享引起干擾,這意味著保證具有時間臨界功能的行為將成為問題。

· 為應用程序提供嚴格隔離,以確保系統(tǒng)的高度可靠性和安全性

還有其他一些主題,包括為這些復雜的連接系統(tǒng)提供時間敏感的數(shù)據(jù)管理、邊緣分析和網絡功能。例如,為這些確定性的、具有時間敏感性的系統(tǒng)部署編排和調度的正確方法是什么?

總之,關鍵任務就在這里。它開始實現(xiàn)霧計算的最初意圖。我們正開始從嵌入式技術和信息技術之間的真正一體化中獲得巨大的好處。需要做更多的工作,這將需要一個村莊。這將需要一系列廣泛的生態(tài)系統(tǒng)伙伴,以簡化這種技術如何交付到市場。