邊緣計(jì)算對工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展的重要意義及研究現(xiàn)狀

1工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算研究的重要意義1.1工業(yè)互聯(lián)網(wǎng)是先進(jìn)制造業(yè)轉(zhuǎn)型升級的關(guān)鍵工業(yè)互聯(lián)網(wǎng)是連接工業(yè)設(shè)備和生產(chǎn)的網(wǎng)絡(luò)，智能化生產(chǎn)、網(wǎng)絡(luò)化協(xié)同、個性化定制和服務(wù)化轉(zhuǎn)型是工業(yè)互聯(lián)網(wǎng)的核心內(nèi)容。作為新型工業(yè)化的基礎(chǔ)設(shè)施和智能制造的關(guān)鍵使能技術(shù)，工業(yè)互聯(lián)網(wǎng)已經(jīng)成為全球制造業(yè)搶占的新一輪制高點(diǎn)。2012年，美國通用電氣公司首先提出了工業(yè)互聯(lián)網(wǎng)概念，此后工業(yè)互聯(lián)網(wǎng)在世界范圍內(nèi)得到了廣泛發(fā)展。目前工業(yè)互聯(lián)網(wǎng)以德國“工業(yè)4.0平臺”、美國“工業(yè)互聯(lián)網(wǎng)聯(lián)盟”為典型代表，同時工業(yè)互聯(lián)網(wǎng)作為我國智能制造發(fā)展的重要支撐已經(jīng)得到了國家的高度認(rèn)可與重視，“十三五”規(guī)劃、制造強(qiáng)國、“互聯(lián)網(wǎng)+”等重大戰(zhàn)略都明確提出發(fā)展工業(yè)互聯(lián)網(wǎng)，如圖1所示。圖1工業(yè)互聯(lián)網(wǎng)戰(zhàn)略規(guī)劃1.2邊緣計(jì)算是實(shí)現(xiàn)工業(yè)互聯(lián)網(wǎng)創(chuàng)新應(yīng)用的關(guān)鍵實(shí)現(xiàn)工業(yè)互聯(lián)網(wǎng)的創(chuàng)新應(yīng)用，如智能化生產(chǎn)、網(wǎng)絡(luò)化協(xié)同、個性化定制和服務(wù)化轉(zhuǎn)型等并非易事。物聯(lián)網(wǎng)技術(shù)的發(fā)展雖然豐富了數(shù)據(jù)采集的手段，但隨之而來的海量數(shù)據(jù)也對工業(yè)系統(tǒng)的實(shí)時性等問題提出了新的挑戰(zhàn)。目前基于視覺引導(dǎo)的裝配機(jī)器人得到了廣泛的應(yīng)用，但是個性化定制過程對裝配機(jī)器人提出了更高的要求。如圖2所示，在實(shí)時性方面，個性化定制系統(tǒng)對于裝配機(jī)器人的空間定位、目標(biāo)識別、軌跡規(guī)劃的實(shí)時性要求高，部分情況的場景需要在10毫秒以內(nèi)。工業(yè)現(xiàn)場產(chǎn)生大量數(shù)據(jù)的實(shí)時處理需求，單個攝像頭1080p格式視頻在4Mbps碼率下每天產(chǎn)生330G的視頻數(shù)據(jù)，完全傳輸至云端需要占用大量帶寬，并產(chǎn)生較大的時延，如果數(shù)據(jù)分析和控制都在云端進(jìn)行，則難以滿足業(yè)務(wù)實(shí)時性的要求。同時，采用目前流行的深度學(xué)習(xí)相關(guān)技術(shù)后，視頻處理的計(jì)算復(fù)雜度很高。分類用AlexNet分析224×224大小的圖像需要720MFLOPs計(jì)算量，主流邊緣設(shè)備（使用酷睿i5CPU）需要1秒左右，而實(shí)際生產(chǎn)過程常用的ResNet50計(jì)算量是AlexNet的數(shù)十倍，無法保證應(yīng)用的實(shí)時性。圖2工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算的基本思想及面對的挑戰(zhàn)邊緣計(jì)算的提出為解決上述問題提供可能。邊緣計(jì)算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實(shí)時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。因此，邊緣計(jì)算是實(shí)現(xiàn)工業(yè)互聯(lián)網(wǎng)智能化生產(chǎn)、網(wǎng)絡(luò)化協(xié)同、個性化定制和服務(wù)化轉(zhuǎn)型等創(chuàng)新應(yīng)用的關(guān)鍵。2017年，施巍松等從數(shù)據(jù)處理的角度論述了研究面向網(wǎng)絡(luò)邊緣設(shè)備所產(chǎn)生海量數(shù)據(jù)計(jì)算的邊緣式大數(shù)據(jù)處理的必要性、研究現(xiàn)狀及所面臨的挑戰(zhàn)，并指出邊緣計(jì)算模式能夠有效應(yīng)對邊緣式大數(shù)據(jù)處理時代下，云計(jì)算模型無法有效解決的云中心負(fù)載、傳輸帶寬、數(shù)據(jù)隱私保護(hù)等問題。2017年，指出近幾年工業(yè)界和學(xué)術(shù)界在邊緣計(jì)算上的投入呈現(xiàn)迅猛增長，并指出這種新型技術(shù)能夠?yàn)橐苿佑?jì)算提供高響應(yīng)云服務(wù)，使物聯(lián)網(wǎng)具備可擴(kuò)展性并提供有效的隱私保護(hù)策略和掩蓋云服務(wù)短暫中斷的能力。邊緣計(jì)算強(qiáng)調(diào)網(wǎng)絡(luò)邊緣上的計(jì)算和存儲，無論在地理距離還是網(wǎng)絡(luò)距離上都更貼近用戶。相比于云計(jì)算，邊緣計(jì)算更能夠緩解網(wǎng)絡(luò)帶寬與數(shù)據(jù)中心的壓力、增強(qiáng)服務(wù)的響應(yīng)能力并實(shí)現(xiàn)對隱私數(shù)據(jù)的保護(hù)，提升數(shù)據(jù)的安全性，已經(jīng)成為研究界和產(chǎn)業(yè)界普遍關(guān)注的焦點(diǎn)，被用于建立多個領(lǐng)域的應(yīng)用系統(tǒng)。如，在拼車服務(wù)中建立的基于邊緣計(jì)算的攻擊檢測系統(tǒng)、在關(guān)注延遲的邊緣計(jì)算平臺上建立的視頻分析系統(tǒng)、基于邊緣計(jì)算的工業(yè)機(jī)器人系統(tǒng)以及跨越無人駕駛和有人駕駛能夠進(jìn)行情境感知的共享實(shí)時信息系統(tǒng)等。由于邊緣節(jié)點(diǎn)負(fù)責(zé)直接處理來自物理環(huán)境的實(shí)時信息，為終端用戶/設(shè)備提供快速、及時的響應(yīng)，顯然，實(shí)現(xiàn)并提升邊緣端智能對有效提升邊緣計(jì)算應(yīng)用的整體智能化水平和工作效率至關(guān)重要。2工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算研究現(xiàn)狀2.1邊緣計(jì)算發(fā)展歷程雖然2003年IBM就開始提供基于Edge的服務(wù)，但直到2014年以后，隨著物聯(lián)網(wǎng)技術(shù)、5G技術(shù)和人工智能的發(fā)展，邊緣計(jì)算才蓬勃發(fā)展起來。邊緣計(jì)算的發(fā)展如圖3所示。圖3邊緣計(jì)算的發(fā)展歷程工業(yè)互聯(lián)網(wǎng)智能制造邊緣計(jì)算也受到了國家各部委的高度重視。工信部在2017年和2018年連續(xù)設(shè)立了一系列智能制造綜合標(biāo)準(zhǔn)化與新模式應(yīng)用項(xiàng)目。2017年中國科學(xué)院沈陽自動化研究所承擔(dān)的工信部智能制造綜合標(biāo)準(zhǔn)化與新模式應(yīng)用項(xiàng)目“工業(yè)互聯(lián)網(wǎng)應(yīng)用協(xié)議及數(shù)據(jù)互認(rèn)標(biāo)準(zhǔn)研究與試驗(yàn)驗(yàn)證”，從工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算模型、工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)統(tǒng)一語義模型、工業(yè)互聯(lián)網(wǎng)互聯(lián)互通信息安全要求等7個方面對工業(yè)互聯(lián)網(wǎng)智能制造邊緣計(jì)算標(biāo)準(zhǔn)的制定進(jìn)行了探索；2018年，工信部工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展工程系列項(xiàng)目中，針對工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算，專門設(shè)立了“工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算測試床”、“工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算基礎(chǔ)標(biāo)準(zhǔn)和試驗(yàn)驗(yàn)證”等8個項(xiàng)目；在2018年度科技部國家重點(diǎn)研發(fā)計(jì)劃“網(wǎng)絡(luò)協(xié)同制造和智能工廠”重點(diǎn)專項(xiàng)中，專門針對邊緣計(jì)算設(shè)置了“工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算節(jié)點(diǎn)設(shè)計(jì)方法與技術(shù)”、“典型行業(yè)裝備運(yùn)行服務(wù)平臺及智能終端研制”、“基于開放架構(gòu)的云制造關(guān)鍵技術(shù)與平臺研發(fā)”等多個項(xiàng)目。2.2邊緣端智能化方法機(jī)器智能已成為各種應(yīng)用的核心屬性，但是大部分深度學(xué)習(xí)算法僅限于在云中心執(zhí)行。近年來，多個邊緣端設(shè)備的機(jī)器學(xué)習(xí)包陸續(xù)發(fā)布，被用于將計(jì)算卸載到邊緣端設(shè)備上執(zhí)行。對最近發(fā)布的用于邊緣端設(shè)備的機(jī)器學(xué)習(xí)包進(jìn)行了性能比較評估，使用戶能夠?yàn)檫吘壎诉x擇一組合適的邊緣設(shè)備和軟件，將計(jì)算卸載到邊緣端設(shè)備上執(zhí)行。在云邊協(xié)作學(xué)習(xí)方面，目前研究主要集中在借助在線學(xué)習(xí)和其他學(xué)習(xí)方法結(jié)合的學(xué)習(xí)技術(shù)實(shí)現(xiàn)邊緣節(jié)點(diǎn)智能的動態(tài)升級。最早提出了在線遷移學(xué)習(xí)的概念，在線遷移學(xué)習(xí)是一種動態(tài)遷移學(xué)習(xí)的策略，該學(xué)習(xí)算法的核心思想是將離線訓(xùn)練好的模型隨流數(shù)據(jù)在線遷移，模型能很好地適應(yīng)數(shù)據(jù)的變化。提出了在線學(xué)習(xí)和深度學(xué)習(xí)結(jié)合的學(xué)習(xí)算法，該算法為深度學(xué)習(xí)在線更新提供了理論基礎(chǔ)。針對邊緣計(jì)算場景中邊緣資源調(diào)度優(yōu)化的具體問題設(shè)計(jì)了在線學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合的方法，該算法為邊緣節(jié)點(diǎn)自適應(yīng)環(huán)境升級智能提供了理論指導(dǎo)和現(xiàn)實(shí)樣例。在最新的智能升級研究中，在嵌入式設(shè)備上做實(shí)驗(yàn)，同時運(yùn)行隨機(jī)森里、多層感知積和支持向量機(jī)等機(jī)器學(xué)習(xí)算法的訓(xùn)練和推理，并比較了三個算法在訓(xùn)練和推理階段的效率和能耗，最后探討了運(yùn)行深度學(xué)習(xí)算法訓(xùn)練和推理的方向。目前，邊緣計(jì)算中決策問題的研究大多集中在邊緣側(cè)資源受限情況下的獨(dú)立決策，如何在工業(yè)生產(chǎn)過程中實(shí)現(xiàn)適應(yīng)場景變化的個性化邊緣決策仍然是一個開發(fā)問題，需要探索適應(yīng)不同邊緣設(shè)備與網(wǎng)絡(luò)特征的學(xué)習(xí)機(jī)制、學(xué)習(xí)任務(wù)部署策略以及基于學(xué)習(xí)的實(shí)時決策方法，為工業(yè)物聯(lián)網(wǎng)場景中通過云邊協(xié)作學(xué)習(xí)提供工業(yè)設(shè)備與生產(chǎn)的智能化新思路和新方法。2.3邊緣計(jì)算平臺目前，無論是學(xué)術(shù)界還是工業(yè)界都已經(jīng)構(gòu)建了多個邊緣計(jì)算平臺，并制定了相應(yīng)的標(biāo)準(zhǔn)。邊緣計(jì)算相關(guān)標(biāo)準(zhǔn)ETSI對邊緣決策的典型的應(yīng)用場景作了詳細(xì)的規(guī)范和描述，包括智能移動視頻加速、監(jiān)控視頻流分析、增強(qiáng)現(xiàn)實(shí)、密集計(jì)算輔助、車聯(lián)網(wǎng)、IoT、網(wǎng)關(guān)服務(wù)以及企業(yè)專網(wǎng)應(yīng)用。Willis等支持在無線網(wǎng)關(guān)上動態(tài)安裝第三方服務(wù)的多租戶平臺ParaDrop，通過虛擬化實(shí)現(xiàn)物理設(shè)備、邊緣計(jì)算設(shè)備和云計(jì)算中心計(jì)算資源的有機(jī)結(jié)合和靈活分配的PCloud框架，以及支持云-端任務(wù)動態(tài)遷移的ECHO平臺等。提出了一種以智慧城市為背景的大數(shù)據(jù)分析框架，對處理在地理上廣泛分布的數(shù)據(jù)有很好的效果。其中使用邊緣計(jì)算技術(shù)構(gòu)建的邊緣計(jì)算平臺充分利用數(shù)據(jù)傳輸路徑上的計(jì)算設(shè)備，保證了分析框架的高效運(yùn)行，減少了需要上傳到云中的數(shù)據(jù)量，是整個框架高效運(yùn)行的關(guān)鍵。美國里海大學(xué)與IBM提出了一個基于深度學(xué)習(xí)的自適應(yīng)物體識別框架DeepCham，該框架適用于移動設(shè)備上的物體識別應(yīng)用，可以大幅提高物體識別的準(zhǔn)確率，其中邊緣計(jì)算模式可以在一定程度上減小對模型適用范圍的要求，也為深度學(xué)習(xí)收集大量特定的學(xué)習(xí)數(shù)據(jù)，訓(xùn)練更加個性化的識別模型。CMU與Intel實(shí)驗(yàn)室在2014年開發(fā)了一個基于增強(qiáng)現(xiàn)實(shí)技術(shù)的認(rèn)知輔助系統(tǒng)，通過谷歌眼鏡來增強(qiáng)某些病人的認(rèn)知能力，實(shí)現(xiàn)系統(tǒng)需要解決的關(guān)鍵問題是如何將處理任務(wù)的延遲控制在幾十毫秒，讓感知缺陷的病人也擁有正常人一樣的反應(yīng)速度。系統(tǒng)使用了邊緣計(jì)算技術(shù)，將延遲敏感的計(jì)算任務(wù)卸載到附近的Cloudlet來降低任務(wù)的處理延遲。3工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算待解決關(guān)鍵問題工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算正在蓬勃發(fā)展，但幾個關(guān)鍵問題尚未完全解決。目前，對邊緣計(jì)算的方法研究大多側(cè)重于如何通過算法或模型硬件化方式增強(qiáng)邊緣節(jié)點(diǎn)的處理能力，而對如何通過邊緣節(jié)點(diǎn)之間以及邊緣節(jié)點(diǎn)和云中心合作的方式提高應(yīng)用效能的研究還處于起步階段。如圖2所示，邊緣計(jì)算的基本思想是將實(shí)時性要求高的分析和決策功能下沉至網(wǎng)絡(luò)邊緣側(cè)，以此提升“感知-分析-決策-控制”一體化系統(tǒng)的實(shí)時性。這種方式雖然能夠有效提升系統(tǒng)的實(shí)時性，但同時帶來了一系列問題：（1）缺乏邊緣一體化計(jì)算的理論基礎(chǔ)：在邊緣計(jì)算模式中，邊緣計(jì)算系統(tǒng)成為兼有離散事件和連續(xù)變量等運(yùn)行機(jī)制的混雜系統(tǒng)，網(wǎng)絡(luò)動態(tài)性、測量噪聲等問題將引發(fā)系統(tǒng)的不確定性；同時工業(yè)互聯(lián)網(wǎng)場景中任務(wù)常存在高并發(fā)的特點(diǎn)，同一時隙內(nèi)可能存在多個事件，一體化模型計(jì)算結(jié)果確定性難以保證。（2）缺乏高效的邊緣側(cè)資源管理和任務(wù)調(diào)度方法：邊緣計(jì)算模式的核心是將分析和決策功能下沉至網(wǎng)絡(luò)邊緣側(cè)。邊緣側(cè)計(jì)算資源和網(wǎng)絡(luò)資源的限制，僅將實(shí)時性要求高的分析和決策功能下沉，以此實(shí)現(xiàn)云邊協(xié)同計(jì)算；同時邊緣計(jì)算需要對邊緣側(cè)資源進(jìn)行高效管理和優(yōu)化，以此提升系統(tǒng)的實(shí)時性。但目前尚缺乏高效的邊緣側(cè)資源管理和任務(wù)調(diào)度方法。（3）邊緣側(cè)設(shè)備資源有限，難以獨(dú)立完成復(fù)雜計(jì)算任務(wù)：受限于現(xiàn)有芯片的處理能力及邊緣側(cè)存儲設(shè)備發(fā)展水平，目前，邊緣設(shè)備仍然難以獨(dú)立完成復(fù)雜的數(shù)據(jù)處理與分析需求。在工業(yè)互聯(lián)網(wǎng)實(shí)際生產(chǎn)環(huán)境中，如何融合云