AI时代来临,边缘计算有望迈入高景气度赛道

OFweek工控网 中字

       相对于云计算把软硬件资源都集中部署在远离用户的大型数据中心,边缘计算就是将计算资源就近放置在更靠近用户或设备的“边缘”,从而减少延迟和带宽消耗,提供靠近数据源的实时处理。

       众多厂商竞相布局边缘计算

       近几年,边缘计算变得火热,主要是因为 5G、AI、工业互联网等业务和场景发展越来越快,联网的智能终端设备和需要处理的数据越来越多,就造成了对计算能力下沉到数据源边缘的诉求越来越多。

       市场预计边缘计算将是算力需求大幅提升的解决途径之一,是AI算力的重要组成部分。

       2022年11月,联通与腾讯成立了混改公司,旨在壮大CDN、边缘计算产业链,国内互联网头部玩家已经开始提前布局。

       2023年的华为全球分析师大会的主题演讲和其他会议上,华为都着重强调了计算、智能和人工智能/机器学习。伴随着在5.5G背景下展示的一系列雄心勃勃的用例,华为对未来的愿景在连接之外还将需要实现大量的边缘计算。

       近日,京东云2022产业融合新品发布会在线上举办,会上重磅发布了统一存储平台云海。云海针对多行业、多场景给出了不同的边缘计算存储产品和解决方案。

       边缘计算设备与平台

       传统意义上网络应用现场的控制器或者网关,并不能代表边缘计算设备,符合边缘计算定义要求的设备需要具备以下三个条件:

       首先,该设备要具备边缘侧数据采集能力。数据采集是边缘计算的基础,从工业设备到消费电子,一切设备都是数据的来源。

       其次,设备需要有基于机器学习的智能运算能力,尤其是能够跨越边缘侧和云端提供智能化的运算能力。不仅如此,设备还需要具备良好的运算性能和数据管理能力。

       第三,设备不仅仅能够完成采集和运算,还需要提供可操作的决策反馈,要有连接至决策执行系统的开放性。系统管理层可以根据数据分析获得相关决策建议,由执行系统或者设备本身直接完成决策过程。

       边缘计算不是单一的部件,也不是单一的层次,而是涉及到EC-laaS、EC-PaaS、EC-SaaS的端到端开放平台。在实际应用中,要实现边缘计算功能,不仅要有符合要求的边缘计算设备,还需要有能够实现落地的边缘计算平台。

       根据边缘计算平台的设计目标和部署方式,目前可将边缘计算开源平台分为3类:面向物联网端的边缘计算平台、面向边缘云服务的边缘计算平台、面向云边融合的边缘计算平台。由于针对的场景不同,各边缘计算平台的设计多种多样,但也不失一般性,边缘计算平台的一般性功能框架如下图所示。

       在该框架中,资源管理功能用于管理网络边缘的计算、网络和存储资源;设备接入和数据采集功能分别用于接入设备和从设备中获取数据;安全管理用于保障来自设备数据的安全;平台管理功能用于管理设备和监测控制边缘计算应用的运行情况。

       边缘计算应用场景

       边缘计算应用非常广泛,如智慧城市建设、智能家居、安防监控以及车联网自动驾驶领域,但目前边缘计算应用最具成效的是在工业制造业。

       在工业物联网领域的应用实践中,对于工业实时控制及边缘设备安全隐私的要求较高,并且产生的数据需要本地化处理,因此将边缘计算应用于工业物联网成为行业发展的方向。

       目前,边缘计算在制造企业主要应用在以下几个场景:

       1.设备智能监控

       在设备监控业务场景中,边缘计算能够支持对近亿条甚至更多的数据传输和处理,并保证传输的实时性和可靠性。同时,结合大数据及人工智能技术,边缘计算能及时对车间设备进行远程控制,并能够提升设备故障的预测能力,实现预测性运维,最大限度延长设备寿命和提高设备利用率。

       边缘计算还应用到终端产品(如挖掘机、智能汽车等)的日常使用和运维中。远程控制无人挖掘机基于5G通讯技术、边缘计算和人工智能技术的融合,通过无人驾驶及5G远程遥控设备等实现准确快速施工,达到提升工作效率、节约费用、降低危险系数等功效。

       2.机器人作业

       传统的工业机器人已经很难满足智能制造时代对智能化和多感知融合等需求,必须依托互联网技术、深度学习和机器人操作系统平台等进一步构建下一代工业机器人。通过边缘计算的模式提升机器人作为终端执行设备的自主决策能力,是实现复杂工艺和协同控制的必要基础。

       机器人智能作业的传输状态类信息,如关节的位置、速度等,不仅信息量较大,而且对信息的实时性要求高;而控制命令信息对安全性和可靠性有较高要求。通过边缘侧与远程控制端、智能中心的配合能够实现机器人的智能控制。此外,边缘计算还应用在多机器人协同作业,保证多机器人安全、高效的协同完成任务。

       3.AI质检

       AI质检系统采用先进的边缘计算技术,将AI应用下沉到生产车间,在靠近设备的地方进行机器视觉分析,降低视频传输对网络带宽的需求。

       目前,边缘AI工业质检的训练阶段需要在边缘侧完成,利用深度学习进行数据的获取、标注、训练、测试和部署,然后根据产品检验要求对产品类别信息、缺陷位置、缺陷类别等检测结果进行反馈,提出预警并控制现场设备进行处理。边缘计算AI质检实现了工业产品外观缺陷的高精度识别分析,缩短了应用响应时间,提高了业务实时性。

       4.产线优化

       柔性化作为制造业转型升级而产生的新型生产方式,受到了众多企业的追捧。由于数据分析慢、终端信息化程度低,实现柔性化生产对于传统制造业并不简单。而制造企业通过边缘计算能力控制不同的生产设备进行协作,实现工厂柔性化定制生产模式,让生产线变得更加智能。

       边缘计算通过对设备的加工状态,如工艺参数、生产环境数据的监控,建立“状态改变对于加工质量影响”的数学分析模型,并通过趋势分析预测加工质量的异常,及时调整设备工艺参数,形成“监控-分析-调整-优化”的闭环,防止废品、残次品产生。

       5.工厂安防

       在工厂安防领域,需要借助边缘计算对人员进行精确定位以及将定位信息与实时视频、图像以及数据传输进行联动,保证毫秒级的响应及提示,为预警的有效性提供保障,以防止安全事故的发生。同时,为了数据的长期存储以便事故的追溯,需要借助边缘计算的大带宽、实时性以及云端海量存储来实现这些需求。

       6.机器人巡检

       传统人为巡检工作量大,而且容易出现漏检。依托5G、AI和边缘计算,智能巡检机器人可以代替人力巡检。在机器人巡检场景中,必须要利用云端强大的大数据处理能力,对设备风险特征点进行有效的提取和分析,从而形成设备巡检报警模型。将机器人管理和DIAG系统(诊断系统)部署在边缘侧,通过5G网络回传实时高清巡检画面、设备信息、环境信息、系统交互等,判断现场产品是否与DIAG系统的产品信息一致,防止遗漏。

       7.物流装备智能化控制

       在智能工厂内部,多AGV之间的作业协同,调度算法极其复杂,而且复杂环境和大量的跨区域作业,对通讯的稳定性和带宽提出了更高的要求。随着企业内AGV数量的增加,云AGV可以更好的解决运算问题,边缘计算恰好能给云AGV提供高可靠、低时延的通讯条件支持。

       边缘计算是物联网不可或缺的基础设施之一,目前,对于边缘计算技术的研究和认识依然在持续深入。伴随5G商用的不断推进和边缘计算产业生态的发展完善,工业互联网、虚拟现实、智慧交通、无人驾驶以及众多目前难以想象的边缘计算典型场景有望加快落地、走向应用和普及,将会给整个社会创造更大的价值。

声明: 本网站所刊载信息,不代表OFweek观点。刊用本站稿件,务经书面授权。未经授权禁止转载、摘编、复制、翻译及建立镜像,违者将依法追究法律责任。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存