摘要：在工业系统信息化与智能化逐步推进的形势下，边缘计算已变得越发重要。相比云计算在大数据处理分析方面的优势，边缘计算在低延时与高可靠的场景中有着云计算无法替代的优势。边-云协作已经成为工业互联网、自动驾驶、智慧城市等边缘计算重要场景的新趋势。利用云的强大计算与储存能力来处理历史数据进行分析优化，而依靠边缘计算的能力解决高实时性任务。然而，现有的边-云协作数据管控缺乏统一标准，造成各个平台与设备兼容性差，导致工业互联网无法互联互通。因此，IEEE P2805边缘计算节点系列标准的设立为自主管理、数据清洗缓存、边-云协同机器学习等方向提供了标准化参考。

关键词：边缘计算；标准化；数据清洗缓存；自主管理；数据分析；边云协同；边缘机器学习

引言

边缘计算利用日益提升的设备级计算、储存、网络资源，协同完成高可靠、低延迟的实时控制、数据处理、完全防护等任务。边缘计算在工业互联网、自动驾驶、智慧城市等领域有着广泛的应用前景。随着边缘计算的崛起，现有工业自动化体系结构发生根本的改变，由原来基于ISA-95的结构[1]逐渐向工业云+边缘计算系统的形态转变。在新的体系下，工业软件从最上层的ERP、PLM、CRM等系统一直到边缘侧的工控软件都将发生模式上的根本转变。在ISA-95的传统模式下[2]，信息交互往往只在相邻的层级之间进行。例如ERP系统只与MES系统直接对接，而MES也只与下层的SCADA系统以及上层的ERP系统进行交互。当最底层新增的传感数据需要与上层系统交互时，需要对数据链路上的每一个系统进行修改，造成系统开发与维护的效率低下。在系统规模日益庞大、交互功能复杂的情况下，软件开发与测试的时间将成倍增长，逐步超过项目硬件成本支出。

在工业互联网+边缘计算的模式下，工业软件的开发模式将从传统的桌面应用向基于服务化的工业App过渡。工业软件根据实时性、可靠性与数据量的需求分为云端或者边缘端应用两类。CAD、CAE、ERP、MES、PLM、CRM等传统工业设计、运营管理类软件由于功能众多、体积庞大、数据复杂、实时性要求低、扩展性要求强，适合以工业云为载体进行服务化升级转型。以ERP和MES系统为例，此类系统由大量的软件模块组成，包括销售、需求计划、供应链管理、计划与执行、库存、财务会计、人力资源、仓库管理、采购、品质管理等。由于工业系统具有很强的行业特性，不同行业、不同生产模式的企业对于此类系统的需求有着极大的差异，很难找到两个企业拥有完全相同的运营方式。因此，如将每个模块单独封装成为工业App部署在云端，可以针对不同企业满足深度定制的需求，减少用户由于频繁升级造成的不便。单独部署的模块也可以减少企业在此类软件上的投入，避免造成资源浪费。

而SCADA、HMI、PLC、DCS等生产控制、装备嵌入式软件对实时性与可靠性要求极高，因此一般功能较为单一。部分控制代码响应时间甚至需要控制在1ms之内，而与云的通讯时间则远远超过这个时间，以至于在一个通讯周期内，控制代码已经运行了几百个周期，因此此类工业App更适合以边缘计算系统为载体，以独立设备资源运行确保实时性与可靠性不受影响。随着芯片技术的不断进步以及储存价格的下降，目前边缘计算节点的运算与储存资源已可承担多个实时性要求较高的工业应用同时部署执行。

模式的改变带来软件开发方式的改变，如图1所示，以服务为基础的工业App的流程开发者可以使用任意编程语言(比如IEC 61131-3 ST、LD[3]、C/C++、Java，甚至是JavaScript)编写的工业边缘计算App通过打包为容器上传到工业云Edge App商店中，而使用者则无需开发任何代码，从工业Edge App商店中选择所需的应用并且配置部署模型下载或者更新工业EdgeApp，通过赋能的方式定义边缘计算节点的功能与职责范围，包含实时控制、可视化、监控、数据采集、数据过滤、数据在线分析等。基于IEC 61499[4]的高灵活性的部署带来不单是用户的自由度，通过有效整合边缘资源，能够有效降低成本，提升设备利用率。当然，受制于现有工业总线以及设备物理位置的所限，部署的灵活性受到一定的限制。当TSN[5]以及5G[6]在工业普及后，能给工业云+边缘计算系统的构架带来更大的柔性。

边缘计算节点管控体系

在新的工业云+边缘计算体系下，节点与节点间的智能管控已经成为必不可少的部分。一个边缘计算节点除了承担计算、储存、通讯功能外，还应该具备任务管理、数据管理、数据分析等功能。此外，由于工业系统对可靠性与安全性的特殊要求，不能完全依赖基于云计算的决策机制。工业现场生产系统应即使在与工业云连接断开的情况下也能保证正常生产，因此也更加凸显边缘计算在工业互联网的重要性。在2018年边缘计算产业联盟峰会上，边-云协同的概念被作为边缘计算参考构架3.0的主要亮点提出[7]。在工业互联网边缘计算框架下，工业系统可以选择边-云协同的模式，包括公有云+边缘计算系统或者私有云+边缘计算系统，当然也可以选择仅有边缘计算系统支撑。在任意一种模式下，都需要对现有的设备节点进行管控。然而，目前的工业互联网边缘计算则处于起步阶段，并未有标准协议与规范来约束边缘计算节点的管理、边缘端数据的处理、边-云协同机制。

因此，IEEE P2805系列标准孕育而生。IEEE P2805系列标准由IEEE工业电子学会标准专委会推荐的针对边缘计算相关的系列标准，目前已经获得IEEE标准委员会批准立项的共有三个部分：分别是P2805.1边缘计算节点自我管理协议[2]；P2805.2边缘计算节点数据采集、过滤与缓存管理协议[2]；以及P2805.3边-云协作机器学习协议[2]。如图2所示，三部分协议相辅相成，共同形成完整的边缘计算智能管控体系。

2.1 IEEE P2805.1边缘计算节点自我管理协议

IEEE P2805.1边缘计算节点自我管理协议主要面向多个边缘计算节点之间的自组织、自配置、自恢复和自发现等相互协作机制相关协议。随着边缘计算节点数量的增长，边缘计算节点网络和分布式应用程序的管理将成为巨大的挑战。此部分管理协议针对边缘计算节点间分布式应用的部署，降低用户的部署复杂度，实现设备的即插即用所建立。在更靠近数据源的边缘端作为决策，可以减少由于通信延迟带来的实时性问题。边缘计算节点根据反馈数据进行实时分析，依仗当前信息以及知识做出决策，并且对执行进行实时干预，例如改变执行的动作或者参数等。当前，边缘计算节点发现、标识、协作等消息传递和安全性机制并无统一定义。因此，此部分标准将制定对边缘计算节点软硬件的两部分管理方法，硬件管理部分包括：

• 如何在边缘计算节点上注册、更新、查找、删除其他节点；
• 如何查询其他节点的计算、储存以及通讯资源使用情况；
• 如何远程启动、停止节点。软件管理部分则包括：
• 如何在边缘计算节点上创建、更新、查询、删除应用；
• 如何分布式更新应用以及故障诊断；
• 如何在边缘计算节点上设置数据的权限、隐私、所有权；
• 如何支撑边缘计算节点间的扩展性与负载平衡；
• 如何在边缘计算节点间共享文件。

2.2 IEEE P2805.2边缘计算节点数据采集、过滤与缓存管理协议

IEEE P2805.2边缘计算节点数据采集、过滤与缓存管理协议主要针对控制器(包括可编程逻辑控制器、计算机数字控制器(CNC)和工业机器人控制器等不同设备)进行数据采集的协议。当前的数据采集无法实现高度定制化，因此必须引入可重配置的数据规则，例如定制化的数据采集周期、频率，数据格式转换和过滤无效数据等功能，并根据工业云或者其他边缘计算网络节点下发的规则对通过不同接口获取的现场设备数据进行自动缓存、过滤和计算。通过对数据预处理操作，可以实现在将数据转发到工业云或者其他存储空间之前，对其进行清洗与压缩，以便能够对历史数据进行高效分析，优化生产工艺流程。这部分标准的主要内容包括：

• 定制化数据采集(包括分组、周期、频率、质量等)；
• 数据过滤清洗；
• 数据恢复；
• 数据分区；
• 数据缓存；
• 数据预处理算法下发；
• 数据完整性与来源检测；
• 自定义数据类型。

2.3 IEEE P2805.3边-云协作机器学习协议

IEEE P2805.3边-云协作机器学习协议制定了如何使用边-云协同的方式在边缘计算节点上启用机器学习协议。该标准为低功耗、低成本的嵌入式设备上实现机器学习算法提供了实施参考。目前，尚未定义任何标准来涵盖边-云协同的机器学习功能。例如，边缘计算基于机器学习模型以及实时数据来判断是否更改节点控制流程或者甚至向工业云、其他节点发送警报。此部分的标准包含：

• 提供边缘机器学习、边 -云协同机器学习等模式；
• 提供分布式机器学习模型参考；
• 提供分布式机器学习训练方法参考；
• 如何下发部署已训练好的机器学习模型；
• 在线优化；
• 边缘计算节点推理。

结语

综上所述，在工业网络化系统逐渐普及的情况下，边缘计算系统的软件开发模型即将产生巨大的改变，边缘计算节点相比以往能够提供大量全新智能管控方法。然而，目前的边缘计算仍然处于早期研究阶段，相关标准的制定已经落后于市场实际需求。因此，IEEE P2805边缘计算节点系列标准以解决边缘端智能数据与设备管控为目标，通过定义自我管理协议、数据采集、过滤与缓存管理协议以及边-云协作机器学习协议来实现设备赋能。在边-云协作的模式下，边缘计算在工业互联网、智慧城市、自动驾驶等领域一定能发挥更大的作用。

参考文献：

[1] B. Scholten. The road to integration: A guide to applying the ISA - 95 standard in manufacturing[S]. ISA, 2007.

[2] W. Dai, H. Nishi, V. Vyatkin, V. Huang, Y. Shi and X. Guan. Industrial Edge Computing: Enabling Embedded Intelligence[J]. IEEE Industrial Electronics Magazine, 2019, 13 (4).

[3] IEC 61131-3. Programmable controllers - Part 3: Programming languages (Third Edition)[S]. 2013.

[4] IEC 61499. Function Blocks (Second Edition) [S]. 2012.

[5] N. Finn. Introduction to time-sensitive networking[J]. IEEE Communications Standards Magazine, 2018, 2 ( 2 ), 22 - 28.

[6] J. Andrews, S. Buzzi, W. Choi, S. Hanly, A. Lozano, A. Soong, and J. Zhang. What will 5G be [J]. IEEE Journal on selected areas in communications, 2014, 32 (6) : 1065 - 1082.

[7] 边缘计算产业联盟. 边缘计算参考架构3.0 [Z]. 2018.

摘自《自动化博览》2020年3月刊