边缘计算（Edge Computing）正在迅速成为工业物联网（Industrial IoT）最关键的组成部分，以取代大型制造业企业中使用的云系统（计算资源集中化架构）。
边缘计算的处理能力更靠近设备或数据源，融合网络、计算、存储与应用等功能，满足行业在实时业务、应用智能、安全隐私等方面的需求。根据Futurum研究的调查，超过90%的制造业企业认为边缘计算技术有助于提高生产效率和优化业务流程。
图一：物联网和物联网参考架构模型
图二：边缘计算技术是否有助于提高生产效率和优化业务流程
1
在过去十几年里，物联网（IoT）及其描绘的美好前景开始呈现：所有物品，比如传感器、执行器或者是贴上RFID的各种资产，都可以连接到互联网，每个物品都可以发送数据到云端，然后在云端进行数据的聚合和分析，并在各种先进算法模型的支持下，比如深度卷积神经网络（DCNN），输出辅助决策。
如今，物联网已经深度融入了我们的生活，比如小米的米家APP，三星的SmartThings APP，可以接入门铃、报警器、电动牙刷、跑步机、窗帘、电视、冰箱等各类物品，并在实现基本功能的基础上，提供诸如远程控制、智能互联和智能提醒等高级功能。
工业领域的使用场景则不一样，比如一个中型制造企业会有数以千计的设备和数以万计的传感器，如果所有设备和传感器连接到互联网并每秒采集一次状态数据，然后把数据上传到云端进行运算，这一过程将会产生大量的数据，如果不对现有的网络进行升级，传输这些数据所需的带宽可能远远超过许多工厂的可用带宽，这就意味着需要进一步增加成本进行网络升级和扩容。
安全性是另一个大问题，大部分工厂的设备管理人员并不乐意接受把机床、机器人等设备的数据和空调、冰箱等电器的数据一起通过互联网连接到云端的概念。为防止发生窃取信息或者破坏工厂运行等极端情况发生，某些大型制造业企业更是明文规定禁止将任何生产设备/测试设备暴露在互联网中。
试想一下，如果某整车厂的生产线被勒索软件远程停机，停机造成的损失是20万人民币/分钟，而此时人机界面上跳出的画面是如果要重启生产线，必须转账4位数的比特币赎金到开曼群岛的账户，作为工厂管理人员，你该如何选择？
网络延迟同样是一个重要因素，在日常生活中，如果因为网络出现小故障导致智能温控器延迟几秒钟才调低空调的温度，你虽感不适但还是可以接受。但是在工业场景中，延迟几秒钟才收到传感器的故障信号不光会导致生产大量的残次品，某些情况下还会造成生产事故。
2
上述所有问题都要求一种更加智能的架构，在该架构下：
1.数据可以留在工厂
2.不允许入站连接
3.“零”网络延迟
边缘计算技术可以解决这些问题，而且随着技术的发展，边缘计算的运算能力越来越高，从而可以连接并管理更加复杂的设备，另一方面，随着成本的下降和商业的普及从而可以在工厂内部署越来越多的边缘计算设备，实现无所不在的连接和计算。比如基于树莓派（Raspberry Pi）和其他类似平台的边缘计算设备的性价比在以指数级增长，搭配上合适的存储空间，可以广泛应用于各类不同的工业场景。
使用边缘计算技术可以即时处理就近设备的数据并禁止来自互联网的入站连接，与此同时，聚合各类数据形成的报表和报警仍可以上传到云端用于训练并改进机器学习模型，从而提高诸如设备预测性维护、质量视觉检测等功能的准确度。
相比于把所有设备数据传输到云端进行集中运算和存储的架构，边缘计算-本地处理+云计算-模型优化无疑更适合于工业场景。
表一：云计算和边缘计算对比
图三：端（机器人/机床）/边缘计算/云计算协同平台
从端到边，有一些问题必须解决，比如设备老旧，接口不开放；或者现场总线种类繁多，比如光IEC 61158标准就有19种现场总线；外加传感器种类多，采集维度多；对于同一种数据，不同设备厂家的定义不一致，缺乏统一的设备信息模型。
在边缘（采用虚拟化技术）层，通过采集机器人的各项数据（电流/电压/扭矩/温度/速度/位置/运行状态/报警代码/……），然后对数据进行聚类分析和特征提取，可以生成机器人的“电子指纹”，随着数据的累积，实现的功能也会更加智能，比如第1天（机器人实时状态监控和报警管理）→第15天（机器人停机分析）→第30天（机器人预测性维护）。
在云层，实现通过对边缘层上报的数据训练模型或者形成知识库，同时也会给一些新的商业模式提供条件，比如笔者在《60年机器人新势：科技产业融合、商业模式换道》中提到的“技术趋势1：机器人和信息系统的融合商业变革1：提供产品→提供服务”。
3
工业物联网的绝对市场容量和增长率非常巨大，正在以超出大家预期的速度向各个行业渗透，其在整体物联网产业中的占比也将稳步提高。相关研究机构预测，工业物联网的占比将从2016年的18%提高到2020年的25%。
国内机器人上云的市场还处于比较早期的阶段，渗透率很低，随着机器人保有量的快速增长和相关技术的成熟以及标准的普及，相信该市场会有飞速的增长。以机器人为代表的OT技术和以边缘计算为代表的IT技术深度融合，也必然会为我们解决目前生产制造过程中遇到的问题提供更多的可能性。
