工业边缘计算智能的应用（边缘计算与工业之间的关系）

随着工业互联网产业的发展，边缘智能与实际应用深度融合。工业互联网的功能已经从统一的数据访问管理发展到工业机制、组件、图形分析的智能分析与决策、沉淀、整合、创新与完善。在芯片、5g、协同计算、容器化、分布式等技术的驱动下，预测维护、机械臂控制、工业增强现实(AR)等新应用出现。预测性维护、机械臂控制和工业增强现实(AR)都离不开隔离技术的支持。一方面，隔离技术可以保证各类智能应用在边缘设备上运行时互不干扰;另一方面，隔离技术提高了边缘资源的利用率和调度效率，使新兴应用以更低的成本落地。

1. 高价值设备的预测性维护有效提高设备可用性和经济效益

设备管理服务，如预测性维护是工业互联网场景下最广泛的需求之一。现代化流水线制造环节的生产设备通常具有非常复杂的零部件结构，一旦某一生产环节出现问题，可能导致整条流水线的生产效率下降，甚至引发停工。边缘智能技术通过对设备运行状态的实时检测，调用基于工业大数据的 AI 模型对生产设备可能的工况状态、潜在的故障模式作出推断，使预测性维护成为了可能。现有的预测性维护如国产边缘智能计算物联网（EC-IoT）方案，采用边缘网关负责设备联通和数据预处理业务，在本地对实时数据进行预分析，只将与结果相关的少量高价值数据上传到云端；从应用效果看，EC-IoT 帮助生产企业减少了超过 70% 的业务中断事件，使维护和运营成本下降了 50%。现有的预测性维护大都采取了云端训练模型并聚合数据，边缘预处理数据并上传的边云协同方式；但边缘还可利用数据的局部性进行本地增量训练模型等方式来进一步提升性能，同时分布式存储部署到边缘设备来节约云端存储资源和传输数据所需带宽。

2. 高精度机械臂使“机器取代人力”成为现实

随着人力成本的上升，企业制造的附加值下降；在工业互联网迅速发展的背景下，生产过程的自动化程度不断提高，“以机器取代人力”具有可行性。工业机械臂指通过模拟人手臂、手腕和手功能完成工业制造某些工序的机械装置，已有产品可以执行“硬性加工”任务（如切割、焊接等）。先进计算机视觉技术使得机械臂控制精度达到 0.01 mm， 5G 传输和边缘侧智能计算使得偏差检测、二次规划、姿态调整等步骤的时间延迟满足工业制造需求（< 10 ms）。目前，工业机器人、数控机床部署智能算法已经有初步的落地应用，如 ADMOS 平台通过集成数控机床行业龙头德玛吉森公司提供的应用程序接口（API），将机器学习算法部署至机床软件，实现了基于温度智能计算刀头位移的补偿需求。此外，考虑到单个制造环节往往有多个数据采集点，可以融合边边协同计算，共同完成单项智能业务的计算需求，支持系统执行更精细的任务。

3. AI 与工业场景的深度融合催生工业 AR

工业 AR 是以 AI 算法辅助工业制造为特点的新兴场景。现代高精度机械装备由数量众多的复杂零部件构成，一旦装配过程发生问题，仅靠装配工人的记忆很难独立执行繁琐的装配步骤。集成工业 AR 的辅助眼镜，借助终端和边缘的计算资源在装配过程中智能识别零部件，通过文字、动态影像指导佩戴眼镜的装配工人开展组装；美国波音公司将之应用到飞机生产线上，减少了 50% 的装配错误，将装配耗时降低至原来的 75% 。工业 AR 还能应用于远程故障排查，无需资深专家到达现场，而由现场维护人员佩戴 AR 眼镜并与技术专家、专业团队连线，共同完成远程检修。

边缘智能用于工业互联网场景，在性能改善、减少操作成本和保障数据安全上有一定优势。工业生产常见的状态跟踪、缺陷检测、预测性维护等需求，在近数据源处获得智能处理，可以保证响应的实时性；在边缘处理和存储数据具有多重优势，在现有云模式的数据安全保护方案基础上，结合分布式存储和边缘智能计算将进一步提高隐私数据的安全性。