工业场景中基于云计算的远程运维技术研究

王嘉宁

(上海工业自动化仪表研究院有限公司，上海 200233)

0 引言

智能制造是基于新一代信息通信技术与先进制造技术的深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式[1]。当前，以智能制造为代表的新一轮产业变革发展迅猛，数字化、网络化、智能化日益成为制造业的主要趋势。为加速我国制造业转型升级、提质增效，“十三五”期间智能制造工程将同步实施数字化制造普及、智能化制造示范，分类开展离散型智能制造、流程型智能制造、网络协同制造、大规模个性定制、远程运维服务5种新模式试点示范[2]。作为5种制造模式的典型代表，远程运维技术在近年来越来越受到大家关注。在国家发布的智能制造标准化体系中，运维服务是其中重要的组成部分[3]。

1 远程运维技术

随着智能制造概念的提出，运维技术开始发展。从传统的现场状态监测、故障诊断到基于网络的状态监测、故障诊断，到现在的基于大数据和云计算的远程运维。基于运维技术，现在已经集成了集状态监测、故障诊断、预测性维护、设备备件管理等功能为一体的系统。目前，基于云端的远程运维系统常见架构图如图1所示。

图1 远程运维系统常见架构图

就工业现场的特点而言，首先对象层的设备数量和每台设备采集的参数种类较多，因此在状态监测过程中会产生大量的数据。而工控环境对数据传输的可靠性、时延性也有要求，因此传统的分布式监测诊断模式难以适应现在的工业环境。云计算的出现大大提高了数据的计算能力和利用率，边缘计算的出现则在要求低时延的场合发挥了巨大的作用。

2 对象层

对象层为远程运维系统的底层，是远程运维数据的来源。通过传感器对对象设备进行“状态监测”获取各项参数，实时将数据传输至上层。对象层为远程运维系统基础要素，承担远程运维技术中“状态监测”功能。整个远程运维技术是建立在状态监测之上的。如果不能正确有效获取参数，整个远程运维都无从展开。由于工业现场的复杂多样性，每个行业建立对象层时需考虑的要素也不尽相同。以下列举几种典型工业场景中对象层的实际情况和应考虑的问题。

(1)大型高端重装备，其现场环境往往比较恶劣，网络基础设施较差，单台设备采集参数多，关键设备采集频率较高[4]。因此，工业环境下的对象层应考虑的问题是如何保证状态数据有效传输，以及如何在网络环境限制的条件下传输足够的数据。

(2)数控机床。目前数控机床场景的远程运维已经较为成熟，每台独立的机床都有标准化的通信接口，大部分数控机床都自带状态监测和一定的故障诊断功能。使用数控机床的车间环境相对其他行业较好，数控机床所需监测的参数较为固定。但是由于数控机床生产厂家不同，每台机床采用的通信协议不同，不同型号的机床可能对同一故障的描述信号也不同。因此，此工业环境下对象层应考虑的问题是如何组网，以及如何正确地识别每台机床的监控信息。

(3)钢铁行业。钢铁行业的现场环境较差，且设备种类多，其数据特点体现在数据量巨大、数据产生速度快、数据类型繁杂。与前面两个工业场景不同，钢铁行业的数据来自不同类型的设备，有风机、泵、高炉、排风机、减速机等[5]。数据类型也比较多样，除了电信号外还涉及音频视频等信号。此外，由于现场环境复杂，噪声较高，因此在传感器选择和状态监测位置的选择上也需要更多的考虑。对象层应考虑的问题有网络结构方式、传感器的选择、监测位置的选择、如何支持现场各类装备和工业系统异构数据的采集等。

(4)风力发电。风力发电场景的特点是：①发电机组地处偏远网络条件差；②自然环境恶劣且不稳定、风机故障率相对较高；③风机多，单个风机上的传感器多，监测数据种类多。此场景中应考虑传感器的选择、信号的传输以及监测参数的选择[6]。

从上述举例可知，各个不同的工业场景的对象层需考虑的侧重点不同。但是对于绝大多数场景，对象层应达到以下要求才能满足远程运维系统的正常运行。

①对象设备应能提供有效的数据。对于没有标准化接口或无法提供所需特定参数的设备应额外加装传感器，传感器的选择应考虑安装位置是否能准确测量参数、是否会受到现场环境干扰、是否会影响设备本身运行以及本身成本问题等因素。

②搭建现场局域网时应考虑组网方式及网络协议。根据网络带宽、时延、功耗、连接数量、覆盖范围、距离长短来选择组网方式。

③应保证数据采集的连续性和完整性符合要求。

3 边缘层

边缘层为连接工业现场和上层云端的层级，承担了设备接入、数据汇集、协议适配、数据缓存、数据清洗、数据处理等任务。在非工业场合的远程运维系统中，边缘层并不是必须的， 边缘层的功能都可以在云端实现。但是在大多数工业场景中都需要设置边缘层。这是因为相较于边缘层，云端计算有以下缺点。

①实时性较差。云计算的处理速度受影响因素较多，比如网络带宽、计算任务总量、请求相应环节等。虽然我国现在大力发展5G等先进的网络技术，但是总体而言，目前的网络带宽还不足以支撑复杂的工业环境。如上文提到的钢铁、发电等行业的数据量较大，使用云计算很难保证实时要求。

②比较依赖网络环境。某些工业场景的环境较差，比如偏远山区、隧道等场景下很难有良好的网络环境进行数据传输。

③网络传输经济成本较高。目前我国网络运行商主要以数据流量来计费，过高的带宽和流量会给企业来带更高的成本。可以采用边缘层来解决这些问题。由于边缘层处于工业现场，能够在数据产生侧迅速的相应需求，减少了对网络依赖，满足了工业现场低时延高可靠的要求。以下列举两个边缘层的案例。

某机床远程运维系统为机床提供故障诊断、健康管理、预测性维护等服务，在工业现场数据采集周期是7×24 h，采集频率是毫秒级。如果这些数据全部实时传输到云端，则需要较大的带宽且流量较大，成本费用较高。因此，工厂配备了某品牌的智能盒子作为边缘层。该智能盒子具有以下功能。

①协议适配功能。确保不同生产厂的机床都能正确的连接到远程运维平台。

②常见故障诊断功能。对于机床常见的故障可以直接作出诊断。

③数据处理功能。将原始数据分析处理压缩后，按分钟为周期传输到远程运维平台。

④数据缓存功能。如果遇到网络中断，盒子可以储存一定时间的数据，当网络恢复后续传到远程运维平台。

据统计，该企业使用了智能盒子后，产能增效达15%以上。

某钢铁企业大数据中心平台，上文提到钢铁行业数据量大、数据类型繁杂、现场设备多，因此如将所有数据直接上传到云端是不现实的。对于这种情况，需要配置专门的服务器构建边缘计算系统。该企业将边缘计算系统分为了四个领域：①设备域,感知处理信息；②网络域,对现场的异构协议进行转换，如RS-485、TC/IP等；③数据域,对所有的数据进行数据清洗，缓解数据传输压力；④应用域,快速处置和调整生产能力。构成边缘计算系统的设备有智能摄像头、服务器、智能终端等。

由上述案例可见，就硬件设备而言，边缘节点的设备并不固定，智能网关、服务器、智能终端甚至是智能摄像头都可以作为边缘节点存在。

4 传输层

传输层指的是工厂与云端连接的网络，通过互联网、移动网或专用网络将工厂的数据传输到云端。对于远程运维系统构建而言，网络传输层应根据实际情况选择合理的网络。由于对网络传输的质量、安全、速率等都有完善的国家标准/行业标准作为支撑，且我国网络服务都有三大运营商提供，许多企业都忽视了网络安全要素。据统计，截止2018年，我国工业领域中暴露在互联网上的VxWorks系统的主机超过了15 000台，其中存在无补丁或者补丁更新不及时的主机超过了30%。这些系统都存在数据泄漏、遭受黑客攻击的安全隐患。

5 云端

云端为整个架构的最顶层，承担了整个系统最繁重的数据处理任务。云端对所有采集到的数据进行分析，建立故障模型和寿命预测模型，以此作为故障诊断和预测性维护的依据。云端以平台的型式将远程运维中涉及到的状态监测、故障诊断、预测性维护、设备备件管理等功能集成在一起，提供给用户可视化的结果。用户可通过PC机、手机、平板或其他智能终端访问平台。

基于云端的远程运维模式是以后必然的发展方向。

①云计算能力强大。云端的计算能力有目共睹，工业现场数据量大。如果仅对单一或部分设备进行远程运维，那么企业可通过自建的数据中心或上文提到的边缘层达到运维目的。

②云端的数据来源广。远程运维系统中的故障诊断和预测性维护功能非常依赖于数据量，需要有足够多的数据来支撑建模。因此传统的运维技术仅仅能诊断常见故障，对于单一、偶发故障由于数据量不足很难做出诊断。云端的数据来源可以是不同地区，不同环境，不同企业的数据，数据量更充分，预测和诊断更为准确。

③通用性强。云端平台不仅仅针对一种设备提供服务，在大数据的支持下，同一个平台可针对不同的设备提供服务，相对传统的运维系统更为灵活。

从我国政策角度来看，国家也鼓励企业使用云服务。工信部提出到2020年，力争实现企业上云环境进一步优化，行业企业上云意识和积极性明显提高，上云比例和应用深度显著提升，云计算在企业生产、经营、管理中的应用广泛普及。全国新增上云企业100万家，形成典型标杆应用案例100个以上，新建一批有影响力、带动力的云平台和企业上云体验中心[7]。

然而，目前我国许多工业企业的远程运维系统仅仅是把数据传送到企业自己的数据中心，并没有真正的上云。根据工业互联网产业联盟的调研显示，目前我国已有工业云服务平台超过300家，但是平台基础能力仍相对薄弱。根据联盟对168家企业的评估数据，至2018年，80%的平台连接设备协议种类不足20，分析工具不足20个，68%平台提供的工业机理模型不足20个，54%平台提供的为服务不足20个。我国平台生态构建还与国外有较大的差距。

造成这个现象主要有以下原因。

①工业生产过程数据归属不明晰，企业不愿把自己的生产数据交给云端。

②企业生产过程数据涉密，根据相关标准体系不允许上传数据至云端。

③我国工业互联网刚刚起步，大多数企业还处于转型阶段，还没有全面使用云的需求。

④工业互联网的安全风险评估尚不成熟，缺乏完善的标准体系。

6 结束语

随着我国智能制造战略的不断推进，基于云端的远程运维技术将是未来运维技术的发展方向。相比目前的远程运维技术，基于云端的远程运维具有计算力强、诊断预测能力强、适用性广等特点。然而，要想全面运用于工业场景，还有很多工作需要做，包括对现有的工业环境进行改造、加强网络安全管理、完善平台自身能力等。可预见的是，随着这些问题的解决，该技术必将称为智能制造总体技术中不可或缺的重要组成部分。