基于云边协同的工业互联网实践

梁 柱

（中海油信息科技有限公司，广东 深圳 518068）

0 引言

工业互联网是工业技术与互联网技术二者深度融合的产物。加强云计算与边缘计算等技术在工业制造业中的渗透应用，并充分发挥云边协同的优势，能促进工业制造业实现良好的数字化转型，能提升工业制造业的发展质量，并增强工业制造业的核心竞争力。对此，有必要强化基于云边协同的工业互联网实践。

1 传统工业应用形态和云边协同概述

1.1 传统工业应用形态

传统工业应用一般可分为两类，一类是IT类应用，另一类是OT类应用。前者主要在企业资源计划和财务管理服务领域集中；后者主要包括制造执行系统以及数据采集与监视控制系统[1]。在OT类现有应用中，通常大型设备需测量信号多达上千个，对于复杂性较强的生产环节，不同参数甚至多达数万个。部分工业信号甚至具有Gb/s级别的采集频率，传统工业应用的固有结构无法对海量数据进行处理存储。

与其他行业相比，工业应用相关数据的用途差异较大。工业数据在各类自动反馈，诸如异常检测以及告警中形成了广泛应用。在工业生产制造的具体过程中，有效采集相关实时数据，在此基础上，对现有模型进行修正、训练。工业生产线必须能实现对实时数据的高效良好处理。例如，在开展自动化生产的过程中，借助传感器无法对螺丝松紧度和轴承平衡度进行直接测量，对此，需依托可测信号，对机理模型进行构建，并开展间接测量，对数据进行实时分析和科学预测，据此实现对工业产品实际良品率的有效提升[2]。

1.2 云边协同概述

云边协同能实现对不同应用场景下各类需求的良好契合和高效匹配，并推动边缘计算涉及的相关应用最大化程度上发挥其价值功能，促进工业企业有效转型。云边协同包括的主要内容如下：

（1）资源协同。边缘节点能对各项基础设施资源，诸如计算、虚拟化、网络、存储等进行提供，并构建API，与边缘云中心云平台实现良好的交互通信和信息链接，对于占据核心地位的云节点，要对所需的设备装置和相关信息进行提供；并借助占据核心地位的云节点，对于边缘节点有关的各类设备信息的有效收集，并发挥自身功能，对资源进行高效的调度管理和优化配置[3]。

（2）数据协同。数据协同主要涵盖如下数据： 对设备进行管理形成的数据、企业生产形成的数据、企业开展运营管理形成的数据等。边缘节点能有效采集如下数据信息：物联网终端相应的生产数据、监控数据、以及在生产、管理和运营过程中形成的各类数据。完成对信息的有效采集后，要将数据分析提出的要求的作为依据，并与数据建模内容相结合，对数据进行初步的分析挖掘，据此产生准确的处理结果，并向占据核心地位的云节点进行上传。占据核心地位的云节点，要对由边缘节点所发现的各类数据进行有效接收，并分析存储海量数据，并实施价值挖掘[4]。

（3）模型协同。在对数字化模型进行构建的具体过程中，边缘节点需对边缘物联网涉及的各类设备数据进行提供，并为数字化模型创设运行环境，做好相关部署，完成模型后，由边缘节点对之进行执行，并向占据核心地位的云节点上传形成的模型结果。占据核心地位的云节点，将各项业务提出的具体要求走位依据，并与物联网终端加强结合，对历史数据进行借鉴，并对实时数据进行获取，结合模型反馈相应的数据结果，对模型进行优化改进，并向边缘节点下发完成模型，开展相应的部署管理[5]。

（4）服务协同。远中心云节点涉及的各类控制信息，一般均通过边缘节点被有效执行，并通过中心云节点，对实时控制信息进行下发，并对之进行管理。

（5）业务管 理协同。边 缘节点对API进行提供，负责对业务进行分发，并开展相应的控制管理；由中心云节点部署各项业务应用，并对编排工作进行管理，从全局层面出发，对企业实际经验各项业务的具体情况进行掌控，并将实际需求作为依据，对各项业务进行科学合理的有序编排。

（6）应用管理协同。边缘节点能有效提供API，并部署各项边缘应用，还能对运行环境进行创设，并开展高效良好的全生命周期管理。通过中心云节点，对 相应的边缘应用实施全生命周期管理，涵盖推送、监控、安装、更新、卸载等。对于低延时应用，边缘节点能有效开展良好的生命周期管理；中心云节点，能契合各项边缘应用，高效良好地开展生命周期管理，并对边缘节点提供开发、测试必要的条件[6]。

2 基于云边协同的工业互联网实践

2.1 框架设计

（1）整体架构。在工业互联网中，工业互联网平台占据着核心地位，该平台通过数字化技术与工控技术二者的紧密结合，促进IT与OT实现全面融合，并促进全生产要素与生产链实现良好连接，以工业互联网为依托，对 相关工业数据进行良好采集，开发创新业务及应用，促进资源配置实际效率实现大幅度提升，并促进工业制造业实现高质量发展。该平台包括两部分内容：一是边缘节点，二是中心节点。

（2）laaS层。该层在云计算设施中占据着基础性地位，即为服务层。平台通过虚拟化技术，能优化硬件资源。依托各类虚拟化工具，诸如Xen、VMware、KVM等，能为工业场景有效提供具有较高可靠性和较强定制性的laaS层服务。

（3）工业PaaS平台层。该层主要对应用程序部署以及管理服务进行提供。该层主要包括如下内容：一是工业大数据分析与建模，能对用户数据建模涉及的相关数据进行清洗、管理以及分析。二是资源与应用管理，借助tomcat支持前端各项创新应用，并通过容器化的MySQL对建模所需的相关数据进行清洗。三是设备接入与管理，负责管理各项底层设备，并采集相关数据，对数据进行传输，并实施协议解析。

（4）工业SssS应用层。该层应用程序的开发基础，是底层基础能力平台。工业企业要从自身的具体特点出发，对各类创新应用，诸如预测性维护、机器视觉等进行开发，据此实现对各项业务难题的有效解决。同时，该层对前端Web界面进行展示，并对底层技术具备的复杂性进行屏蔽，依托界面对底层数据蕴含的意义进行形象表达。

2.2 实践要点

工业互联网云边数据协同。对工业互联网而言，数据资源占据着至关重要的地位。要以数据资源为依托，对价值进行创造。工业大数据的内容主要包括如下几类：一是企业推动自身信息化发展涉及的相关数据；二是工业物联网在实践应用过程中涉及的数据信息；三是外部跨界涉及的数据。

（1）基本介绍。边缘与云平台数据协同，依托Rabbitmq消息队列，架设相关服务传输实时数据，边缘节点能与核心云节点良好高效地实现数据协同。通过边缘节点，预处理分析相关数据，对高质量数据进行提取，并传送至核心云节点。

（2）技术方案。通过在中心云节点和边缘节点部署的云主机实施云边数据协同。该技术方案由如下三大模块构成：一是数据发送模块。该模块将云应用的具体需求作为依据，对相关数据实施处理和转换、过滤，将质量较高的数据提供给数据同步模块。二是数据同步模块。该模块借助Rabbitmq，依托中心云节点和边缘节点，搭建数据通道，对各类数据进行实时传输。三是数据接收模块。该模块对数据进行接收，并根据具体要求，高效处理和妥善存储数据。

（3）相关场景。一是数据过滤：边缘节点可筛选过滤相关数据。在企业上云相应的大环境下，中心云能对自身存储进行减少，并实现对企业成本的降低。二是数据分析与模型部署：企业上云，其主要目的在于通过云对企业数据、产品数据以及运营数据进行分析，并据此构建解决方案，实现对企业管理和运营方案的优化，并实现良好的价值创造。

3 结束语

通过Rabbitmq对实时数据通道进行构建，能促进工业数据在中心云节点与边缘节点实现良好交互，能促进企业基于云边协同实现良好的数字化转型。因此，基于云边协同的工业互联网，能促进我国智能工业的良好发展，推动我国工业实现高效良好的数字化转型，并实现制造大国对制造强国的转变。