基于边缘智能2.0的工业互联网平台架构及应用

宫文浩

（山东渤聚通云计算有限公司 山东省烟台市 264000）

1 前言

现阶段，对于全球信息与通信技术（ICT）领域而言，其朝着物联网、云计算、人工智能（AI）等得到发展，使得边缘计算（EC）也得到了更多的重视。在我国，尽管具有许多工业互联网平台，但是，其大多更为重视商业类产品方面的宣传、推广，而缺少兼具有指导性、可操作性的通用技术架构。处于这一前提下，边缘智能（EI）2.0也就应时而生，其能够就近分配好各项智能化运维服务、环境等，并鉴于此创建云、网、边、端这四位一体下的工业互联网平台架构，且处于表面贴装技术（SMT）生产线下，得到了极大地发展。

2 EI的概念

鉴于EC 这一新兴的计算方法，EI 处于更为紧依用户、数据源头的网络边缘，对各个深度学习模型进行分配、训练，让AI 的各项性能、隐私性均最大程度地得到改善[1]。EC 是云计算朝网络边缘、终端用户所进行的扩展，其把计算类资源、服务由远离于用户的云端逐步下沉至网络边缘，以减少网络延迟，并保护好隐私[2]。较传统应用来说，处于物联网下鉴于视频、图像等各类新兴A1 方面的计算、数据均是十分密集的，这对于延迟、保护好隐私所给予的各项要求也十分严苛，所以，处于网络边缘对AI 给予支持的这一新兴场景即为EI。

3 鉴于EI2.0下的工业互联网平台架构

3.1 工业互联网平台的总体架构

为了全方位地发挥出中心云、EI2.0 所具有的各项优势，对“中心云/行业云-边缘智脑-边缘网关-边缘设备”这一工业互联网平台进行设计[3]。而其中，边缘智脑为最为核心的部分，参照基础设施即服务（IaaS）、软件即服务（SaaS）等有关的通用云计算架构进行分层设计。

在这一架构中，中心云、公有云等都处在外网环境下，给予行业类数据、公共类资源[4]。对于工业边缘云而言，其处在企业内网中，共包括了边缘智脑、边缘网关、边缘终端等，而其中，边缘智脑平台在工业互联网平台中是最为核心的构成，能够监管好各个设备、调度各类资源等；对于边缘网关而言，其能够对生产一线中的各类数据进行收集、预处理，让各个现场设备、工业系统间能够彼此打通；这一架构把边缘云、工业大数据、公有云所具有的各项优势间彼此融合，兼具有云网融合、云边协同、边边协作等方面的特点，能够最大程度地发挥出EI 处于工业互联网领域中的各项作用，具有更为理想的创新性、可操作性。

3.2 边缘智脑技术架构

对于边缘智脑而言，其在工业边缘云中是十分核心的构成，也是EI2.0中无可或缺的载体，共包括了边缘云平台服务层（EC-PaaS）、边缘云基础服务层（EC-IaaS）、边缘云应用服务层（EC-SaaS）[5]。具体情况可以参见表1。

3.3 工业边缘网关架构

对于边缘网关而言，其是对物理世界、数字世界间进行联结十分关键的渠道，类似于工业互联网中所具有的神经结，把工业现场中所具有的各类产线、变频器、机器人等方面的设备间彼此相连，以更为良好地适应于现场应用所需的低延时、多样性等方面的需求，并联合边缘智脑，一同对各类智能化数据进行分析、研究、处理，参照边缘网关下云边协同、边缘自治等方面的需要，可以对边缘网关进行设计，共包括了南向、北向、核心层。

3.4 云边协同、边边协作

对于云边协同、边边协作而言，其是促进工业互联网得到实现的前提，其涉及到了边缘云平台、边缘网关中各个层面间的彼此协同，共包括了EC-IaaS 层与边缘网关中南向方面的计算、网络与安全等有关资源间的彼此协同；EC-PaaS 层与边缘网关中核心层间彼此数据、智能等方面的协同；EC-SaaS 层与边缘网关中北向方面的应用服务间的彼此协同；加之各个边缘节点间所生成的边缘通信网、边缘算力网，进而对数据传输所具有的瓶颈进行克服，对数据、网络等进行改良、优化，以获得最为理想的质量、效率，最后，得到云、网、边、端这四位一体方面的协同。

4 EI2.0应用到SMT产线的相关情况

表1：EC-IaaS、EC-PaaS、EC-SaaS 的相关情况

4.1 收集SMT智能产线的相关数据

在SMT 产线中，具有许多设备，需要借助边缘网关数据收集以对流式数据源、应用程序接口（API）数据源等更多的数据源加以整合[6]。数据收集借助收集插件这一形式，适宜于各类场景，比如，数据库采集器、API 采集器、日志采集器等。对象共包括了三大类：

（1）丝印机、回流炉等有关的生产设备，对设备现阶段所处的状态方面的信息进行收集，以进行信息追溯；

（2）SPI、AOI 等有关的检测设备，需要对所生成的各类数据进行深度研究、分析；

（3）贴片机等有关的综合性设备，不但需要对状态类信息进行收集，还需要对各类数据进行深度研究、分析，以增强生产的质量、效率[7]。

SMT 产线数据源共包括了设备通用性数据、关键性数据，比如，机器标识码、运转状态、待机状态、运转质量与效率、各项程序参数等。

4.2 SMT智能产线生产方面的应用

SMT 产线本身具有多个品种，且还具有较小的批量，其智能化是把工业4.0 下更为迅速地备料、较易维护等当作目标[8]。SMT产线的各项智能化应用共包括了生产、检测，而其中，生产共包括了SPI 看板、产线平衡统计分析等，其相应的应用情况：

（1）数字地图：能够随时反映出工厂、产线中各个设备总体的布局、状态，还能够参照产线相应的布局、设备种类，进行部分定制化展示；

（2）生产时序图：借助设备状态、生产节拍、不良率、不良品等方面的时序图，全方位地反映出真实的生产状态，以满足于各类场景中的数据研究、分析、回溯；

（3）产线平衡统计：可以被应用到分析、研究产线类设备间所具有的生产平衡度，找到产线中的各类生产瓶颈工序，接着，对其进行更具针对性的分析、研究、改良、优化，以增强产线总体的生产质量、效率；同时，找到产线生产中的各项不饱和工序，再考虑对各类不饱和设备分配好更多的任务，并进行资源方面的整合，增强总体的设备应用率，减少设备等料、空转等各类没有必要的浪费；

（4）设备质量与效率：SMT 产线间是十分类似的，横向对数条SMT 产线间的各类OEE 数据进行对比，接着，进行对标，找到具有更为良好表现、具有不够理想表现的产线，共包括了直通率、抛料根因等，并预测不够理想产线相应的提升空间、目标，同时，对产线中各个设备的总应用率进行比较，找到瓶颈类设备、不饱和类设备，再对其进行更具针对性的改良、优化。

4.3 SMT智能产线检测方面的应用

SMT 产线对于各个元器件进行包装、引脚本身的可焊性等均给予了十分严苛的要求，对于AOI 而言，其是鉴于光学原理，对焊接所遇到的各类缺陷进行检测所需的设备，在SMT 产线中，其得到了十分普遍地应用[9]。AOI 借助摄像头自主对PCB 进行扫描，获得图像，把各个焊点与数据库中的各项合格参数间进行对比，在对图像进行研究、处理、分析后，获得PCB 方面的缺陷[10]。AOI具有缺陷条件构建十分繁琐、无法符合于新兴型态方面的条件检测等有关的问题，所以，可以借助AI 模型对其加以改善[11]。处于边缘网关下，分配好SMT AIAOI 型推理引擎，把AOI 类设备在最近半年中的照片类数据送到边缘智脑服务器，借助AI 模型相应的分配、再训练，在7s 中，就能够对单片PCB 有关的瑕疵加以检测，处于这一前提下，产线人员进行二次复判，指出各类模型瑕疵，并对其进行标识，同时，输出模型瑕疵检测归类、每日模型检测报告，以降低总的误判率，并与制造执行管理系统间彼此对接[12]。

5 结束语

综上所述，在端到端的工业互联网业务得到整合后，鉴于此，对两条SMT 产线进行试点改良、优化，把EI2.0 应用到AOI 中，并对SMT 制程、SPI 检测等方面进行智能化分析、研究、改良、优化，能够获得更为理想的应用效果。同时，在各项实践中，尽管对部分现场设备进行了数据收集，但是，其总的应用率较低，可以应用的仅占了所有数据中的10%。所以，数据收集仅是促进工业互联网平台得到实现的首步，而怎样与生产实际间彼此融合，且怎样全方位地发挥出工业大数据的各项价值，这些依旧需要有关领域进行更多的研究、分析。