典型的邊緣運(yùn)算應(yīng)用.doc

《典型的邊緣運(yùn)算應(yīng)用.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、典型的邊緣運(yùn)算應(yīng)用　　設(shè)備監(jiān)控就是一非常典型的邊緣運(yùn)算應(yīng)用。設(shè)備停機(jī)對(duì)于工廠的損失是以每分鐘、每小時(shí)來(lái)計(jì)算，因此對(duì)于工廠端而言，必須在「分秒必爭(zhēng)」的狀態(tài)下掌握設(shè)備的運(yùn)行狀態(tài)是否正常，往往等不起待數(shù)據(jù)傳回云端，再將異常結(jié)果傳回本地端的這個(gè)過(guò)程?！　《鴮C(jī)器學(xué)習(xí)放到靠近資料源的設(shè)備前端來(lái)處里，卻可以省下資料往返云端的等待時(shí)間，讓異常事件預(yù)警更實(shí)時(shí)的反應(yīng)，甚至于在無(wú)法確保有效網(wǎng)絡(luò)的情況下，也不用擔(dān)心監(jiān)控系統(tǒng)停擺。對(duì)于連續(xù)性生產(chǎn)的工廠而言，設(shè)備就是工廠的生存命脈，一旦停機(jī)損失相當(dāng)龐大，業(yè)者粗估許多大工廠每年因異常停機(jī)損失就高達(dá)700萬(wàn)~800萬(wàn)元，甚至上

2、千萬(wàn)元?！　　　榱私档屯C(jī)風(fēng)險(xiǎn)，象是瑞典百年老牌金屬刀工具制造商SandvikCoromant就將過(guò)去以云端分析的模式改采邊緣運(yùn)算的架構(gòu)。微軟(Microsoft)執(zhí)行長(zhǎng)SatyaNadella則是在2017年Build開(kāi)發(fā)者大會(huì)上，首度展示這項(xiàng)SandvikCoromant運(yùn)用AzureIoTEdge的成果?！　andvikCoromant主要生產(chǎn)各種工具機(jī)零組件，由于金屬切割作業(yè)非常精密復(fù)雜，所以工廠內(nèi)的生產(chǎn)設(shè)備造價(jià)動(dòng)輒上百萬(wàn)美元十分昂貴，因此SandvikCoromant就在這些生產(chǎn)設(shè)備內(nèi)裝置傳感器搜集資料來(lái)分析，以進(jìn)行預(yù)防性維護(hù)。　　

3、過(guò)往SandvikCoromant的做法是將資料上傳至云端進(jìn)行分析，但后來(lái)發(fā)現(xiàn)光是資料往返再加上異常預(yù)警的反應(yīng)時(shí)間平均要花上2秒，對(duì)制造現(xiàn)場(chǎng)來(lái)說(shuō)還是太慢，且萬(wàn)一與云端之間的網(wǎng)絡(luò)發(fā)生異常后果更嚴(yán)重，預(yù)估每小時(shí)將損失可能超過(guò)數(shù)百萬(wàn)美元?！　≡赟andvikCoromant開(kāi)始采用邊緣運(yùn)算架構(gòu)后，由于資料在本地端就可以直接進(jìn)行處理、分析，因此也就加快了異常事件預(yù)警的反應(yīng)時(shí)間，平均只須0.1秒就能反應(yīng)，兩者相差了20倍。　　在設(shè)備狀態(tài)監(jiān)控的應(yīng)用中采用邊緣運(yùn)算架構(gòu)，除了肩負(fù)在本地端扮演「末梢神經(jīng)」，針對(duì)異常進(jìn)行實(shí)時(shí)反饋降低延遲外，對(duì)于傳感器所采集到的海量數(shù)

4、據(jù)，在資料預(yù)處理上更能凸顯其所帶來(lái)的價(jià)值?！　●R達(dá)是多數(shù)機(jī)械設(shè)備的運(yùn)轉(zhuǎn)核心，因此要判斷機(jī)械設(shè)備是否故障，可以透過(guò)對(duì)馬達(dá)的振動(dòng)信號(hào)進(jìn)行偵測(cè)。振動(dòng)更是設(shè)備故障的主要表征之一，不同種類(lèi)的故障，會(huì)在振動(dòng)的信號(hào)上呈現(xiàn)不同的表現(xiàn)，只要加以對(duì)振動(dòng)信號(hào)進(jìn)行監(jiān)測(cè)、分析和處理，就能夠隨時(shí)掌握設(shè)備的運(yùn)行狀態(tài)是否正常，以及預(yù)測(cè)設(shè)備使用壽命等?！　⊙腥AIoT嵌入式平臺(tái)事業(yè)群副理高信陽(yáng)指出，為了偵測(cè)更細(xì)微的振動(dòng)變化以達(dá)到零誤差的監(jiān)測(cè)，有時(shí)候越昂貴的設(shè)備，或是牽涉到工安的機(jī)械運(yùn)轉(zhuǎn)，就會(huì)采用采樣頻率更密集的高階傳感器來(lái)采集訊號(hào)，但通常這類(lèi)訊號(hào)的資料量非常龐大。　　比起非工業(yè)用途

5、的環(huán)境傳感器可能每3分鐘才采集不到1KB的資料量，高階的振動(dòng)傳感器每秒可達(dá)到56KB的數(shù)據(jù)量，在時(shí)間累積下，這對(duì)云端運(yùn)算來(lái)說(shuō)絕對(duì)是個(gè)沉重的負(fù)擔(dān)，因此最理想狀態(tài)是在本地端事先透過(guò)邊緣智能設(shè)備進(jìn)行資料預(yù)處理，包括從訊號(hào)中篩選關(guān)鍵資料再上傳，或是在本地端進(jìn)行原始資料的轉(zhuǎn)換?！　「螞r，設(shè)備狀態(tài)所產(chǎn)生的訊號(hào)并非單純的資料格式，因此在本地端的邊緣智能設(shè)備必須在第一步先進(jìn)行資料格式的轉(zhuǎn)換。例如將原先不易看懂的原始資料(RawData)轉(zhuǎn)換為以時(shí)間與頻率為底的時(shí)頻圖分析，方便使用者在管理平臺(tái)上透過(guò)儀表板呈現(xiàn)更好閱讀的圖象跟波型變化，借以掌握更精確的馬達(dá)細(xì)部行為

6、模式與狀態(tài)。　　而通常設(shè)備狀態(tài)監(jiān)控最有價(jià)值的部分就在于達(dá)到預(yù)防性維護(hù)。如果工廠累積一定的資料量時(shí)，后續(xù)就可以再利用這些時(shí)頻圖進(jìn)行機(jī)器學(xué)習(xí)的建模，透過(guò)常態(tài)模型比對(duì)振動(dòng)波形的變化，可以協(xié)助工廠找出如軸不對(duì)心或滾珠磨損等不同的故障形態(tài)，在問(wèn)題擴(kuò)大之前就提早解決，防患于未然，進(jìn)一步從狀態(tài)監(jiān)控進(jìn)階到預(yù)防性維護(hù)?！　≡诠S內(nèi)，邊緣智能設(shè)備能夠有效預(yù)防設(shè)備停機(jī)，更可以進(jìn)一步成為工廠內(nèi)OT與IT系統(tǒng)的銜接橋梁。研華IoT嵌入式平臺(tái)事業(yè)群經(jīng)理王圣文表示，未來(lái)將有越來(lái)越多云端運(yùn)算將部署在不同的自動(dòng)化應(yīng)用中，但當(dāng)務(wù)之急是必須先集成各種工業(yè)平臺(tái)，讓自動(dòng)化設(shè)備的管理更有效

7、率?！　∠笫窃诠S自動(dòng)化的核心技術(shù)中占有重要地位的運(yùn)動(dòng)控制，系針對(duì)機(jī)械運(yùn)動(dòng)的位置、速度等進(jìn)行實(shí)時(shí)管理，使其按照預(yù)期的軌跡和規(guī)定的運(yùn)動(dòng)參數(shù)進(jìn)行運(yùn)動(dòng)。此技術(shù)可應(yīng)用在需要精準(zhǔn)定位控制，或速度控制的產(chǎn)業(yè)機(jī)械如機(jī)器手臂，以及高精密度的各類(lèi)CNC工具機(jī)?！　鹘y(tǒng)PLC控制器系以「控制」為核心，講求的是穩(wěn)定與速度，雖然可靠性高，但在軟件功能及系統(tǒng)開(kāi)放性方面受限，例如PLC沒(méi)有接口可以直接觀察，往往需要外接HMI或PC才能與PLC溝通。但由于架構(gòu)不同，當(dāng)使用者一方面希望達(dá)到PLC所帶來(lái)的實(shí)時(shí)控制效能，又希望能取得可視化的操作接口時(shí)，就必須額外花費(fèi)一番工夫進(jìn)行集成

8、?！　∮匈囉谶吘夁\(yùn)算的帶動(dòng)，諸多智能化的分析與管理將能夠更貼近本地端。例如在研華的設(shè)備實(shí)時(shí)管理解決方案里，便是在靠近本地端的邊緣設(shè)備上透