什么是边缘计算
边缘计算是个比较高大上的概念，在这里就不提众多官方与非官方的定义了，只说说自己的理解。
边缘计算就是在最靠近物理设备的使用现场，利用有限的硬件资源，完成设备层数据采集、协议转换、数据上传、数据存储、数据分析等操作的软硬件一体的解决方案。
边缘计算在智能制造技术架构中的位置
首先，我们看一下the Industrial Internet Consortium (IIC)发布的《The Industrial Internet of Things Volume G1: Reference Architecture》中的工业物联网的三层架构。
边缘层使用邻近网络从边缘节点收集数据。 在边缘层内，边缘网关（Edge Gateway）具有两方面的作用，一方面与物理实体交互以获取数据，另一方面通过接入网络与平台层连接。在一般情况下，边缘网关是承担边缘计算的载体。
平台层接收、处理和转发从企业层到边缘层的控制命令。 平台层整合流程并分析来自边缘层和其他层的数据流，为设备和资产提供管理功能。 平台层还提供一些通用的服务，如数据查询和分析。
企业层实现特定领域的应用程序、决策支持系统，并为最终用户提供人机交互界面。 企业层从边缘和平台层接收数据流。 它还向平台层和边缘层发出控制命令。
边缘计算在智能制造中所发挥的作用
连接与协议转换：通过协议转换，实现IT与OT的融合，完成设备层与信息系统之间的数据交互。工业现场的设备种类繁多，所采用的协议也是五花八门。因此，边缘计算单元的首要任务是作为翻译官，将设备的工业自动化语言翻译成信息系统能够听懂的IT语言，也就是完成设备层众多OT协议的转换，将其转化为IT协议。
数据存储：作为边缘计算载体的边缘网关应有一定的数据存储能力，对来自设备层的实时状态数据，以及报警、故障等信息做一定时间长度的存储。由于边缘网关的硬件条件的限制，存储容量不会太大。而且所采用的数据库一般为实时数据库，这种数据库能够在有限的硬件资源条件下，有效应对生产现场设备状态的海量实时流数据的存储，边缘网关会不断用新的数据覆盖原有的超过一定时间周期的数据。边缘侧存储的数据中，只有必要的数据才会上传到平台层，这样能够节省大量的数据传输成本。同时，边缘侧虽然存储数据量有限，但是仍然可以作为黑匣子，用于设备发生故障后的原因分析。
实时分析：由于硬件配置的限制（如CPU的计算能力、内存的容量等等），边缘层所进行的分析更多是简单直接的数据处理与分析，例如原始值向工程值的转换、报警规则的设置、对数据进行过滤后只将重要数据上传到云平台或后端数据中心，减少对网络带宽的压力。
实时监控：外接显示器、触摸屏等，作为现场操作站，用于现场工作人员对设备状态的及时查看以及操作。边缘智能节点还能够将实时分析的结果在生产现场做实时展示。
反馈控制：在人为授权的情况下，边缘网关在采集到生产现场数据后，能够根据预置的规则对设备的运行进行自动反馈控制。由此在边缘层形成一个闭环——从数据采集，到分析，再到控制。在边缘侧进行的这种闭环反馈控制能够充分保证实时性。
边缘计算的软件开源框架
在这里给大家推荐一个边缘计算的开源框架Apache Edgent。
这款框架的前身是Quarks，是用于边缘分析的编程模型和运行时，它是带有功能流API的编程SDK，能够用于流数据分析。在连接性方面，能够支持很多的连接器，如MQTT，HTTP，JDBC，Apache Kafka。最为重要的是，Apache Edgent是一个轻量级的框架，能够在Raspberry Pi等小型边缘设备上运行。
对Apache Edgent感兴趣的朋友可以关注下方公众号，回复“边缘计算”，获取Apache Edgent的相关资料。
结语
说到边缘计算，可能制造业的很多从业者都比较陌生。但是，看到边缘计算所提供的能力，相信大部分人都不会陌生。很多位于生产现场的操作站，数采终端都或多或少地完成了类似的功能。我之前在钢厂的一个起重机监控项目中，就是采用嵌入式工控机作为前置机，安装在起重机上，完成数据采集、存储、实时状态展示、数据上传MES等功能，除了分析方面的功能稍弱以外，基本已经具备了边缘计算节点的功能。
因此，我认为，对于边缘计算在工业现场的应用，应充分利用现有的位于现场的工控机等硬件，将其作为边缘计算的载体，在原有的数据采集、实时状态展示等基本功能的基础上，利用一些轻量级的分析框架，提升在边缘层的分析能力。
此外，边缘网关所进行的对数据的处理操作要与后端平台层的数据分析操作相结合，统一规划、部署，也就是说，要先想清楚“哪些数据处理操作放在边缘侧，哪些分析操作放在平台层，边缘侧的功能设计怎样才能更好地为平台层的深入分析提供数据支持”，以此发挥边缘计算的最大作用。
