边缘计算越来越受到了来自IT和OT领域的企业的关注，本文旨在从制造本质—从源头分析如何去推进其实现，以期获得产业专家的批评指正。

对于制造业企业而言，运营水平可以用盈利能力来评估，进而分解为高成本效率地生产出合格产品，即，稳定的产品品质以及成本的不断下降，快速的交付能力。质量、成本与交付是制造业的核心话题，而对于智能制造则在于解决“全局协同”过程中的材料、时间、能耗等的优化，进而进一步成本效率空间。

就产品的加工品质、速度而言，在成本约束条件下已经发挥到，因此，新的优化空间来自于“集成”与“协同”，另一个维度则在于个性化带来的挑战，为了解决协同的成本优化以及个性化给生产带来的成本效率难题，信息流汇集并进行全局优化是边缘计算的核心问题。

图1来自优也大数据，数据包括了基础的生产经营改善，运营中的机器设备的健康管理、然后到全局寻优，再到终的自主化，具有学习分析与决策能力，这个过程中会遇到基于数据的各种任务。这些任务就是边缘计算所聚焦的，除了基础的控制外，包括数据的连接、汇集、存储、呈现、学习等各种层级的问题，需要由边缘计算来进行完成，因此，边缘计算并非是一个计算问题，而是围绕任务而一系列的架构与规范接口问题。

不得不说，在推进边缘计算中遇到的个障碍是“连接问题”，IT访问OT并非想象那么容易，即使在总线技术已经发展的30年后，图2是经济论坛2014年对北美、欧洲、总体关于IoT推进的难点的调研评估，虽然并非是新的结果，但就实而言，却并未过时。

缺乏互*作标准是影响数据“流畅”访问的关键，在单独的机器上，各个现场总线或基于实时以太网的数据都可以流畅访问，但是，在机器与机器之间，需要“协同”的时候，数据却被不同的总线割裂为孤岛，而打破孤岛似乎提了很多年，然而，在现实的工厂中仍然是无法达到的。

对于IT厂商而言访问OT的设备遇到总线的障碍，因为你得为每个总线开发接口转换硬件，并写驱动，即使实时以太网在物理上保持了一致，但依然需要写变量地址表的映射与读取程序，而这一切使得IT与OT之间的访问变得没有“经济性”—这是*关键的一点，技术能否被推动的关键正在于此，若缺乏经济性，那么无论是技术提供商还是用户，都无法从中获益，那么就无法推进。

OPC UA和TSN被赋予了这一历史责任，作为IEC62451标准，OPC UA被RAMI4.0、IIRA等制定为语义互*作层面的规范，它解决了异构网络中的各个主体之间可以通过相同的语义对话。

TSN则解决了在网络中，OT周期性控制任务所需的实时数据传输机制，以及IT大容量非周期性数据的传输问题，通过VLAN交换机，在TSN网络可以传输两种不同的数据，而离开TSN网络则可以通过标准的Internet方式传输数据，这带来的好处在于IT可以对OT的透明访问。

图3反映了这一过程的发展。

图4则是一个现场采集站（基于OPC UA TSN）的边缘节点（Edge Node）到一个控制器（Embedded Edge Controller），它可以实现的数据记录与汇总到边缘计算服务器（Edge Computing），然后通过OPC UA/MQTT等到云端的垂直应用过程。

除了物理可见的实现架构，数据如何被应用也是整个问题的关键，对于工厂而言，边缘计算主要在于实现本地的一些应用，可能包括的应用如下：

（1）数据汇集与协同的应用

对于为典型的工厂应用如OEE计算，需要将品质、机器运行时间相关参数、稼动率等计算并实时显示给工厂管理级，以便全局观测状态。

（2）规划与分析问题

对于很多工厂应用而言，需要考虑在线的规划问题，如玻璃切割，如何在线，划分等级，并对其进行按照CRM中的系统订单进行规划，以便把不同等级的玻璃按照需要进行切割处理，并分流到不同的包装线，而对于印刷工厂而言，如何把不同订单实现重组，以获得小的材料浪费，这些都是边缘侧的应用需要解决的问题。

（3）数据呈现问题

边缘侧同时采用了更为开放的技术来实现传统工厂需要专用的SCADA、HMI等才能实现的数据透明访问，而基于OPC UA架构，新的Web-Based架构可以支持更为丰富、多元的数据呈现，任意终端均可作为节点访问数据。

事实上，很多类似的计算任务、数据处理任务在过去都是存在的，那么边缘计算的意义是什么呢？

（1）更为经济的运行：基于开放的技术，乃开源的技术所构建的生态系统来整个用户的系统经济性，对于数据的连接、汇集、存储、商业智能、智能应用等，必须选择经济的方法，传统的专用系统，乃MES、ERP都是*庞大的系统，且需要高昂的咨询、安装测试、运营维护的成本，缺乏经济性的技术是难以持久的，而边缘计算采用开放的互联网技术，通过分布式的计算组件（APP），可以用户在应用端软件的成本，而基础设施则采用通用的服务。

（2）提高企业应对变化的能力：大型的系统、的应用软件对于中小企业*不经济的同时，而且使得企业难以响应市场的快速变化，当技术发生了升级，大量的基础设施投资、软件、人员培训都会成为企业难以快速转型升级的因素，而这些导致了企业对技术的响应慢带来效率的下降。

（3）规范与标准：边缘计算更多的意义在于实现“协同”，而这个计算架构并非是要对原有的系统的拆除，因为在自动化领域、垂直行业的优化、策略等模型方面过去已经累积了大量的知识、应用，这些必须通过“标准”与规范“协同”进而发挥更大的效应，因此，边缘计算在推进时主要是“规范与标准”的推进，使得原有大量的资源被有效的连接，与新的技术（云计算、人工智能）相融合。

就如同图5所示，边缘计算需要数据的规范，RAMI4.0是工业4.0组织对于计算侧信息的模型的构建标准，基于这个标准，数据才能被结构化，进而有效的应用。

很多时候，人们似乎觉得边缘计算是一个很复杂的问题，但，如果我们仅把这些问题理解为接口与规范，IT与OT的衔接就没有那么复杂。

图6以自动化厂商的控制器为接口点，支持OPC UA即可实现对OT数据的结构性访问，OPC UA扮演的角色在于将数据按照规范的语义、结构来存放，并支持TCP/UDP、Web Service、http（s）的连接与应用服务。数据流被应用于控制、计算、通过边缘侧与云建立存储连接、以及云端的大时间周期积累以及分析处理的运算，而另一个方向就是信息回流现场层的过程，OPC UA的Client/Server架构以及Pub/Sub形式都可以支持数据的双向连接。

预测性维护显然是一个典型的应用场景（如图7所示），自动化厂商在现场有着丰富的I/O采样能力，这包括对机械系统中连轴器、轴承的振动、温度、电流等与故障相关的信号，而这些信号需要做一些滤波、快速傅里叶变换获得包络线，对振幅烈度、频率等参数进行信号预处理，如果没有这些预处理，用于本地分析报警，这种嵌入式的边缘控制器（Embedded EdgeController）是包含了控制任务的。相对而言，这些数据并非是需要*高的实时性需求的，那么就可以通过无线网络发送云端，而对于需要实时处理的OEE计算等则直接到边缘计算软件栈。

边缘计算软件栈与OT的运行架构接近，但是，所采用的是非OT专用架构，由于IT的技术往往采用开放的商业软件、开源代码构架，因此，其开放性连接性更强，边缘运行时类似于PLC中的Runtime对通信、任务进行调度处理，而协议分析器则对不同的数据通信进行适配，并对数据进行分类汇总、计算、呈现等处理，边缘计算架构也包括针对这类架构的编程开放环境。

总结而言，边缘计算的实现在于通过对原有技术、应用的创建规范性接口，连接信息流，打破信息孤岛，在企业工厂侧实现“协同”，整体服务于生产运营的成本效率，由于采用开放的技术，这使得用户在基础设施投资、软件应用配置方面更为经济，这是边缘计算大势所趋的原动力，即，技术必须服务于制造业的本质，我们解决一切问题，构建系统必须围绕解决生产运营的实际问题，并且提供经济性才能快速发展。