KubeEdge边缘计算在顺丰科技工业物联网中的实践

Posted 2022-08-27 华为云开发者联盟

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了KubeEdge边缘计算在顺丰科技工业物联网中的实践相关的知识，希望对你有一定的参考价值。

摘要：顺丰物联网平台负责人胡典钢为大家带来了 “ 边缘计算在工业物联网中的应用实践与思考 ” ，阐述了工业物联网的发展背景、整体架构设计以及边缘计算在此过程中承担的重要角色，并梳理了其中的技术演进脉络。

本文分享自华为云社区《KubeEdge边缘计算在顺丰科技工业物联网中的实践》，作者：云容器大未来。

工业物联网作为智能制造和工业4.0的重要使能技术和关键实现路径，以 OT 技术和 IT 技术融合为核心。在本篇文章中，顺丰物联网平台负责人胡典钢为大家带来了 “ 边缘计算在工业物联网中的应用实践与思考 ” ，阐述了工业物联网的发展背景、整体架构设计以及边缘计算在此过程中承担的重要角色，并梳理了其中的技术演进脉络。

工业物联网发展与边缘计算

工业物联网最早在2012年由GE通用电气首次提出，并推出Predix平台。在国内，政府于2015年发布《智能制造发展规划（2016-2020年）》纲要，提出智能制造重大战略，2020年9月提出关于加快推进国有企业数字化转型。作为智能制造和工业4.0的重要使能技术和关键实现路径，工业物联网需要操作运营技术（Operation Technology，OT）和信息技术（Information Technology，IT）的相互融合，二者如何融合却存在一些挑战，主要体现在两个方面：

一方面来自二者的差异化，OT更强调稳定性和可靠性，对运行中的系统、OT人员倾向于保持不做变更；IT专注于数字环境，主要考虑数据处理速度、系统可靠性和安全性等问题，因此IT必须快速创新和变革，以跟上不断发展的技术。另一方面，从公司的组织和规划实施层面看，由哪个部门组织主导，在多大范围面去实施融合，预期产生什么收益，也需要不断探索和厘清。

图：OT与IT技术

作为OT和IT融合的载体，工业物联网涉及很多体系要素的支撑，包括工业自动化，传感器的感知发展、泛在网络连接、边缘计算、云计算，还有大数据分析，工业数据建模等等，通过这些维度，来形成工业物联网的整体能力。可以尝试给工业物联网下个定义，即面向工业数字化、网络化和智能化的需求，在研发设计、生产制造、运营管理和服务运维各个关键环节，通过自主感知数据采集、学习、分析和决策的闭环，支撑工业资源泛在联接、弹性供给、高效配置，从而构建服务驱动型的新工业生态体系。

图：工业物联网支撑体系

工业物联网整体的架构从下到上，有时候会讲端边云一体，有时以IT的方式，又会讲平台或者上层的业务应用等。无论是什么样的架构描述，最重要的还是结合实际不同的应用场景，分析整个架构落地时其侧重点是什么。

整个体系架构从下至上，包括感知层、边缘计算、网络连接、平台层和应用层。感知层负责数据采集，利用泛在感知技术对多源设备、异构系统、运营环境、智能产品等各种要素进行信息采集。工业现场的很多数据保鲜期很短，一旦延误处理，就会迅速变质，数据价值呈断崖式跌落。为了解决数据实时性问题，应用边缘计算是时之所驱。
感知层数据通过有线或无线网络连接到达远端数据中心或云平台，实现网络互联数据互通。平台层包括通用PaaS和工业PaaS，工业PaaS也称为工业物联网操作系统，它提供感知层数据接入能力、数据分析能力、工业数据建模能力以及沉淀各种工业APP模板，方便快速开发和上线应用。平台最终通过应用（用例）服务于业务场景中，得到闭环，客户花钱买用例，而有了平台支持能够更快、更简单、更容易地部署用例。对于传统企业信息管理系统如ERP、WMS、CRM而言，可能需要与平台打通，以消除信息孤岛，实现数据联动。

图：工业物联网架构

边缘计算拟解决的三方面问题

在工业物联网领域，目前边缘计算主要拟解决以下三方面的问题：

一是数据的实时性。比如完成实时的数据监测和实时处理。以顺丰的实践来讲，这几年我们做了一些OT和IT的融合，工业物联网的应用，这个过程并不如最初设想的那样简单直观，网络的基础设施条件以及延伸出来很多相关前置条件，包括组织中人员的培训，改造成本，基础设施的构建，都需要一定时间。

另外两个方面，是网络的安全性和可靠性。诸如断网或是网络带宽有限的情况下如何正常运行，工业物联网体系运行的安全性如何保障——边缘计算可以很好地解决一部分问题。

图：边缘计算拟解决的问题

除此之外，背后也有一些趋势的驱动。其一，各行各业联网的终端设备越来越多，“人机料法环”互联，现场数据激增，其二，随着企业对于效率质量和成本越来越关注，企业IT的运营管理系统，对现场工艺过程的数据和设备运行有强烈的需求，OT和IT由分开的两条路径逐渐走向融合，这些都加速了我们去处理这些数据，分析这些数据，并挖掘其中的价值。

如何解决这些问题？

在OT和IT融合的大背景下，如何基于边云协同、边缘数据采集、边缘数据清洗，在靠近数据源头的地方，满足业务实时性、安全性和决策可靠性的要求？

对于工业领域而言，很多现场系统天然就涉及到数据的即时处理，边缘计算的应用也就变得很自然而然。只是以前它受限于硬件的处理能力和系统的开放性，但现在是很有机会在垂直行业去落地。由于OT倾向于稳定性和可靠性，相对并不敏捷，无论是自动化控制系统或者很多生产管理系统，都非常依赖于现场的工程团队，单机软件时代，其部署、升级，版本管理以及需求变更导致停产停线，这些都是很大的痛点，而我们可以利用边云协同去做一些事情。

边缘计算是工业物联网的一个重要抓手，融合OT和IT。在具体实践落地时，通常包括以下内容：边缘节点纳管和边缘应用管理，子设备接入，边缘数据处理。