都想幫工廠上云，誰來幫數(shù)字轉型落地？
| 新江南網(wǎng)歡迎你/hzgou.cn/新江南網(wǎng)榮譽出品 |
題圖 | 視覺中國
5G，人工智能與物聯(lián)網(wǎng)技術的應用，正給轉型中的制造業(yè)帶來數(shù)據(jù)的爆發(fā)式增長。
制造業(yè)智能化轉型最重要的部分，就是讓工廠上下每個部分的數(shù)據(jù)得到高效流通與治理，讓數(shù)據(jù)像燃料一樣得到高效燃燒，發(fā)揮出更大的價值，構筑起更加高效、彈性的生產(chǎn)流程。
IDC預測，2025年，屬于數(shù)據(jù)分析的全球數(shù)據(jù)總量將增長至原來的50倍，達到5.2ZB。而這些數(shù)據(jù)，四分之三都將在集中式的數(shù)據(jù)中心之外的工廠、醫(yī)院、零售商店中產(chǎn)生、計算。
但這些數(shù)據(jù)并非是孤立存在的，而是與萬物相連接。這種連接分為兩個方面：其一是連接海量的場景，其二是連接不同的新技術，最終形成一個完整的數(shù)字生態(tài)，并賦能于企業(yè)與國民的經(jīng)濟之中。
在“新基建”指導思想的出現(xiàn)，制造業(yè)轉型被行業(yè)頻繁提及的今天，很多企業(yè)感嘆：工業(yè)企業(yè)行業(yè)眾多，場景化和數(shù)據(jù)化也各不相同，針對工業(yè)應用場景的多樣性，傳統(tǒng)集中模式的云計算卻未必是最優(yōu)方案。
對他們來說，想要真正融合5G、人工智能、大數(shù)據(jù)，IoT等技術，并最終實現(xiàn)整體的降本增效，依然面臨著一系列挑戰(zhàn)。
01.制造業(yè)轉型，“上云”就夠了嗎？
先看一看，智能化程度比較高的制造業(yè)企業(yè)，是怎么讓不同技術密切配合、以適應不同場景的：
寧德時代是全球動力電池的龍頭企業(yè)，而對寧德時代來說，動力電池每一顆電芯都需要經(jīng)過嚴格地檢測，才能保證質量與安全。這就需要在生產(chǎn)過程中進行嚴格的瑕疵檢測與篩選。
整個過程，簡單來說就是：通過部署在生產(chǎn)線的IoT設備采集圖像，生成數(shù)據(jù)。隨后將數(shù)據(jù)交給邊緣側（所在工廠）的推理服務器進行標注，并與分析數(shù)據(jù)庫比對給出最終結果，將瑕疵品排除。
這還沒完，推理結果中如果出現(xiàn)了新的瑕疵特征，那么數(shù)據(jù)將被上傳到云端服務器（寧德時代總部），對所有邊緣設備的AI模型進行優(yōu)化、訓練，最終更新新的模型庫，并將其部署到工廠。
這種“在靠近數(shù)據(jù)源頭處就近提供邊緣智能服務，并與云端服務器相互配合”的模式，被稱為“云邊協(xié)同”。
問題來了，在不同產(chǎn)業(yè)的數(shù)字轉型紛紛要求“上云”， 云計算技術已經(jīng)十分成熟的今天，為什么不將這些工作集中在云端進行，而是要用這樣一個復雜的方案？
相比其他行業(yè)，制造業(yè)的數(shù)字化轉型有著這樣幾點要求：“海量數(shù)據(jù)”、“即時交互”和“穩(wěn)定安全”。
比如“海量數(shù)據(jù)”。一條產(chǎn)線上，為了配合夾具、機械手的工作，需要大量的IoT設備進行數(shù)據(jù)采集，對比較大的工廠來說，一天就能產(chǎn)生數(shù)個TB的數(shù)據(jù)。
其次是“即時交互”。整個流水線是在持續(xù)運轉的，無論機械控制、瑕疵檢測，異物檢測，執(zhí)行起來哪怕是延誤個0.2秒，也是一個無法接受的事情，每一道工序都要求即時交互，立刻操作。
工業(yè)固有的特點，在轉型過程中也帶來了明顯的弊端。一個典型而又廣泛的場景是機器視覺領域，影像數(shù)據(jù)的傳輸和處理需要占用系統(tǒng)大量的資源，如果所有計算與數(shù)據(jù)都匯集一處，先傳輸回核心云端儲存與計算，再傳回終端執(zhí)行，整個過程成本高、效率低、時延長，肯定來不及。
最終是“穩(wěn)定安全”。如果采用集中式云服務，一旦網(wǎng)絡故障，整個工廠都將受到影響。安全方面，云計算需要將數(shù)據(jù)上傳到云端，對企業(yè)來說，整個過程將數(shù)據(jù)暴露在自己的系統(tǒng)之外，給數(shù)據(jù)安全帶來了更高的威脅。
這就是工業(yè)化數(shù)字轉型的難點所在：我們使用手機的過程中，網(wǎng)絡有些卡頓、搜索結果不準確、某個軟件正在維護，一般對個人都不會產(chǎn)生很大的影響；但在工業(yè)領域，這些差一點影響的都是真金白銀，工廠老板都是不干的。
因此近幾年制造業(yè)轉型案例中，邊緣端設備開始頻繁出現(xiàn)。通過與人工智能、大數(shù)據(jù)、5G等技術的配合，形成更加高效與低成本的解決方案。
02.“云邊協(xié)同”：基于云，超越云
中國信通院牽頭編寫的《云計算與邊緣計算協(xié)同九大應用場景》報告中曾對“云邊協(xié)同”定義：“邊緣計算是云計算概念的延伸，二者相依而生、協(xié)同運作。而云邊協(xié)同，將成為未來的主流模式。”
可以說，云邊協(xié)同等概念的出現(xiàn)與實踐，正是為了彌補傳統(tǒng)中心化云服務的短板。
首先，需要在邊緣環(huán)境中部署智能設備，使邊緣端能夠處理這些關鍵任務數(shù)據(jù)并實時響應，提供近距離的數(shù)據(jù)傳輸與分析，將很多工作部署在本地，既可以大幅減少對傳輸資源的依賴與消耗，又可以大幅提升本地響應速度。
同時，只靠邊緣設備只能處理局部數(shù)據(jù)，無法形成全局認知。所以在實際應用中仍然需要借助云計算平臺，通過收集數(shù)據(jù)來進行第二輪評估、處理和深入分析，來實現(xiàn)信息的融合治理。確保數(shù)據(jù)同時滿足安全隱私方面的需求，又可以發(fā)揮云服務快速迭代刷新的優(yōu)勢。
最終，通過分布式計算技術和合理的資源調度管理，把邊緣計算節(jié)點的算力、存儲等資源和云計算資源進行統(tǒng)一管起來，形成“邏輯集中，物理分散”的高效協(xié)同平臺。
這就像眼前的設備與遠方的云之間，部署了無數(shù)的“分布云”，將一部分云的功能前置、分擔掉，打通AI的“最后一公里”，完成了一場算力的遷徙。
但“云邊協(xié)同”體系描繪的圖景雖好，想使用好并沒有那么容易。
正如寧德時代的案例中，整個系統(tǒng)被設計得十分復雜，對穩(wěn)定性提出了更高要求。這就需要邊緣與云端有著更高的一致性。云端、邊緣部署設備如果架構不同，為了解決異構運算問題可能要花費更多的成本與精力；如果每一家企業(yè)都需要自己從頭構建場景，效率和成本都是問題。
這體現(xiàn)出了新技術融合的一體兩面：
一方面，可以極大程度地提升效率，降低管理成本，并給企業(yè)的經(jīng)營帶來更多的靈活性。
另一方面，云、邊緣、傳輸、儲存、人工智能、大數(shù)據(jù)...不同技術之間的協(xié)調整合比使用孤立的技術更加困難，如何合理控制成本，平衡好投入產(chǎn)出價值，給更多企業(yè)帶來了預料外的挑戰(zhàn)。
智能轉型本身就是一筆不小的投入，如何妥善完成轉型，做到更高效的云邊協(xié)同，做好投入與效率之間的平衡，是對很多企業(yè)的靈魂拷問。
03.“云邊協(xié)同”的想象力還有多少
在新的經(jīng)濟動能下，新的生態(tài)系統(tǒng)也在慢慢形成，在這樣的環(huán)境下，能夠提供“生態(tài)級支持”的技術合作伙伴，要比點對點的技術合作更容易實現(xiàn)數(shù)字化轉型。換句話說，生態(tài)級的難題，需要的正是生態(tài)級的解決方案。
前文寧德時代的瑕疵檢測，使用了來自英特爾的全套產(chǎn)品。
在這套解決方案中，寧德時代通過引入英特爾®至強®可擴展處理器、面向英特爾®架構優(yōu)化的PyTorch以及OpenVINO™工具套 件等產(chǎn)品與技術，結合動力電池瑕疵檢測實際場景，結合AI成功打造瑕疵檢測方案，實現(xiàn)了高效的檢測質量與效率。
整套方案體現(xiàn)了以下獨特優(yōu)勢：
首先，實現(xiàn)了傳輸、算力等系統(tǒng)資源的“負載均衡”。云和邊之間負載可以做到靈活移動，邊和邊之間也可以形成自治的網(wǎng)絡，最后甚至可以實現(xiàn)“聯(lián)邦學習”。瑕疵檢測的效率得到了大幅提升，具備了更高的可靠性。
其次，借助云邊協(xié)同的資源調度能力，工作人員更可以實時了解到產(chǎn)線情況，快速定位故障點，掌控全局。同時，檢測場景的應對則更加靈活，比如當生產(chǎn)線中出現(xiàn)異物時，同樣可以實現(xiàn)“異物檢測”。
第三，對于企業(yè)來說，方案簡單、快速見效：英特爾基于X86架構的系列產(chǎn)品，覆蓋到了數(shù)據(jù)的采集、傳輸、計算、儲存等全生命周期�？梢宰畲蟪潭缺ＷC邊緣端與云端架構的軟硬件一致性，減少軟硬件適配時的成本與精力的同時，發(fā)揮出更高的效率。
第四，數(shù)據(jù)更多是在工廠內(nèi)部完成處理，減少了數(shù)據(jù)安全威脅與網(wǎng)絡質量對生產(chǎn)的影響。
事實上，在工業(yè)應用場景的多樣性下，像這樣通過云邊協(xié)同建立起的技術案例還有很多：
在精密加工方面，匯川技術基于英特爾®酷睿™處理器以及OpenVINO™工具套件，借助云端訓練的AI模型在邊緣服務器中對采集的產(chǎn)品圖像進行推理檢測，實時糾偏。實現(xiàn)動態(tài)趨勢補償，有效消除累計誤差，提升了加工精度。
在生產(chǎn)預測上，金風慧能基于 Analytics Zoo 所提供的統(tǒng)一端到端架構，結合多源氣象數(shù)據(jù)，不斷使用來自邊緣（氣象站點）、和其他云端（氣象網(wǎng)絡）的最新數(shù)據(jù)進行訓練，通過自我學習，以不斷迭代的方式提升預測系統(tǒng)的準確率。
目前云邊協(xié)同對工業(yè)互聯(lián)網(wǎng)生產(chǎn)流程的優(yōu)化的場景，可以總結為：瑕疵檢測、精密加工、時序預測、園區(qū)管理、企業(yè)決策，共五大方向。
而在當今的互聯(lián)世界，基于英特爾®技術的云邊協(xié)同案例，正為更多工業(yè)化場景帶來更高的連接性、可靠性、安全性和可管理性，而諸如寧德時代、匯川技術、金風慧能等嘗試，只是其中一些有代表性的應用案例。
在這個過程中，技術也正逐漸重塑不同產(chǎn)業(yè)的業(yè)務流程，以至于整個商業(yè)模式。隨著云邊協(xié)同技術的不斷成熟，通過技術降低成本之后，就是產(chǎn)線柔性與場景的極大豐富。供需得到了更加合理地分配，企業(yè)口中的“降本增效”，也將不再那么遙遠了。
傳統(tǒng)中心化云服務的不足之處，正成為邊緣計算發(fā)展的重要機會。基于整個制造業(yè)產(chǎn)生的案例與背后的數(shù)據(jù)，將推動行業(yè)帶來更大的改變。而這，需要的則是中國制造行業(yè)，與像英特爾這樣底層技術提供方的共同努力。
| 新江南網(wǎng)歡迎你/hzgou.cn/新江南網(wǎng)榮譽出品 |
聲明：
本文僅代表作者個人觀點，與新江南網(wǎng)無關。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關內(nèi)容，新江南網(wǎng)號系信息發(fā)布平臺，新江南網(wǎng)僅提供信息存儲空間服務。如有侵權請出示權屬憑證聯(lián)系管理員（[email protected]）刪除！
閱讀推薦
新聞爆料
