边缘计算成为工业互联网的核心支撑
工业互联网是建立在全面互联的基础上，形成数据驱动的智能化，数据在其中发挥着极其重要的作用，但目前的工业现场正面临着缺乏完整的数据集成应用架构等问题。 边缘计算通过在数据源构建协同计算、网络等多维度能力的开放平台，有效支撑云、网、边、端高效协同，实现企业内部各层的数据集成和实时高效处理，满足“采集、传输、应用、 和安全“，为工业互联网的创新发展注入新的活力。
边缘计算推动网络智能化演进
根据 Machina Research** 的数据，到 2025 年，全球连接连接数量将增长到 270 亿，其中工业边缘计算将占过程工业应用的近一半。 因此，工业互联网需要边缘计算的“现场级”计算能力，以支持不同标准的网络通信协议和数据协议的转换，解决异构网络和系统部署带来的运维挑战。 同时，边缘计算可以有效集成计算、存储、组网等基础能力，扩展网络的应用支撑能力。
边缘计算助力应用部署细化
工业互联网应用数量已超过35万，但海量应用也对工业互联网平台的响应时间、资源协同、全生命周期管理等关键承载能力提出了差异化的挑战。 边缘计算的分层部署架构，有效实现与工业互联网平台的协同联动，满足时延敏感等应用需求。
边缘计算完善数据集成系统
目前，工业互联网的发展面临着企业缺乏完整的数据集成和应用架构、缺乏数据流和互操作性、缺乏实时采集和处理效率等挑战，这些挑战尚未充分释放工业数据元素的价值。 边缘计算就近提供数据聚合和边缘智能服务，满足数据采集频率以毫秒为单位的要求，实现企业各层级数据的垂直整合和高效处理。
突出应用在过程工业中的价值
过程工业数字化转型的挑战随着工业化和经济的快速发展，我国石化、水泥等过程化行业正朝着数字化、智能化方向发展和转型。 然而，制约过程工业转型的因素仍存在诸多因素，如信息孤岛的存在、信息传递不及时、全面缺乏深入的数据价值挖掘、行业知识和专有技术壁垒等，都阻碍了流程工业的数字化转型。
存在信息孤岛现象，信息传递不及时、不全面。 过程工业中的大量设备和传感器位于极端环境和地理偏远地区，没有良好的网络条件来及时收集设备运行状态数据。 同时，设备一般转数高，数据量大，这也给采集带来了一定的困难。 此外，不同企业在不同时间推出的控制系统、监控系统、制造执行系统和辅助业务系统往往相互独立，数据无法有效交换和共享。
数据的价值没有被深入挖掘，行业知识和技术诀窍也存在障碍。 过程工业实时产生大量数据，包括丰富的信息，真实反映现场的运行状态，其有效挖掘和利用对企业的生产优化和正确决策具有重要意义。 一般来说，现场数据分析主要由具有丰富行业经验的专业人员完成，存在技术壁垒，很难通过专业人员完成的数据分析来完全覆盖所有数据。 此外，过程工业中的一些传统工艺受环境、季节、催化剂和传感器老化等因素的影响，具有时变性，具有固定参数的静态模型无法表示这种时变过程，导致大量误报，导致工厂或设备单元停工，造成损失。
传统设备维护费用高昂，高质量维护应用不广。 过程工业有固定的生产线和大量的设备投资，因此需要通过维护来延长设备的使用寿命。 目前，设备的维护模式是计划性维护，根据设备制造商提供的经验或数据，制定定期维护计划，当设备达到维护期时，无论设备状态如何，都会进行更换和升级。 性维护通过实时采集设备运行数据进行分析判断，并按需维护，可以有效减少人员工作量，减少现场停机时间，提高设备使用寿命，但其应用在传统过程工业中并未得到广泛普及。 智能控制技术应用不足，节能技术转型任重道远。过程工业能耗高、排放高，能源管理系统广泛用于企业能源消耗的监控和管理，现阶段难以满足节能减排“双碳”的相关要求。 智能信息模型和先进控制算法的应用可以改进现有的能源策略并优化工艺，实现能源的统一调度、动态平衡和高效配置，从根本上降低能源消耗和排放，但相关解决方案在过程工业中的应用仍然不足。
边缘计算在工业互联网中的价值
边缘计算通过在过程工业现场附近提供边缘智能服务，满足了过程工业数字化在实时数据收集、工业智能、安全和隐私方面的关键需求。 边缘计算通过以下方式为过程工业带来现场价值：
增强数据处理的实时性，减轻云计算压力。 边缘计算从现场侧的设备、传感器、仪表等终端采集数据，有效规避了过去远距离数据传输到中央机房或云端所面临的网络资源不足和信号干扰的风险，可以最大程度保证数据采集的实时性。 同时，边缘侧提供的算力可以对采集到的数据进行实时过滤、处理、分析、反馈，大大减轻了云端所有数据处理的算力压力。 此外，通过边缘计算提供的开放平台，可以实现不同时期不同龙头企业在线系统的复用和互联。
释放数据的价值，帮助打破行业知识和技能的障碍。 边缘计算结合人工智能，有助于流程行业数据价值的深度挖掘，解决现有数据模型无法反映真实场景的问题，打破行业知识和诀窍的壁垒。 边缘计算对从传感器和执行器收集的数据进行过滤和预处理，然后训练AI模型不断更新模型，尽可能接近真实场景，从而提高过程模型的准确性，减少误报，增加数据的价值。
结合最佳的维护技术，提高设备的生产效率。 维护在过程工业中尤为重要，因为设备需要长时间运行。 边缘计算可以通过对设备数据的获取和特征提取分析来做状态识别和设备健康，最终通过判断可信度来确定维护策略和维护实施。 边缘计算与最先进的维护相结合，可优化维护成本，最大限度地提高生产率，减少设备停机时间并延长设备寿命。 随着传感器和边缘计算技术的成熟，高质量维护的精度和成熟度将更快地发展和突破，在过程工业中的应用将越来越广泛。
优化生产工艺，帮助节约能源和减少碳排放。 过程工业中传统的控制方法是PID（比例-积分-微分）控制，其缺点是难以处理多变量和控制滞后。 目前，一些工控企业已将模型控制软件系统集成为系统级边缘计算载体，利用模型、系统历史数据和未来输入进行系统未来的输出。 该边缘计算控制系统可以通过降低系统响应的波动幅度来转换整个过程的效果并量化价值，从而达到降低能耗和碳排放的核心目的。 同时，可以使用动态数学模型快速进行工程投资，缩短模型学习时间，降低实施成本。
边缘计算在过程工业中的发展趋势与建议
加快关键技术研发。 首先，为满足流程工业需求，持续支持以轻量级操作系统、边缘智能、边缘云协同为代表的边缘原生关键技术基础理论研究，为边缘计算技术的应用和转化奠定坚实基础二是重点开发边缘侧专用芯片、服务器等产品，提高边缘计算设备的供应能力和质量。
完善标准体系建设。 要加强边缘计算与垂直行业融合标准体系顶层设计，加强流程工业边缘计算核心产品、测试规范、应用指南等关键标准制定，进一步推动异构计算系统在流程工业中的应用部署。 一是构建“边缘计算+n”应用体系，推动边缘计算在流程工业中的应用实践，通过边缘计算开发者大赛等活动激发应用创新活力，繁荣应用生态。 二是鼓励流程工业龙头企业按需灵活部署边缘计算基础设施，形成多条可复制、可推广的应用路径，推动边缘计算在企业生产中的应用，以及有效组织一链资源的协同制造体系，带动中小企业开展网络改造和边缘计算应用; 提高整体发展水平。三是结合5G、工业互联网等新型基础设施建设规划发展需求，统筹规划边缘计算基础设施规模化部署。
文章**发表在新工业网上，被入侵和删除。