登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《工业边缘控制器应对管线生产运营的关键挑战》

  • 来源专题：数控机床与工业机器人
  • 编译者： icad
  • 发布时间：2021-01-07

  • 工业物联网(IIoT)技术正在开启一个令人振奋的数字化转型时代，它创造了大量的性能优化机会。这些技术包括诸如工业边缘控制器之类的智能数字设备。边缘控制器在提供可靠工业控制的同时支持IIoT功能，它可以收集、存储和分析大量的过程数据并为用户提供可操作的建议，进而改善决策。管线控制就是一个应用这项技术来显著的提高生产运营性能的例子。

    数据收集方面的挑战

    今天正在运行的许多管线安装于20世纪50年代和60年代，它们安装了诸如PLC、RTU和SCADA等管线自动化产品。目前，现场有大量的过时硬件以及其有价值的数据被困在“信息孤岛”，即使能够获得这些数据，其准确性也有待商榷，比如：老旧的管线一般没有配备状态监测设备来识别泄漏。

    随着设备老化和技术进步，管线控制系统正在逐步进行更新换代。当终端用户更新或重新设计他们的管线自动化系统时，希望保持现有系统稳健性的同时也能充分抓住数字化转型的机会，尽可能地使新系统面向未来。边缘控制器就提供了这种解决方案，它在应对这些挑战的同时还提供很多其他好处。

    边缘控制器

    拥有坚固封装的边缘控制器在物理上类似于传统的PLC或RTU。区别在于，边缘控制器不但有实时操作系统(RTOS)来进行确定性控制(就像PLC或RTU一样)而且它还添加了通用操作系统(OS)(例如Linux)来执行高级计算和通讯等任务。在硬件和软件方面，RTOS和通用OS彼此完全独立，它们可以通过使用行业标准的OPC UA协议彼此进行有效且安全地交互。

    边缘控制器的实时操作系统(RTOS)可以轻松地执行传统控制逻辑功能，因此它可以简单地用作PLC的替代品且更为强大和先进。当集成的通用操作系统被利用时，数字智能的真正优势就开始显现了。

    边缘控制器的通用操作系统可以收集、存储和分析大量的过程数据，并通过高级语言实现复杂的算法和逻辑，之后根据需要将结果安全地传送到控制器的RTOS系统，以实现低延迟的实时复杂控制。同时通用操作系统可以安全地将数据传送到监控系统，以供进一步评估。通用操作系统包括许多传统控制器所不具备的功能，例如用于安全的防火墙。它还配备了"IT-aware"通信协议，如MQTT，它是管线控制常用的低带宽远程连接的理想解决方案。

    无论是在终端的点对点还是私有云或公有云，增加对数字智能的涉足，都将有助于运营商做出更好的决策和协作，并代表了通过数字化转型实现的文化收益。

    管线业务的挑战

    边缘控制器是解决诸多管线控制难题的理想解决方案。边缘控制器的一体化特性使终端用户能够通过紧密集成的移动可视化来丰富基础的控制方案，通过这种方式提供的详细操作和诊断信息可以使操作员和维护人员受益匪浅。

    泄漏检测和腐蚀监测是用户面临的主要挑战。当出现问题时，需要尽快通知操作员，但也要避免在没有重大问题的情况下误报警所产生的不必要的人员部署消耗。边缘控制器可以通过提供必要的信息来解决这些问题，从而实现良好的报警管理。

    当前一些最新的泄漏检测和腐蚀监测系统已经可以提供大量的监控数据，这些数据需传达给相应的操作和维护团队，才能对其进行分析做出判断。边缘控制器不但可以作为这些信息的网关，通过传统的I/O或更先进的串行或以太网通信连接到这些监控系统，而且它还可以进行数据本地记录和分析来识别趋势中趋向最终问题的缓慢变化，也可执行其他数据预处理(例如过滤)以显著减少错误警报。

    喘振控制对于许多管线控制来说也可能是一个重大挑战。边缘控制器可以使本地控制器更好地与上游和下游站点进行交互，并能与中央控制室的多个平台进行低延迟的协调，从而提供了可靠而高效解决方案。它拥有更多的数据处理和更强大的计算能力，使用户能够更为轻松的实施拥有先进算法的喘振控制自动化方案。

    结论

    灵活地将边缘控制器使用于新的或现有的管道自动化系统是许多应用中的重要优势。边缘控制器可以通过在基本控制功能的基础上集成监控、数据处理和可视化等功能来增强原有PLC或RTU解决方案。此外，边缘控制器还可以无缝添加到现有的自动化系统中，以增加IIoT功能，而不影响现有系统和操作习惯。

    虽然管线运营商越来越意识到数字化转型所带来的重大好处，但他们可能仍然对如何开展工作持谨慎态度。边缘控制器是保护现有投资的同时将IIoT优势引入运营的理想解决方案。通过使用边缘控制设备和IIoT理念，最终用户有机会去解决他们面临的诸多重要挑战，并通过数字化的力量改善管线运营。

37浏览量
原文链接
相关报告

  • 《应对边缘人工智能推理带来的挑战》
    • 来源专题：新一代信息技术
    • 编译者：isticzz2022
    • 发布时间：2024-03-13
    •       GPU无处不在的图形处理单元，可以说是当今最重要的计算技术。它使人工智能处理成为可能，但代价不可持续，巨大的功耗加剧了这种情况。最初构想的统治软件工程的范式是由在传统计算架构上执行的一系列指令组成的，该架构被称为冯·诺伊曼体系结构CPU。这种持久的处理架构只能执行严格可编码的工作。它不能处理任务，如识别物体或乐谱，或写一篇文章。这些任务被称为预测性人工智能和生成性人工智能，可以通过大型语言模型（LLM）处理，这些模型需要在时钟周期内处理数千亿（如果不是数万亿）个参数，远远超出了CPU的领域。       今天，大模型学习和推理是在配备有尖端GPU阵列的数据中心进行的。虽然这种方法有效，但它会导致收购/运营成本飙升和电力消耗螺旋式上升，从而可能使电网不堪重负。边缘推理则不同，它有望服务于工业、商业、医疗、教育和娱乐等不同领域中最大的AI应用市场。       在边缘执行推理时，功耗、成本和延迟不容忽视。高性能、低延迟、低成本和低功耗是边缘推理的关键属性。GPU最初是用于图形并行处理的，在执行AI算法时，可提供的计算能力会下降。在ChatGPT-3的使用情况下，效率下降到个位数。GPU供应商通过增加大量设备来解决这一限制，但代价是数据中心AI处理的能耗呈指数级增长。瓶颈在于内存和处理单元之间的数据传输。从历史上看，内存技术的进步并没有跟上处理逻辑的进步。随着时间的推移，由于内存无法以处理器所需的速率提供数据，这种差距导致了可用处理能力的下降。大多数时候，计算单元会等待数据可用，并且随着处理能力的增加而恶化。处理单元的计算能力越高，为它们提供数据的瓶颈就越大，这就是 20 世纪 90 年代中期出现的内存墙。为了缓解这个问题，创建了一个存储器层次结构。底层是速度较慢的主存储器，顶部是处理单元旁边的寄存器。在两者之间，是一系列容量较小、速度较快的存储器层，用于加速数据传输。虽然寄存器能够以所需的速率向计算单元提供数据，但它们的数量通常限制在数百个或最多几千个，而如今需要数百万个。       现在就需要一种打破内存墙的创新架构。一种建议是将所有分层缓存折叠成紧密耦合内存（TCM），其外观和行为类似于寄存器。从处理单元的角度来看，可以在时钟周期内的任何时间访问任何位置的数据。192兆字节的TCM大约相当于15亿个单比特寄存器。通过寄存器传输级 (RTL) 设计流程实现 192 兆字节的寄存器将是艰巨的，构成了重大的挑战。相反，高抽象级别上的设计实现流程将大大缩短并加速加速器的部署。如果结合 192 千兆字节的板载高带宽内存 (HBM)，单个设备可以在单个芯片上完全运行 GPT-3，使其成为高效的实现。在处理 LLM 时，它将达到 50% 到 55% 的效率，比 GPU 大一个数量级以上。外部存储器和计算单元之间的数据传输急剧减少可能导致功耗大幅下降，每千兆次浮点运算约50瓦。同时，与GPU相比，它将使执行延迟减少10倍以上。更为关键的是，架构不应该被硬编码。相反，它应该是完全可编程和高度可扩展的。人工智能应用算法几乎每周都在发展。更频繁的变化仅限于对算法的性能、延迟、功耗等属性的微调，这些属性对成本有影响。定期地，全新的算法结构会淘汰旧版本。新的加速器架构应该能够适应上述所有方面，并允许在该领域进行更新和升级。这种完全可编程的方法还应该支持在逐层的基础上自动进行从4位到64位的整数或浮点数可配置计算量化，以适应广泛的应用。权值和数据的稀疏性也应该得到即时支持。从部署的角度来看，加速器可以作为主处理器的配套芯片，在用户可见的方案中运行。算法工程师可以像在主处理器上运行一样编写他们的算法，让编译器将加速器上运行的代码与主处理器上运行的代码分开。这种方法将简化和简化加速器的部署和使用模型。与在低级别运行的GPU驱动的数据流不同，这种想象中的架构中的数据流将在算法级别工作，通过使用MATLAB代码和图形进行读取，并在本地执行。这可能吗？可能像这样的设备比最先进的基于GPU的加速器快5到10倍，同时消耗其功率的一小部分，并具有显着较低的延迟，满足边缘AI推理的需求。毫无疑问，这将简化部署和使用，吸引大量科学家和工程师。
    44浏览量
    原文链接

  • 《工业4.0智能制造的三个特质与三大挑战》
    • 来源专题：北京市经济和信息化委员会监测服务平台
    • 编译者：zhangmin
    • 发布时间：2018-11-08
    • 迎接工业4.0智能制造的挑战 工业4.0是一种透过物联网（IoT）、大数据（Big Data）等数字化科技，整合顾客与供应链伙伴，能够调适顾客需求、节约资源，达成大量个别订制生产的智能制造。德国于2010年提出《高科技策略2020》，2011年德国科技院（ACATECH）启用工业4.0名称，在2011汉诺威工业展一举成名。 工业4.0在德国政府国家政策带动下，已经成为继美国制造回流之后，全球最受注目的制造议题。工业4.0被认为是相对于蒸汽机、电力、计算机普及的第四次工业革命。在这个德国政府定义的工业发展历史中，英国、美国、日本被列为前三阶段的代表，德国在工业4.0的当仁不让与营销得宜，凝聚了强大的群策群力效果，在声势上大幅领先美国2011年提倡的先进制造伙伴计划（AMP），更带动各工业国的危机意识。 本文从洞察工业4.0的本质出发，检视它在制造产业顾客价值的创造过程，所造成的影响。 智能制造不尽是光鲜亮丽 首先，我们认为德国政府将以日本为代表的工业3.0，与计算机化画上等号，是让工业4.0遭到误解的重要原因。固然在1980年代日本电子电机产业曾经领先全球，其竞争力却不在计算机或电子零组件，而在受到汽车产业影响的日本生产模式。因此，严格说工业3.0的TPS超过计算机化与信息化。 2018年1月底，日本制造系统厂商NEC的智能制造资深专家金子典雅，在欢迎我们到访的报告提出了几个重要观点。 ▲“制造企业要先做好结合本身生产流程与供货商流程基础， 活用IT才能事半功倍！” ▲“协助顾客企业厘清物联网导入目的，比任何事情都要重要！” ▲“物联网结合云端，看起来是很酷或很炫的流行或趋势，但落实到制造现场仍然显得非常朴实，需要实事求是！” 同行的伙伴包括本书的四位作者都一致认为，这是我们听过最实在的智能制造报告。事实上，智能制造一点都不新。RFID、条形码就是物联网，资料探勘（Data Mining）宛如大数据。日本在工业3.0领先既不是信息工具，也不是以MRP为代表的演算功能，而是最基础、以顾客为导向的标准化与流程化。因此，如果认为导入IT工具或投资智慧工厂就可以获利，是典型将手段当目的，推动意义将大打折扣。 因此，对于经营者最关心的议题：“政府积极提倡，工业4.0的投资真的能够回收吗？”作者的回答相当明确：“这是没有答案的问题，因为工业4.0代表一种数字化科技，一种手段。” 我们认为，以价值创造为目的，工业4.0在本质上是精实系统的延伸，是一种精实智能制造。在精实系统基础上，能否从顾客价值观点出发，秉持开放精神发展出Solution Business，则是迎接工业4.0智能制造的最大挑战。 顾客价值创造：MAKINO vs. FANUC 源自丰田生产体系的精实系统，主张“为后制程制造”与“平准化生产”，在本质上具备顾客价值、精实流程，以及产出稳定而能够预测等特质。这些特质正是工业4.0追求的目标。丰田汽车坚持：（1）先合理流程再进行计算机化、（2）动脑筋与用心「改善」、（3）结合供货商一起学习。而这三大坚持，也正是支配智能制造是否成功的软实力。 相对而言，坚持现场主义的精实系统，却有可能忽略ICT技术的新型智慧能力。换句话说，ICT技术影响制造日新月异、传感器的廉价与普及，让物联网提供具科学依据之优异课题与问题解决水平。让精实系统进一步强调顾客价值与源自传感器的数据取得与分析的价值创造结合，形成彻底消除浪费、具备个别订制精神的精实智能制造，可能是工业4.0最重要的贡献。 我们最近考察日本工具机大厂MAKINO（牧野铣床），与高木幸久本部长、飨场达明本部长有非常深入的交流。我们发现MAKINO正结合市场机会迈向历史高峰，制造现场第一线的精实系统与物联网应用，展现了两者间的相辅相成。我们观察到的特质包括： 1、重视并坚持核心技术（如主轴）的内制、精进、验证与传承； 2、重视技术系统整合能力，整合方法以人员技术达成为主、软件工具应用为辅； 3、机连机的软件开发以最务实的OEE（综合设备效率）为指针、不谈大数据等抽象项目； 4、相同概念也用在现场组装进度、人员潜力发挥、配套供料与供货商管理； 5、物联网与AI不仅不会取代人力，经过工作内容的务实分析与区隔，甚至可活用家庭主妇等社会剩余人力，缓和少子化与高龄化冲击，以及因应旺季发展的弹性需求。 位于富士山山麓的发那科（FANUC）则提供了迥异的思维。发那科宛如一个王国，拥有39栋厂房或研究大楼，我们由小针专务导览了其中的6栋。坚持质量与保证服务堪称两大特质，因此人力也几乎都投在开发技术与营业服务，其他部门都倾全力、不设限的活用机器人等自动化设备。我们参观的机械加工、机器人组装与伺服马达组装，正是上述理念的实践典范；在结合工业机器人与NC控制器推广上，则非常智慧。因此，小针专务说，发那科的制造思想迥异于丰田，他们没有推动TPS。在物联网方面发那科则秉持开放观点，致力于自己擅长的控制、技术与机连机部份，无意参与云端或大数据。 MAKINO的多样少量、订制等产品特质，与发那科锁定了机器人与NC控制器等可量产的制造设备核心或延伸单体，尽管型态迥异，高顾客价值带动高获利，却有异曲同工之妙。 价值创造型智能制造的三个特质 发那科毕竟是特例，Panasonic的近期主张也非常具有代表性：高质量大量制造的思想已经阻碍日本制造企业的创新，从顾客价值出发的订制、多样少量产品趋势，才是创新主流。产品数字化结合物联网（IoT）日渐普及，智慧社会已经出现。然而，我们检视支持智能社会需求产品的制造现场本身，物联网的价值创造应用，具备三个特质： 第一，物联网代表IT技术应用已经从1985年以MRP为代表的演算能力、经过2000年以ERP为代表的跨越企业籓篱，进入无远弗届。物联网有能力实时掌握企业内外的变化，区别个别企业的核心能力与公共财的经营资源，才能回避网络风险、享受开放创新环境。 第二，将前项取得的数据或结果，达到控制系统状态并追求优化。此处的优化代表一种解决问题的流程，从顾客价值观点，也可以说是一种制造服务化或解决顾客困扰的软件流程。 第三，提出解决方案。对系统而言，代表一种能因应状况变化，自律地调整达成目标的过程。如自动驾驶、自动排除故障、软件自动升级等。在实体系统或组织间关系则包括可靠度或信任关系等层级的解决机制。 开放创新为加州柏克莱大学伽斯柏（Henry Chesbrough）教授所提出，主张企业打破封闭的研发界线，广泛与外界共享创新的素材和能量，达到共享知识、共创市场目标。我们比较20年前势均力敌的日本半导体企业（如日本真空、佳能）与荷兰的ASML，如今已经相差五倍以上，开放创新堪称主因。最近发那科主导的Field System，丰田汽车的自动驾驶发展，纷纷提倡公开专利或开放联网等，改采开放创新策略，其来有自。 在下一章，我们将提出智能制造基本型的3S（sensor、software、solution）架构，即包括实体体系与网宇系统的应用架构。正如同我们将顾客价值区分为可以客观衡量的功能型价值与反映顾客使用流程的方案型价值一样，精实智能制造的水平，一部份可以用工具或指标来客观衡量，其他部份只能由顾客主观认定，亦即经实际使用或体验结果来认定。 实践智能制造的三个挑战 德国相关研究陆续指出，中小企业是实践工业4.0的最大瓶颈，日本中小企业也有相关发现。中小企业在能力与人才上受到限制，固然是重要原因，整个产业界能否连手同步迎接精实智能制造3个观念变革的挑战，才是最大关键。 第一，坚持后制程就是顾客，关注对最终顾客的贡献。从观察后制程实际作业流程或对最终顾客的贡献，提出解决方案，追求双赢。包括资材管理、零组件加工、机器组装、产品出货、顾客服务，全面落实才能发挥智能制造效果。 第二，坚持服务主导逻辑。顾客价值不在产品性能，而是来自顾客的使用价值或感知过程。重视顾客价值的服务主导逻辑，是从销售产品迈向提供解决方案的Solution Business的精神指标。 第三，共创开放平台与信任机制。物联网时代信息无远弗届，开放才能进行3S价值创造，才能把饼做大、做精。信任才能从信息共享迈向价值共享，共同防止信息外流与黑客攻击。
    23浏览量
    原文链接