索提斯云智控科技（上海）有限公司

1 目標和概述

5G通信、人工智能、云計算等技術的應用與逐漸普及，給制造業發展帶來了巨大的變革。根據工業和信息化部發布的《智能制造發展規劃（2016-2020）》，國家正在加快推進制造業逐步向智能制造轉型的進程。《規劃》提出智能制造實施“兩步走”戰略：

第一步，到2020年，智能制造發展基礎和支撐能力明顯增強，傳統制造業重點領域基本實現數字化制造，有條件、有基礎的重點產業智能轉型取得明顯進展；第二步，到2025年，智能制造支撐體系基本建立，重點產業初步實現智能轉型。

該方案的目標主要有以下幾個方面：

（1）驗證通信標準、5G應用，以及構建智能工廠所需的IT與OT融合的技術。

（2）以物聯網技術與5G應用為主線，將新一代信息技術，如邊緣計算、人工智能、深度學習等，與制造領域的系統深度融合。

（3）建立云-邊-端一體化系統架構。

（4）探索OT領域的信息生態應用，制定OT網絡接入標準（協議、數據接口規范等）。

（5）驗證以5G、信息技術主導傳統制造產業的協同創新應用及相關技術。

2 方案介紹

該方案采用云-邊協同架構，云端包括基于云的設施即服務（IaaS）、軟件即服務（SaaS）、平臺即服務（PaaS）三部分，提供在云中的應用程序開發和管理，云計算平臺采用OpenStack相關組件實現云基礎服務架構。如圖1所示。

邊緣側包括云邊協同、邊緣計算、系統支撐三部分，實現集中化的資源使用、監控和運維等。如圖2所示。

圖1 解決方案云端架構圖

圖2 解決方案邊緣側架構圖

系統框架如圖3所示。

圖3 系統框架圖

該方案通過邊緣網關將云與端的數據打通，通過IoT平臺及邊緣網關將OT與IT打通，IoT平臺既可與制造執行系統（Manufacturing ExecutionSystem，MES）、倉庫管理系統（Warehouse Management System，WMS）、企業資源計劃（Enterprise Resource Planning，ERP）等IT系統進行通訊與交互，也可通過邊緣網關與OT設備交互，進行數據采集，它是數據的匯總與處理中心。智能運營中心（Intelligent Operations Center，IOC）負責數據的展示和綜合運用。

2.1 IoT平臺

通過對MES系統、倉儲系統、裝配系統、質檢系統、行為異常識別系統、環境檢測系統、設備健康及預測性維護系統、邊緣網關的通訊集成，實現OT與IT系統間數據共享，為上層業務系統實現協同化，智能化提供前提。其部分業務功能如表1所示。

表1 IoT平臺部分業務功能

主要技術特點有：

（1）支持多種消息隊列實現：Kafka、RabbitMQ。

（2）支持多種協議：MQTT、HTTP和CoAP。

（3）可基于設備和應用收集數據并進行可視化。請求構建工作流。

（4）可基于生命周期事件、RESTAPI事件、RPC

（5）可基于規則引擎自定義功能。

（6）可發布設備數據至第三方系統。

（7）微服務架構，支持本地部署及云部署。

（8）完善的認證機制，數據可以進行加密傳輸，確保安全性。

運行環境：跨平臺，部署在可運行JVM的設備上，數據庫為“關系數據庫+時序數據庫”，內存>4G。

2.2 IOC運營中心

IOC運營中心為運維管理人員構建統一的、業務清晰的數據展示平臺，可為各子系統進行參數配置、數據查詢、監控，為問題分析、決策調度、運營效率提升提供極大便利。

表2是需展示的部分數據列表。

表2 IOC運營中心部分數據展示列表

主要技術特點有：

（1）支持多數據源，支持REST API、WebSocket及流式數據。

（2）可拖拽式生成大屏頁面。

（3）可加密發布、動態鑒權。

（4）前后端分離，支持本地部署及云部署。

（5）完善的認證機制，數據可以進行加密傳輸，確保安全性。

運行環境：跨平臺，部署在可運行JVM的設備上，數據庫為關系數據庫，內存>4G。

2.3 邊緣計算模塊

（1）主要用于連接各種設備并進行數據采集，同

時可以根據用戶配置將采集的數據進行存儲和轉發。

（2）該設備支持多種協議，能連接多種設備，主

要用于解決工業現場設備種類繁多、難以進行統一數據

采集的問題。

（3）該設備還具備簡易PLC的功能以及SCADA功能。

（4）其主要技術特點如下：

·支持5G；

·4核處理器，4G以上內存；

·支持RS485、RS232、Modbus、Ethernet、USB等接口；·支持HDMI2.0顯示接口；

·支持數據存儲；

·自帶SCADA系統，支持用戶自定義邏輯控制功能；IP、MQTT、OPCUA；

·支持協議：ModbusRTU、ModbusTCP、TCP/

·自帶PLC功能，并可外接PLC擴展模塊；

·支持Linux操作系統及部署容器化應用；

·完善的認證機制，數據可以進行加密傳輸，確保安全性。

2.4 AI算法平臺

為了解決繁多的AI工具安裝配置、數據準備、模型訓練慢等困擾AI工程師的諸多難題，通過引入AI算法建模平臺，實現數據管理、數據分析、算法開發、模型訓練、模型部署和服務發布等功能需求統一集成到一個開發環境中，一站式地完成AI應用開發任務，降低AI應用的開發難度，提高AI場景化應用的設計能力和部署服務能力。主要包含以下功能模塊：

（1）數據治理

·數據收集；

·數據清洗；

·數據標注等功能。

（2）模型構建/算法開發

·預置模型，支持視覺類任務類型的開發模板；

·支持多引擎框架（Jupyter Notebook、Sklearn、TensorFlow、PyTorch、Spark等）；

·支持拖拉拽式算子建模等。

（3）模型訓練

·機器學習、深度學習、自動學習等；

·模型評估，多指標多角度對訓練的模型進行評價。

（4）模型管理

·模型版本管理；

·模型轉換；

·模型評估；

·模型監控。

（5）模型部署

·一鍵部署、支持高并發、低延遲、多模型灰度發布、A/B測試、在線監控、在線推理；

·私有化部署，服務器端SDK（多平臺、多語言支持），Docker容器化部署；

·設備端部署，模型量化壓縮、云邊端多場景部署和推理。

（6）服務管理

·在線服務；

·批量服務；

·邊緣服務。

2.5 智能質檢系統

智能質檢系統對泵體裝配圖像采集進行自動判別是否有錯裝和漏裝，同時滿足邊緣設備的接入和數據管理要求；工業相機連接邊緣設備后可以實現終端設備的數據采集、存儲、分析、清洗并上報設備數據至云端服務器，邊緣設備應支持MQTTS、Modbus等協議接入到邊緣計算節點，并可通過邊緣管理平臺進行應用集成和業務擴展功能，實現設備的管理和智能控制。

其基本架構如圖4所示。

圖4 智能質檢系統基本架構圖

3 代表性及推廣價值

該方案解決的是IT與OT之間的融合問題，在工業制造領域具有普遍性。目前正在實施的用戶是具有顯著示范效應的行業龍頭企業。IT與OT的融合，將顯而易見地對企業智能制造有所促進，提高企業的生產效率和數據應用效率。

摘自《自動化博覽》2022年2月刊