产业解析/Industry
Edge Computing Technology in Industrial Internet Practice of Steel Industry
上海宝信软件股份有限公司丛力
模板支撑体系摘要：作为工业互联网中的一项关键技术，边缘计算在工业界引起了广泛讨论，针 对不同行业、不同场景的应用探索不断涌现。基于对钢铁行业现状、特点、坏境、需求、痛点、任务和未来发展趋势的深刻分析，结合中国宝武发展实际，本文对工 业互联网顶层架构设计中边缘层实施的一些技术问题进行阐述，对钢铁行业与工业 互联网融合发展具有迫切的实践意义。
关键词：工业互联网；云边端架构；边缘计算
Abstract：As one important technology in industrial Internet, Edge computing has been widely discussed in industries, and many applications have been explored in many scenarios for different industries. Based on the deep analysis of characteristics, environment, demand, pain points, tasks and
future development trend of steel industry, combined with the current situation of BAOWU of China, this paper discusses some technical problems in the implementation of the edge layer in the top-level architecture design, which has urgent practical significance for the converged development of steel industry and industrial Internet.
Key words: Industrial internet; Cloud edge architecture; Edge computing
1工业互联网成为国家战略
中国门类齐全、规模巨大的工业体系不间断地产 生海量的工业大数据，通过破解这些工业大数据，工 业互联网成为中国制造业在新一轮制造革命中贏得竞
争力的钥匙。
自2018年，工业互联网连续三年被写入了《政府工作报告》，从“打造工业互联网平台”到“发展工业 互联网，推进智能制造”，国家持续推动工业互联网建 设的力度不断加大。
电极丝2020年2月，中央政治局会议明确指出：要发挥好 有效投资关键作用，推动生物医药、医疗设备、5G网络、工业互联网等发展。2020年，国家全面部署“新 基建”，工业互联网成为“新基建”的重要组成部
分，是加速工业互联网发展进程的重要标志，进一步 证明工业互联网已经由政策驱动、技术牵引全面转入 落地实践的快车道。
2数据驱动的云、边、端架构
工业互联网是0T和IT深度融合的产物，是一个涉 及模型、软件、平台、网络和工业装备等各种要素组成 的复杂完整的智能系统，而其中数据就像智能体的“血 液”，贯通肢体到中枢，是智能体产生活力的源泉n l。
基于对钢铁行业需求和特点的深入分析，充分考虑 解决方案在业界的普适性，对“一总部、多基地”的大 型钢铁企业，工业互联网架构分为两部分加以界定|21。一是以云端平台为中心、以多个边缘节点为数据通道、纵向以“云、边、端”层次构成的层次型系统架构，适 用于各产业板块中具有特定业务内涵的经营单元，如：钢铁制造单元、工业服务子公司等。二是面向集团或行 业生态圈，以横向多节点互联互通的网络型架构，如图 1所示。
12 /自动化博览•边缘计算专辑/ 2021.02
图1中国宝武工业互联网实施架构图
计、云边协同等，形成具有普适可推广价值的技术解决
方案和应用实践，有助于各类钢铁制造单元工业互联网
部署和建设。
3边缘计算
边缘层部署实施的核心目的是实现对可识别数据对 象的有效管理和流转，边缘侧所有功能设计都与数据和 数据应用紧密相关。
3.1边缘计算是一个技术概念
在流程驱动的传统企业信息化系统中，每一层级都 承载具体的业务功能，与企业的管理结构相适应，不存 在边缘的概念。所以，边缘是一个技术概念，并没有特 定的业务内涵。边缘之所以在工业领域受到关注，因为 其在工业互联网数据处理方面的特殊优势，而非其运行 特定的业务功能。
在讨论边缘计算技术应用时，经常会涉及加载何种 业务。事实上，将传统业务功能（非数据型应用）赋予 边缘侧不是必须要做的工作，在边缘节点上部署应用功 能会因行业、企业、专业、个人而异，取决于具体的场 景需求和边缘资源的配置情况，应灵活加以应对。
钢铁产线边缘实施示意图如图2所示。
图2钢铁产线边缘实施示意图
3.2边缘需要一个平台
与云端中心不同，边缘侧平台要在有限计算资源的
条件下，满足数据采集流动过程中数据处理的基本需求，
减少通信带宽、延迟和安全顾虑。平台以数据采集、预处
理和分析展示为核心功能，包括（但不限于）：
(1)融合SCADA、过程控制系统，形成集实时数
据采集、控制、计算和展示于一体的工业基础自动化软
件，满足工业现场机组级的智能监控和过程控制需求；
(2)对区域内数据进行实时串接勾连、时空对
突变体
齐、减量解析、关联建立、特征提取、规则发现等预处
理等；
(3)按统一的数据字典要求，对工业现场数据进
行标准化和基本数据处理，实现基础数据模型构建；
(4)在数据动态处理过程中，构建有边界范围内
的区域数据池，并进行有限的数据缓存；
自动化博览•边缘计算专辑/ 2021.02 / 1
3
/
产业解析/i n d u s t r y
(5) 基于统一服务接口，与云中心进行数据交互；(6)
加载基于本地数据的应用功能具有合理性， 如：工业集控能力。
2020年，宝信软件的工业互联网平台xIn 3Plat 入 围国家级双跨平台行列。它由两个平台产品组成：云端 部署的ePlat 和边缘部署iPlat ，其中宝武工业互联网平台之边缘平台功能架构图如图3所示。
实时裹达式计g | »g 事件生成j
数据转换转镲|
实时败据推送|
数据后处理|
平台
关系数据库
时序数据库
C -UA . 104.«=〇><0=3视頻通
倌雎努
图3宝武工业互联网平台之边缘平台功能架构图3.3边缘数据处理与服务
边缘层聚焦数据处理能力，整合并转化为标准的数 据格式，重点考虑数据流转和处理，支撑各种数据信息 资源的快速集成，为访问集成数据的应用提供统一数据 模型和通用接口。
为应对来自现场（端）的数据汇聚和融合需求，边 缘需要解决各类数据的存储需求，包括：具有时间戳的 流式数据存储、过程控制中已经整理好的关系数据、经 过数据对齐后的数据以及视频媒体数据。
边缘节点要汇聚数据，必然产生数据治理的相关 需求。边缘层聚焦数据采集过程中的数据处理，重在解 决数据定义、数据标准化、数据质量管理、数据资源管理、数据基础建模和数据安全等方面的工作，经过处理 后所形成的有意义的数据均送到云端大数据中心。
4边缘计算节点的部署要求
在靠近物或数据源头的一端部署边缘节点，由网
络、计算、存储、应用等构成的系统环境，提供近端服 务、处理数据的规模取决于节点部署的总体考虑。
4.1边缘配置技术要求
边缘节点资源配置的技术考量：(1)
边缘的功能是解决实时性问题，一个高效的
实时数据处理的技术方案是边缘的核心，且考虑到边缘 节点直面生产设备，对可靠性有高要求，操作系统、数 据库、中间件等基础关键资源宜采用成熟软件；
(2)
考虑到边缘节点具有一定的数量规模，采用
统一的技术架构和标准化的解决方案，有利于低成本快 速部署，支撑数据共享和业务协同，降低成本；
(3) 在边缘采用成熟的云计算技术是可行的，包
括：虚拟化技术、虚机动态漂移等，有利于提升系统资
源的利用率，但不意味着边缘是一个缩小版的云环境；
(4)
边缘节点计算资源的配置需要灵活、轻量、
稳定、可靠，同时应具有一定的弹性扩展能力，支持未 来的平滑扩充；
(5)
按照产线或工序建设的边缘计算系统之间应
采取隔离措施，保证资源边界的清晰；
(6) 在有条件的情况下，可以集约化部署，实现集
中运维，降低运维成本，需统筹考虑各类安全防护措施。
4.2边缘计算节点的部署场景
在钢铁制造过程中，边缘节点内环境的配置要兼顾 存量产线的运行，场景部署上要有恰当的解决方案。
(1) 对于新建系统（产线、工序、工厂等）基于传统过程计算机功能进行重构和扩展可以形成 理想的边缘计算环境，在完成SCADA 服务（与监控系 统扁平化）、数据采集、模型计算、工序跟踪等功能的 基础上，扩展智能网关功能，实现基本的数据服务和边 缘智能。
(2) 对于存量系统
对于已经投运的产线，由干不可能对运行中的存量 过程计算机（L 2)系统进行功能改造，故需要一个额外 的装置（或系统），解决从各产线（机组、装备）过程 计算机采集数据，实现基本的数据服务和边缘智能，称 为数据采集服务器。
考虑到经济性和合理性，数据采集服务器可以视需 求做一对多配置，在一个边界清晰的区域范围完成所有
数据的采集和服务，从而扩展为区域数据服务器，如图4所示。
图4用于新建和改造场景的区域服务器配置4.3边缘部署规则
(1)要清晰地定义区域的边界，如：热轧区域，
14/
自动化博览•边缘计算专辑/ 2021.02
由此部署区域服务器可以形成一个完整的数据样本，充
分体现数据之间的关联关系；
(2)消除按照专业（职能）分工设立的垂直数据 通道，区域内所有数据统一汇聚到边缘节点，以便形成
完整的区域数据样本，实现数据融合；
(3)边缘计算资源环境，除了完成原有的L2功能 外，重点强化数据处理和服务功能；
(4)在边缘不建议部署大容量的存储资源，由云 端解决大量数据的长期存储是合理的，且更具经济性；
(5)边缘平台应以解决实时性数据处理和应用为 核心，且应尽量降低对边缘硬件资源的需求，提供轻量
级便捷部署的可行性方案；
(6)除装备（产线）之间必须的工艺联锁信号外，不建议边缘节点之间留有进行大量数据交互的通
道，边缘节点之间的数据交互应通过其共享的云中心来
协调实现；
(7)不建议部署超出数据范围的跨域集成应用。如：在以产线为对象配置边缘节点的场景中，跨机组产
线、跨工序、跨流程，进行服务融合、数据融合的集控
开发是不合理的。
5边缘计算的技术实践
5.1边缘与云端功能协同
在工业互联网环境下，几乎所有的跨域应用功能都
是在云端完成的，但需要边缘做基础的数据支撑，边缘
计算与云计算在网络、业务、应用和智能方面进行协同
至关重要。云、边协同包括：
(1)云、边平台协同
中国宝武工业互联网平台由两个产品组成：ePlat、iPlat。其中，ePlat以云为核心部署，实现平台
内各业务流程的集成，以及企业、产业之间横向紧密集
成，从而构成生态圈建设的重要技术支撑；iPlat则部署
在边缘节点，支撑在工厂内部从端到云数据的纵向“穿
透式”深度贯通，保证数据的流动和控制的闭环，两个
平台构成一个“T”型骨架，相互协同，提供纵向和横
向两个维度的互联互通。
平台协同要求在平台架构设计、技术路线选择上具
有强相关性和一致性，保证数据高效地流动，从而带来
高效的应用开发效率和绝妙的使用体验。
(2)云、边数据协同数据协同的基础是数据接口的规范化、数据描述的
一致化、数据应用的标准化和数据展示的一体化。边缘
侧更适用局部性、实时、短周期数据的处理与分析，能
更好地支撑本地业务的实时智能化决策与执行；云端大
数据中心擅长全局性、非实时、长周期、综合性的大数
据处理与分析，尤其是多源融合数据的全要素分析，能
够在长周期维护、业务决策支撑等领域发挥优势。
边缘计算的输出成为云计算的输入，而无需在云端
重复所有数据准备相关的处理工作，可以大大提高计算
的效率。
(3)云、边应用协同
边缘端实时采集汇聚工厂单个工序（装备、过程）
的各类工艺过程数据、产品品质数据、设备状态数据、
能源消耗数据、语音及视频等信号数据，按照时间和空
间维度对数据进行勾连转换、对齐处理、特征值提取加
工，为现场提供实时的过程监控诊断和机理模型控制，
为云端数据采集进行数据预处理、单工序节点数据汇聚，
支撑现场实时监控诊断预警和在线动态优化，其功能将
覆盖智能制造的方方面面，从实现监控产线、车间、工
厂，到为提升产品质量、降低成本、优化企业运营等做
基础数据准备，存在广阔的创新空间。
云端通过一定的降频，汇聚各专业生产经营管理数
据和经过边缘采集处理的现场生产过程数据，实现跨工
序数据串接、全流程数据追溯和需要大规模数据的模型
训练，既服务于经营管理决策，又服务于现场生产控制
策略的优化，提供数据融合分析、在线决策支持和个性
化数据服务；通过基地内部供需协同和专业协同，以及
水泥灌浆料
基地之间的资源协同改善企业运营效率，支撑总部从采
购到销售，从产品设计、制造到服务的一体化经营。
5.2区域集控系统
钢铁企业组织结构的设置是由工艺流程（铁、钢、
轧等）决定的，工序构成了钢铁制造流程的基础单元，工
序业务的管理精细化对干钢铁企业的智能化运营至关重
要。因此，面向工序（多产线）部署边缘节点，形成区域
数据服务，在内涵和外延上都是一个符合逻辑的选项。同
时，由于传统的企业信息化系统功能多为面向企业职能管
理（产供销等）设计开发，支撑工序环节实现更精细管理
的系统工具和手段相对有限，不够系统、完整，这在一定
程度上削弱了精细化管理的能力，亟待加强。
目前，在宝武各基地乃至整个钢铁行业，各类区
域集控中心的建设方兴未艾，受到“追捧”，除了减
自动化博览•边缘计算专辑/ 2021.02 / 15
产业解析/ Industry
少人工、提高效率的需求驱动外，还需在一定程度上 解决目前大工序区域管理抓手缺位的难题，针对改善 基础管理效率做出重要探索与尝试。鄂钢全厂操业中 心如图5所示。
消声室制作
图5鄂钢全厂操业中心
从表象上，面向工序的区域集控中心是将原来分散 的操作室做物理集中，通过中心大屏融合信息展示，而 本质上是通过重构原有分散隔离的业务系统功能来提高 业务运行的效率。其中，边缘节点融合汇聚了大量实时 数据形成的区域数据池，产生了多结构数据融合解析、 复杂控制模型、在线实时
分析等诸多高实时性、短周 期、本地决策应用场景，使工厂管理精细化具有可行性 和可操作的空间。因此集控中心建设的深层逻辑是智能 工厂的建设。
以工序级（区域）集控系统为例（如：炼钢），将 边缘侧的功能分为以下类型：
(1)
监控类：工艺过程、设备状态实时监控，并 依据自动、手动等控制模式以及工艺模型输出形成的控 制指令，控制响应设备按照逻辑完成规定的过程；
旋转式清堵机看看(2)
模型类：根据工艺模型和工艺参数进行计 算，形成控制指令，根据实际工况进行模型演算和模型 优化计算，以保证产品质量和生产稳定运行；
(3)
跟踪类：收集工艺过程和实绩数据，对工艺 过程各个环节和参数进行采集，并以可视化方式展现， 帮助操作人员监视生产过程；
(4)
数据类：根据业务需求，以各种协议和通信方
式获取所需的数据，并对数据进行预处理，如：噪音处 理、异点剔除、数据缺失补充、时序对位、空间对位、减 量解析等，形成可用的基础数据模型队列，将大量高频 次、多尺度、异构数据转化成有序、关联的数据队列；
(5)管控类：依据所接受的作业计划、生产指 令、制造规范等，基于区域数据，面向产品质量、工序 成本、能源消耗、物料管理等逬行实时的关联性分析和 动态判定，持续优化模型和参数，为全流程的成本质量 决策提供基础数据要素。
在上述集控中心主要功能设计中：
功能（1) (2) (3)是过程计算机的传统功能；功能（4)是作为边缘节点处理数据的核心功能，功能 (5)则是基于数据加载本地应用的附加功能。
6
小结
边缘计算的核心功能是面向数据，完成数据采集
过程中的数据处理工作，节点部署、资源配置、功能设 计等都围绕这一核心来开展，故称之为“以数据为核 心”。边缘节点所覆盖的区域决定了数据汇聚的样本边 界，在实践中，会根据行业、企业、场景等时空考量而 不同。事实上，灵活性是边缘有别于云中心的一个重要 特征，使得边缘在工业场景中具有广阔的应用空间，切 忌将边缘做成一个缩小版的云节点。
边缘上部署应用功能并非必需，一个轻量级的边缘 节点可以仅仅是一个数据通道，但不否认，基于汇聚数
据加载本地应用是合理的诉求，既符合实时性，又具有
经济型，这也是边缘愈加智能的重要驱动，不同的边缘 部署产生不同的数据样本边界，就产生了加载本地应用
的差异。可以预见，随着技术的不断演进，越来越多的
应用会推向边缘，越来越高的智能会在边缘实现。EB
作者简介：
丛力，教授级高级工程师，博士，现任上海宝信软件 股份有限公司技术总监，中国宝武集团技术业务终身专
家、上海市首批科技领军人才。长期以来致力于工业领 域综合自动化技术与应用研究，在该领域取得了丰硕的 成果。目前专注于工业互联网架构与应用方案的研究， 主持编写了“钢铁行业工业互联网应用实践白皮书”， 参与了宝武集团钢铁生态圈及宝钢股份智能制造规划工 作等。
参考文献：
[1] 丛力.工业互联网中边缘计算的实现方法[J ].自动化博览，2018, 35 (5): 48 - 52.[2] 中国宝武工业互联网研究院.中国宝武工业互联网架构体系（1.0) [R /OL ]. 2020.
16 /
自动化博览•边缘计算专辑/ 2021.02
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议