宮文浩

（山東渤聚通云計算有限公司 山東省煙臺市 264000）

1 前言

現(xiàn)階段，對于全球信息與通信技術(shù)（ICT）領(lǐng)域而言，其朝著物聯(lián)網(wǎng)、云計算、人工智能（AI）等得到發(fā)展，使得邊緣計算（EC）也得到了更多的重視。在我國，盡管具有許多工業(yè)互聯(lián)網(wǎng)平臺，但是，其大多更為重視商業(yè)類產(chǎn)品方面的宣傳、推廣，而缺少兼具有指導(dǎo)性、可操作性的通用技術(shù)架構(gòu)。處于這一前提下，邊緣智能（EI）2.0也就應(yīng)時而生，其能夠就近分配好各項智能化運維服務(wù)、環(huán)境等，并鑒于此創(chuàng)建云、網(wǎng)、邊、端這四位一體下的工業(yè)互聯(lián)網(wǎng)平臺架構(gòu)，且處于表面貼裝技術(shù)（SMT）生產(chǎn)線下，得到了極大地發(fā)展。

2 EI的概念

鑒于EC 這一新興的計算方法，EI 處于更為緊依用戶、數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣，對各個深度學(xué)習(xí)模型進行分配、訓(xùn)練，讓AI 的各項性能、隱私性均最大程度地得到改善[1]。EC 是云計算朝網(wǎng)絡(luò)邊緣、終端用戶所進行的擴展，其把計算類資源、服務(wù)由遠離于用戶的云端逐步下沉至網(wǎng)絡(luò)邊緣，以減少網(wǎng)絡(luò)延遲，并保護好隱私[2]。較傳統(tǒng)應(yīng)用來說，處于物聯(lián)網(wǎng)下鑒于視頻、圖像等各類新興A1 方面的計算、數(shù)據(jù)均是十分密集的，這對于延遲、保護好隱私所給予的各項要求也十分嚴苛，所以，處于網(wǎng)絡(luò)邊緣對AI 給予支持的這一新興場景即為EI。

3 鑒于EI2.0下的工業(yè)互聯(lián)網(wǎng)平臺架構(gòu)

3.1 工業(yè)互聯(lián)網(wǎng)平臺的總體架構(gòu)

為了全方位地發(fā)揮出中心云、EI2.0 所具有的各項優(yōu)勢，對“中心云/行業(yè)云-邊緣智腦-邊緣網(wǎng)關(guān)-邊緣設(shè)備”這一工業(yè)互聯(lián)網(wǎng)平臺進行設(shè)計[3]。而其中，邊緣智腦為最為核心的部分，參照基礎(chǔ)設(shè)施即服務(wù)（IaaS）、軟件即服務(wù)（SaaS）等有關(guān)的通用云計算架構(gòu)進行分層設(shè)計。

在這一架構(gòu)中，中心云、公有云等都處在外網(wǎng)環(huán)境下，給予行業(yè)類數(shù)據(jù)、公共類資源[4]。對于工業(yè)邊緣云而言，其處在企業(yè)內(nèi)網(wǎng)中，共包括了邊緣智腦、邊緣網(wǎng)關(guān)、邊緣終端等，而其中，邊緣智腦平臺在工業(yè)互聯(lián)網(wǎng)平臺中是最為核心的構(gòu)成，能夠監(jiān)管好各個設(shè)備、調(diào)度各類資源等；對于邊緣網(wǎng)關(guān)而言，其能夠?qū)ιa(chǎn)一線中的各類數(shù)據(jù)進行收集、預(yù)處理，讓各個現(xiàn)場設(shè)備、工業(yè)系統(tǒng)間能夠彼此打通；這一架構(gòu)把邊緣云、工業(yè)大數(shù)據(jù)、公有云所具有的各項優(yōu)勢間彼此融合，兼具有云網(wǎng)融合、云邊協(xié)同、邊邊協(xié)作等方面的特點，能夠最大程度地發(fā)揮出EI 處于工業(yè)互聯(lián)網(wǎng)領(lǐng)域中的各項作用，具有更為理想的創(chuàng)新性、可操作性。

3.2 邊緣智腦技術(shù)架構(gòu)

對于邊緣智腦而言，其在工業(yè)邊緣云中是十分核心的構(gòu)成，也是EI2.0中無可或缺的載體，共包括了邊緣云平臺服務(wù)層（EC-PaaS）、邊緣云基礎(chǔ)服務(wù)層（EC-IaaS）、邊緣云應(yīng)用服務(wù)層（EC-SaaS）[5]。具體情況可以參見表1。

3.3 工業(yè)邊緣網(wǎng)關(guān)架構(gòu)

對于邊緣網(wǎng)關(guān)而言，其是對物理世界、數(shù)字世界間進行聯(lián)結(jié)十分關(guān)鍵的渠道，類似于工業(yè)互聯(lián)網(wǎng)中所具有的神經(jīng)結(jié)，把工業(yè)現(xiàn)場中所具有的各類產(chǎn)線、變頻器、機器人等方面的設(shè)備間彼此相連，以更為良好地適應(yīng)于現(xiàn)場應(yīng)用所需的低延時、多樣性等方面的需求，并聯(lián)合邊緣智腦，一同對各類智能化數(shù)據(jù)進行分析、研究、處理，參照邊緣網(wǎng)關(guān)下云邊協(xié)同、邊緣自治等方面的需要，可以對邊緣網(wǎng)關(guān)進行設(shè)計，共包括了南向、北向、核心層。

3.4 云邊協(xié)同、邊邊協(xié)作

對于云邊協(xié)同、邊邊協(xié)作而言，其是促進工業(yè)互聯(lián)網(wǎng)得到實現(xiàn)的前提，其涉及到了邊緣云平臺、邊緣網(wǎng)關(guān)中各個層面間的彼此協(xié)同，共包括了EC-IaaS 層與邊緣網(wǎng)關(guān)中南向方面的計算、網(wǎng)絡(luò)與安全等有關(guān)資源間的彼此協(xié)同；EC-PaaS 層與邊緣網(wǎng)關(guān)中核心層間彼此數(shù)據(jù)、智能等方面的協(xié)同；EC-SaaS 層與邊緣網(wǎng)關(guān)中北向方面的應(yīng)用服務(wù)間的彼此協(xié)同；加之各個邊緣節(jié)點間所生成的邊緣通信網(wǎng)、邊緣算力網(wǎng)，進而對數(shù)據(jù)傳輸所具有的瓶頸進行克服，對數(shù)據(jù)、網(wǎng)絡(luò)等進行改良、優(yōu)化，以獲得最為理想的質(zhì)量、效率，最后，得到云、網(wǎng)、邊、端這四位一體方面的協(xié)同。

4 EI2.0應(yīng)用到SMT產(chǎn)線的相關(guān)情況

表1：EC-IaaS、EC-PaaS、EC-SaaS 的相關(guān)情況

4.1 收集SMT智能產(chǎn)線的相關(guān)數(shù)據(jù)

在SMT 產(chǎn)線中，具有許多設(shè)備，需要借助邊緣網(wǎng)關(guān)數(shù)據(jù)收集以對流式數(shù)據(jù)源、應(yīng)用程序接口（API）數(shù)據(jù)源等更多的數(shù)據(jù)源加以整合[6]。數(shù)據(jù)收集借助收集插件這一形式，適宜于各類場景，比如，數(shù)據(jù)庫采集器、API 采集器、日志采集器等。對象共包括了三大類：

（1）絲印機、回流爐等有關(guān)的生產(chǎn)設(shè)備，對設(shè)備現(xiàn)階段所處的狀態(tài)方面的信息進行收集，以進行信息追溯；

（2）SPI、AOI 等有關(guān)的檢測設(shè)備，需要對所生成的各類數(shù)據(jù)進行深度研究、分析；

（3）貼片機等有關(guān)的綜合性設(shè)備，不但需要對狀態(tài)類信息進行收集，還需要對各類數(shù)據(jù)進行深度研究、分析，以增強生產(chǎn)的質(zhì)量、效率[7]。

SMT 產(chǎn)線數(shù)據(jù)源共包括了設(shè)備通用性數(shù)據(jù)、關(guān)鍵性數(shù)據(jù)，比如，機器標識碼、運轉(zhuǎn)狀態(tài)、待機狀態(tài)、運轉(zhuǎn)質(zhì)量與效率、各項程序參數(shù)等。

4.2 SMT智能產(chǎn)線生產(chǎn)方面的應(yīng)用

SMT 產(chǎn)線本身具有多個品種，且還具有較小的批量，其智能化是把工業(yè)4.0 下更為迅速地備料、較易維護等當作目標[8]。SMT產(chǎn)線的各項智能化應(yīng)用共包括了生產(chǎn)、檢測，而其中，生產(chǎn)共包括了SPI 看板、產(chǎn)線平衡統(tǒng)計分析等，其相應(yīng)的應(yīng)用情況：

（1）數(shù)字地圖：能夠隨時反映出工廠、產(chǎn)線中各個設(shè)備總體的布局、狀態(tài)，還能夠參照產(chǎn)線相應(yīng)的布局、設(shè)備種類，進行部分定制化展示；

（2）生產(chǎn)時序圖：借助設(shè)備狀態(tài)、生產(chǎn)節(jié)拍、不良率、不良品等方面的時序圖，全方位地反映出真實的生產(chǎn)狀態(tài)，以滿足于各類場景中的數(shù)據(jù)研究、分析、回溯；

（3）產(chǎn)線平衡統(tǒng)計：可以被應(yīng)用到分析、研究產(chǎn)線類設(shè)備間所具有的生產(chǎn)平衡度，找到產(chǎn)線中的各類生產(chǎn)瓶頸工序，接著，對其進行更具針對性的分析、研究、改良、優(yōu)化，以增強產(chǎn)線總體的生產(chǎn)質(zhì)量、效率；同時，找到產(chǎn)線生產(chǎn)中的各項不飽和工序，再考慮對各類不飽和設(shè)備分配好更多的任務(wù)，并進行資源方面的整合，增強總體的設(shè)備應(yīng)用率，減少設(shè)備等料、空轉(zhuǎn)等各類沒有必要的浪費；

（4）設(shè)備質(zhì)量與效率：SMT 產(chǎn)線間是十分類似的，橫向?qū)?shù)條SMT 產(chǎn)線間的各類OEE 數(shù)據(jù)進行對比，接著，進行對標，找到具有更為良好表現(xiàn)、具有不夠理想表現(xiàn)的產(chǎn)線，共包括了直通率、拋料根因等，并預(yù)測不夠理想產(chǎn)線相應(yīng)的提升空間、目標，同時，對產(chǎn)線中各個設(shè)備的總應(yīng)用率進行比較，找到瓶頸類設(shè)備、不飽和類設(shè)備，再對其進行更具針對性的改良、優(yōu)化。

4.3 SMT智能產(chǎn)線檢測方面的應(yīng)用

SMT 產(chǎn)線對于各個元器件進行包裝、引腳本身的可焊性等均給予了十分嚴苛的要求，對于AOI 而言，其是鑒于光學(xué)原理，對焊接所遇到的各類缺陷進行檢測所需的設(shè)備，在SMT 產(chǎn)線中，其得到了十分普遍地應(yīng)用[9]。AOI 借助攝像頭自主對PCB 進行掃描，獲得圖像，把各個焊點與數(shù)據(jù)庫中的各項合格參數(shù)間進行對比，在對圖像進行研究、處理、分析后，獲得PCB 方面的缺陷[10]。AOI具有缺陷條件構(gòu)建十分繁瑣、無法符合于新興型態(tài)方面的條件檢測等有關(guān)的問題，所以，可以借助AI 模型對其加以改善[11]。處于邊緣網(wǎng)關(guān)下，分配好SMT AIAOI 型推理引擎，把AOI 類設(shè)備在最近半年中的照片類數(shù)據(jù)送到邊緣智腦服務(wù)器，借助AI 模型相應(yīng)的分配、再訓(xùn)練，在7s 中，就能夠?qū)纹琍CB 有關(guān)的瑕疵加以檢測，處于這一前提下，產(chǎn)線人員進行二次復(fù)判，指出各類模型瑕疵，并對其進行標識，同時，輸出模型瑕疵檢測歸類、每日模型檢測報告，以降低總的誤判率，并與制造執(zhí)行管理系統(tǒng)間彼此對接[12]。

5 結(jié)束語

綜上所述，在端到端的工業(yè)互聯(lián)網(wǎng)業(yè)務(wù)得到整合后，鑒于此，對兩條SMT 產(chǎn)線進行試點改良、優(yōu)化，把EI2.0 應(yīng)用到AOI 中，并對SMT 制程、SPI 檢測等方面進行智能化分析、研究、改良、優(yōu)化，能夠獲得更為理想的應(yīng)用效果。同時，在各項實踐中，盡管對部分現(xiàn)場設(shè)備進行了數(shù)據(jù)收集，但是，其總的應(yīng)用率較低，可以應(yīng)用的僅占了所有數(shù)據(jù)中的10%。所以，數(shù)據(jù)收集僅是促進工業(yè)互聯(lián)網(wǎng)平臺得到實現(xiàn)的首步，而怎樣與生產(chǎn)實際間彼此融合，且怎樣全方位地發(fā)揮出工業(yè)大數(shù)據(jù)的各項價值，這些依舊需要有關(guān)領(lǐng)域進行更多的研究、分析。