★上海工业自动化仪表研究院，PLCopen中国组织 彭瑜

工业边缘计算设备的终极功能应该是感知和控制物理过程，运行本地程序，并与工业控制器、工厂运营系统、企业业务管理系统和云应用程序通信。工业企业为了持续地实现盈利和提高竞争力，正在循着实时闭环制造业务运营的数字化制造架构（DMA）方向探索和发展。正如图1所示，边缘计算在DMA中起着数字化底座的基础作用。在充分利用边缘计算的基础上才可能运用云-边-端的分布式计算和开放系统的进展，来实现同步、实时、优化生产，以适应包括供应链、客户需求、能源和可持续发展等诸多的外部变化因素。

图1数字制造架构创建实时的闭环运行操作

（图源：automation.com）

1工业数字化转型的目标是实现实时、同步和协同的业务处理与制造

在传统的制造业中，长期形成了生产制造系统、企业业务管理系统和供应链这三套系统相互分离，即使有一定的松散耦合，也不能克服在功能上缺乏同步的协同和关联。这种功能的孤岛现象往往造成流程的重叠、一些关键信息的空白和决策的低效，从而阻碍企业的发展和优化。图2清晰地指出传统制造的孤岛表现在企业的业务管理只制定计划和下达生产指令，供应链只管企业内部和外部的原材料、物料和能源的供给，而生产的运转部门只关注在制件的控制和跟踪，三者之间极少关联和协同，更谈不上实时和同步;唯一能做到实时运行的是生产过程的控制和自动化。

图2传统制造在业务管理、供应链和生产运转三者之间缺乏同步的协同和关联

（图源：automation.com）

一般企业管理系统ERP与生产制造系统耦合松散表现在，ERP以书面或电子方式发送订单和库存清单来启动生产运行，缺乏实时同步地向工厂发送指令和信息的能力。例如，接到订单后下达生产指令，但对生产中发生的事情视而不见，直到完成生产任务后工厂信息反馈到业务系统中，再进行所谓的“倒冲”，将生产过程中消耗的材料扣除。MES加强了沟通和协调，提高了工厂的可视化能力，实行实时工单/实时库存发布，扣除材料消耗/实时对生产进行监控，但导致了复杂的复制模型、更高的成本和可疑的可靠性等问题，同时不能提供对产品可用性的足够洞察。数字制造架构的目标就是希望将制造系统、业务管理系统和供应链系统集成整合，克服松散耦合形成的一切弊病。

从这个意义上讲，制造业中很多时候对IT/OT融合的关注，在范围上可能过于狭窄，基本局限在一条产线、一家工厂，如果涉及一个企业也仅仅关注企业内部，很少扩展到供应链以及客户需求和响应，因而无法利用日益先进的技术来实现制造竞争优势。在理想情况下，工业数字化转型应该囊括整个制造过程和生态系统，包括：产品设计、采购与供应链同步、柔性生产、厂内/企业内物流、服务、客户响应能力，以及相关的基础设施（如工业通信系统、边缘计算等）。因此IT/OT的融合也应该不仅贯穿整个制造过程，也需要扩展到整个产品生命周期和企业生态系统。IT/OT的广泛融合意味着企业内的生产流程与企业相关的外部资源和供应链之间，以及与产品生命周期的应用状态之间，存在清晰和直接的沟通；而IT/OT的融合发展是开发和部署一系列创新技术的关键，这些创新将定义制造业的未来。

由此可见，工业制造数字化转型的基本要求是：向集成的、实时的、数据驱动的制造业转变；从终极目标来看，工业企业应该在数据驱动的基础上追求实时、同步、优化地实现制造系统、供应链和业务管理系统全范围和全过程的IT/OT融合。实时数字化制造正在成为一种更有效、更全面、更有竞争力的业务。通过将制造/生产整合到整个业务系统中，制造业和生产的基础正在被重塑。

2工业边缘计算在重塑制造业生产基础中的重要作用

多年来，工业自动化体系结构的特点是，利用分布式计算提高性能、质量、可靠性、可用性、快速响应能力和降低软件维护成本，越来越多的计算被推向现场的终端设备。每一步进展的限制因素都是技术的成本、坚固性和可靠性。工业仪表、传感器和执行器即使随着芯片和物联网技术的显著进步发生了许多变化，要像智能手机那样以低成本通信的方式传递大量制造基础信息，恐怕还需时日。因此，工业边缘计算的设施和能力仍需大力加强和推进。何况工业边缘计算的角色也是分布式制造架构中不可替代的。

边缘计算的主要价值是就近在物理生产的地点执行应用程序，以极低的延迟实现快速响应时间，并捕获实时数据。将高级功能直接集成到这种新型的功能强大的现场设备和工业控制器中，再加上实时事务处理业务系统，正在减少对工业中间件软件的需求。业务系统比工业系统发展得更快，以满足包括供应链、客户服务、物流和互联网商务在内的业务功能的要求。虽然中间层软件和计算机达到了缓冲、同步、转换和优化传感器和控制器信息的目的，但也产生了许多弊端，例如由大量中间层计算机、重复的数据库、复杂的配置控制和昂贵且难以维护的软件组成的脆弱系统。边缘计算是在用户或数据源的物理位置或附近进行的计算，有可能逐步用边缘的分布式功能包括优化、专家系统和具有新型设备的人工智能来替代中间件软件。

边缘设备类型大致有如下几种：（1）支持原有老系统的边缘网关：工业边缘网关通常是坚固的工业计算机，运行中间件软件，连接到PLC、驱动器和其他边缘设备，理清信息的来龙去脉和情境化（contextualization），并将其映射到数据企业软件和数据库。边缘网关是利用已安装的原有控制和自动化系统扩展资本设备提供边缘计算功能的理想选择。（2）边缘工业计算平台：坚固的边缘计算平台提供网关功能以及许多其他功能，包括分布式控制、优化、web服务器、OPCUA服务器和客户端、人工智能AI、RESTAPI、图像识别和云通信（AWS、AZURE等）。许多边缘计算平台还集成了多用户环境，如Docker和Kubernetes，允许添加用标准编程语言（包括Python和JavaScript）编写的用户应用程序。（3）智能现场边缘设备：这是一类新的智能现场设备，包括传感器和执行器，它们是智能的，可以直接与控制器、企业和云应用程序通信。这些设备集成了分布式控制功能，包括优化、web服务器、OPCUA服务器和客户端、RESTAPI和云通信（AWS、AZURE等）。一些立足于最终用户的项目计划正在定义基于这些概念的新体系结构，包括NAMUR开放体系结构（NOA）和开放过程自动化论坛（OPAF）标准。

值得注意的是以太网IP到边缘的发展。随着单对双绞线以太网（SPE）标准10BASE-T1集成到各类工业通信网络，工业优势正在进入主流计算和物联网领域，一个重要原因是IP通信在嵌入包括传感器和执行器在内的终端现场设备时拥有了成本效益。支持工业控制和自动化的基于以太网的网络利用了大量生产的以太网基础设施产品的优势，包括较低的硬件、软件和支持成本。显然SPE是一种直接从传感器、执行器、驱动器、电机启动器和其他设备中解锁更多信息的方法。

单对双绞线以太网是先进物理层（APL）将以太网用于易爆易燃危险区域的现场级仪器仪表的基础，为在0区和1区Div1提供本质安全的解决方案。现场级以太网将以其广泛性和速度突破现场总线的限制，使流程工业数字化成为现实。主要目标是在流程自动化领域采用成熟的技术和选项。

还有一个现场直接与企业沟通发展方向，这就是传统的严格层次结构正在让位于一个反应更灵敏、更直接的模型，将制造业带入实时制造业务模型。现场设备可以直接与应用程序通信信息，包括历史记录、高级云分析、实时维护监控和其他功能。这简化了这些功能的应用，更为消除ISA95所规范的L2级和L3级软件成本、复杂性、性能满足不了要求而导致的拖累，以及长期的软件维护成本。

3如何解决数据存取的互操作性这一最基础的问题

制造业寻求自动化设备和应用程序的集成，最好的榜样就像即插即用的网页浏览体验那样，完全不用通过人工来连接“物”。为了达到这一理想状态，工业自动化的许多专家和从业人员投入到这一复杂的挑战中。然而历经多年，到目前为止任何参与智能制造和工业4.0的人都知道，标准化还是在路上，离完成式还有不小的距离。也就是说，在许多方面这仅仅才开了一个头，目前市场上的工业物联网的产品还没有选择一套公认的标准的技术。

以大家所熟悉的网页浏览为例，调制解调器是互联网的网关。购买PC后，将其带回家，标准化的好处立竿见影。首先，开箱即用的个人电脑通常都有一个以太网端口。PC连接到网络调制解调器后，通过DHCP（DynamicHostConfigurationProtocol）获得IP地址，并发现自己的网络网关。然后，它会发现自己的域名系统（DNS）服务器是什么，并开始访问来自全球各地的广泛信息。所有这些机制都通过一个网关自动激活；对于大多数用户来说，它是一种相当于魔法的技术。历史的经验证明，这种全球网络只有在市场围绕特定标准进行整合时才有可能实现。那么，人们渴望着在运用工业物联网（IIoT）也可以使用类似的魔法技术的时候，是不是也应该思考选择什么样的标准化方案和路径才有可能跨出成功的一步呢?我们可以预言，像IIoT这种需要在全球形成的网络，只有在市场围绕特定标准进行整合时才有可能实现，否则就是一个实现不了的“承诺”。

如图3所指出的在IIoT的许多服务和功能（诸如历史数据存取、报警和通知、下达命令和控制、数据操作、数据分析和预测）中，实时数据访问是最最基础的，通常也称为设备或流程远程数据采集。这种类型的数据通常被归类为时间序列数据，是非事务性（nontransactional）的，以真-假、数字或文本的形式存在。可视化或测量工厂层上正在发生的事态通常是数字化转型的第一步。特别是大规模地将各种设备从不同的地域集成接入IIoT，跨越数据互操作性的鸿沟的重要性就益发显现。如果我们运用IIoT最直接的用例，即数据访问有了标准化的解决方案，那么工业物联网给制造商带来的巨大的挑战就有了成功的基础，而不会出现由于解决不了从工厂现场访问数据这方面的问题，常成为一些数字化转型计划的拦路虎，以至于这一计划胎死腹中。

图3工业物联网的各种功能

（图源：IEB网站）

智能制造利用工业物联网众多目标之一是在企业中纳入新的信息产生方或信息使用方时不需花费集成成本。简化集成主要是通过在通信层和信息层运用一些知名标准的产品来实现，譬如OPCUA、MQTT。但是，这两个标准是否足以实现数据存取的互操作性呢？

目前MQTT已实现“一次提供数据；可以到处分发”（providedataonce;distributeeverywhere）的架构。OPC基金会于2006年发布了第一个OPCUA规范，其中包括许多其他连接功能中的数据存取功能。其优点包括启用非Windows设备、具有标准数据类型定义的可浏览地址空间，以及具有死带过滤条件的长轮询机制。OPCUA在制造商中变得流行，因为除了现有客户端-服务器范式，在2018年还增加发布-订阅协议，将Pub/Sub连接添加到规范中，包括无代理（brokerless）协议的以太网和UDP和有代理（brokered）协议的AMQP和MQTT。OPC基金会继续接近互操作性的目标，通过配套规范定义了标准对象类型，每个规范都利用核心数据定义来构造标准对象定义。

关于数据存取的互操作性，OPCUA和MQTT并未明确定义。如图4所示，为设备指定MQTT仅定义基本通信协议，其余所有堆栈都未定义，这为信息使用方的集成应用增加了沉重的负担。信息使用方面临的集成障碍包括：熟悉信息产生方实现的主题路径，以及确定应用程序是否可以通过最后遗嘱功能监视信息产生方的健康状况。另外的挑战有：选择使用哪种QoS级别，信息产生者是在固定的时间间隔上发布还是仅在更改的数据上发布等。对集成商来说更可怕的是MQTT没有传输数据的定义，因此信息使用方的应用程序不得不适应设备选择的编码方案、数据类型和对象定义。MQTT仅仅定义数据存取模型中的通信协议层，在通信层以上的各层次均未定义。由此可见，如果目标是数据存取的互操作性，指定MQTT是远远不能满足要求的。

OPCUA在数据存取模型的每个级别上都实现了标准化。虽然每一层的定义都优于其他技术，但问题出在在模型的每一层级其规范的组合（portfolio）都包含许多选择。考虑到过多的通信协议、编码方案、数据类型和对象定义，简单地将OPCUA的信息使用方连接到OPCUA的信息产生方并不能保证数据存取的互操作性，因为每个应用程序可能会在堆栈上选择不同的选项。集成商必须仔细评估信息产生方的设备在每一层实现了哪些选项，并确保它与信息使用方应用程序的功能相匹配。或者相反，集成商了解信息使用方应用程序的功能，并不得不限制它可以使用的OPCUA产品的范围。由此可见，如果目标是互操作性，指定OPCUA是不够的。

图4MQTT和OPCUA的协议栈

（图源：IEB网站）

或许OPC基金会也开始认识到，虽然在每一个层面有多种技术规范提供选择可以增加灵活性，但其带来的负面影响却是增加了集成的成本和推广的困难。于是，OPC基金会在2022年2月宣布，包括亚马逊AWS、谷歌Cloud、IBM、微软、SAP和西门子六家云服务提供商有些在目前的产品中支持OPCUAoverMQTT，有些会在他们的开发路线图中支持OPCUAoverMQTT。这一声明标志着这六家重要企业将与OPCUAoverMQTT组合兼容。更令人印象深刻的是，这一声明标志着企业内部多云架构的可能性，允许用户无缝地将数据从一个云供应商转移到另一个云供应商，实现云到云的互操作性。OPC基金会在2022年4月的OPC国际日上指出，OPCUAoverMQTT已有数千种实现可能。

对于需要识别OPCUAPub/Sub技术的信息使用方、应用程序的终端用户和集成商，OPC基金会于2022年6月创建了一个市场，作为一个可供公众访问的网页，允许基于功能、传输、应用配置文件和许多其他标准进行筛选。问题在于虽然已经保证了普遍的市场支持，但没有宣布任何OPCUAoverMQTT产品在OPC市场上市的时间表，包括来自六家云服务提供商的产品。对于需要商业产品的终端用户和集成商来说，了解市场上可用的产品仍然是一个挑战。

与此同时，OPC基金会正在为构建语义语境的数据连通性做出努力。OPCUAFLC（现场级通信）计划正在传感器、执行器、控制器、企业和云之间创建开放标准语义语境的数据连接通信解决方案，以满足工业自动化、工厂自动化和过程自动化的所有要求。OPCUAFX继续取得快速进展，将最基本的工业通信现代化，并将主流计算数据概念推向工业边缘。OPCUA现场级通信（FLC）计划目标包括：在供应商、平台以及目前尚不可知的范畴之间构建安全可靠的通信，实现从传感器到企业及其他领域的互操作性。OPC基金会生态系统是统一的，由工业、IT、物联网（IoT）和云组织组成，有超过65个联合工作组参与，专注于定义和实现从工业现场设备（包括传感器/执行器）到企业和云系统的标准语境和语义数据模型。

OPC基金会与清洁能源和智能制造创新研究所（CESMII）共同开发的全球可用UA云库使OPCUA信息模型在全球范围内的云端可用，为用户提供查找和使用OPC模型的有效方法。这简化了为语义数据模型提供可信源的应用程序工程。

4结束语

其实从应用的角度看，工业系统需要实时、同步、协同的业务处理和制造过程，其重要基础就是全局的数据共享，而不是数据交换。这就要求有一个从数据存取架构的视角建立的数据存取模型，能够实现数据/信息的使用方与数据/信息的产生方解耦，就如在互联网中通过TCP/IP模型实现了数据/信息的存取与具体设备的地址脱钩那样。有人设想了这样的数据存取模型（见图5）。

图5设想的数据存取模型

（图源：IEB网站）

要使数据/信息的使用方与数据/信息的产生方解耦，一个重要前提是实现点对基础架构的通信连接，而不是点对点的连接。在“点对点”体系结构中，信息使用方必须发起的连接数量与系统中信息产生方的数量直接相关。信息产生方的数量还规定了必须在信息使用方一侧设计的不同协议和客户自定义语法解析功能的数量。因此，随着信息产生方数量的增加和实现的协议数量的增加，点到点模型变得不可持续。

当从所有工厂设备收集信息时，企业系统受到了所需通信协议数量的挑战。对于应用程序来说，要做到跨所有设备且与任何协议通信，负担实在太大了。人们一直在努力通过将过多的通信协议通用化来消除这种负担，但一涉及到产品采用，那又是另外一回事了。工业自动化制造商不会只优先考虑标准化协议，而是继续在EtherCAT、PROFINET和EtherNet/IP等原生现场总线技术上进行创新。几乎所有的设备都继续支持通过Modbus/TCP来交换数据，有些还增加了IO-Link。一些设备已经发展到包含OPCUA服务器，但即使是OPC基金会成员的工业自动化制造商仍然省略OPCUA服务器。一些集成商和终端用户正在等待最新的设备规范OPCUAFX，期望它将带来更大的市场采用。相比之下，其他人严重怀疑在工业设备这一级别是否有可能采用标准协议。

总之，时至今日我们尚不能看到适合全球的工业互联网和工业物联网的数据存取互操作性的明朗格局。我们盼望能在此方向加快进程，让企业中纳入新的数据/信息产生方或数据/信息使用方时不需花费或极少花费集成成本。

作者简介：

彭瑜（1938-），男，湖南长沙人，教授级高级工程师，上海工业自动化仪表研究院教授级高工、顾问，PLCopen中国组织名誉主席。迄今为止，已经为中国工业自动化技术的发展服务了50多年，涉及流程工业、离散制造业等领域的检测、控制、生产制造、执行管理等多个方面。

摘自《自动化博览》2023年第2期暨《边缘计算2023专辑》