车间里的雾计算（工业）：别再让“云”背锅了

去年在宁波一个注塑车间，工程师老李指着屏幕对我说：“你看，这数据延迟，等它蹦到云端再回来，模具温度早超标了。” 那批外壳件，表面缩痕率达到7%，直接报废了三千多片。说实话，那会儿我脑子里蹦出来的第一个词儿就是——雾计算。不，不是那个让程序员头大的云计算。是车间级的、能就地解决问题的雾。

其实早年间我们管这个叫边缘网关，或者就地控制器。PLC往上一接，HMI显示个曲线，就觉得自己很智能了。哈哈，too young。现在车间里冒出来的视觉检测啊、振动频谱分析啊，数据量不是开玩笑的。一条锂电池卷绕产线，一秒产生的数据点超过两万个。全都怼到云上去？💸 先不说带宽费用，就是那个延迟，足够让一台高速贴片机打错几十颗料。

雾计算到底“雾”在哪儿

说白了就是在设备层和云端之间加了一层。这层可以是一台加固型的工控机，也可以是嵌入在交换机里的计算模组。它干几件事：数据预处理、本地决策、协议转换，还有缓存。我的一个客户，做汽车线束的，用了某国产的雾计算盒子，把视觉检测的误判率从15%压到3%以下。怎么做到的？💡 直接在本地跑了轻量级推理模型，识别出缺陷后毫秒级反馈给PLC进行分拣，根本不等云。慢了线就拉断了，懂吧。

一个让人血压升高的教训

前年有个项目，给钢厂做设备预测维护。我们一开始设计得可高大上了——传感器走OPC UA上云，用LSTM做时间序列预测。结果呢？振动数据上传丢包率12%，模型预测出轴承故障要滞后四十多分钟。那时候设备已经“咔咔”响了。车间主任骂娘，说你们这破系统还不如听棒老师傅。❗后来我们换架构，在本地加了一层雾计算节点，用简单的包络分析先抓特征，异常时再往云端送完整频谱。这次提前了整整6个小时预警，换轴承的成本从计划外停车十几万直接降到计划维护的小几千。

这给我的冲击太大了。我们之前就是太迷信云，觉得一切都能在一朵大云里搞定。But guess what？车间里需要那种“我不想知道怎么造表，我就想知道现在几点”的直给。雾计算（工业）就是干这个的。

不过话说回来，雾计算和云真不是替代关系。它更像是那个能打架的兄弟，什么事儿先替你挡一道。真正需要长周期分析、模型训练的活儿，还得交给云。像数字孪生这种吃算力的怪物，完全丢给边缘？显卡都给你烧了。

“雾”里看花：几个落地场景

现在玩得比较溜的领域：

数控机床碰撞预警：主轴负载突变，雾节点10ms内判断并急停。云端同时备份数据做后续的刀具寿命分析。
AGV协同调度：数十台车在厂区跑，靠5G+雾计算，每台直接广播自己的位置和路径意图，比中央调度快了不是一星半点。避碰反应速度压到50ms以下。🚀
模具保护：合模过程中遇到异物，视觉+力传感器融合判断，不依赖PLC扫描周期，直接切断液压回路。这东西救过我们好几套几十万的模具。

问：那雾计算节点是不是又贵又难维护？

答：早些年确实。柜子里塞满各种网关，接线地狱。现在都往软件化、虚拟化走。一个盒子跑docker，部署应用跟搭积木似的。我们给工厂推的盒子，硬件成本三四千块，算上部署和一年的远程运维，总拥有成本比纯用4G路由器传云端低60%以上。当然，你这得有人懂点儿网络和容器，不过现在工控圈的小朋友上手很快。

问：和数据中台、工业互联网平台的关系乱不乱？

答：说不乱你信吗？😂 本质上，数据中台是数据管理理念，工业互联网平台是云端的一整套PaaS。而雾计算（工业）是基础设施，是一种部署模式。你可以把中台的一些能力下沉到雾层，比如数据清洗、实时计算。很多平台厂商现在也推云边协同，就是一套代码两端跑。搞好了很爽，搞不好就是两套烟囱谁都不理谁。实话。

我的几点碎碎念

首先，别为了雾而雾。如果产线数据量不大，延迟要求也不高，PLC直连云也不是不行。别被厂家忽悠。其次，OT和IT的墙必须拆，但别指望一夜情。让自动化工程师和IT小哥坐一个办公室，比技术本身难多了。最后，安全。边缘节点暴露在车间物理空间内，固件安全、接入认证、数据加密一个都不能少。我见过有厂就把雾计算盒子敞在那儿，USB口插着U盘更新程序……啊这。

这行当更新太快。上个月刚把一台龙门铣的预测模型压缩部署到雾节点上，这周就看到有人用FPGA加速推理了。说实话，焦虑。但这就是工业好玩的地方——你永远有解决不完的实际问题，而好的技术，比如雾计算（工业），就应该偷偷地在车间阴暗的角落把事情办了，而不是在PPT里发光。

下次再有人跟你提“万物上云”，你可以把这篇甩给他。车间里的逻辑，不是云端能完全消化的。至少现在还不能。