我前两个月去珠三角跑了三家做动力总成的汽配工厂，老板和工程师跟我吐槽的第一件事，全是数字化跑起来之后的数据卡脖子问题。装了上百个传感器，花了大价钱拉了专线，结果设备异常预判慢半拍，缺陷检测卡得连节拍都乱了。问题出在哪？不在传感器，不在专线，在你把所有计算都扔给远在几百公里外的云端了。
现在搞工业数字化，几乎家家都在装传感器、上IoT。我见过一条自动化生产线，光是电机就装了八个振动传感器、四个温度传感器，每秒钟要出上百条数据。这些数据全往公有云或者厂外的私有云传，一来一回延迟少说几十毫秒，遇上网络波动，几百毫秒都打不住。对冲压、高速装配这种场景，几百毫秒足够出事故了。
还有带宽成本，一家千人工厂，每月光是数据传输和云存储的费用，大几千甚至上万都打不住，一年下来十几万没了，换谁不心疼。
问：很多人说边缘计算就是把云的功能下放到工厂，这不就是换了个地方放服务器吗？
答：完全不是这么回事。云的定位是做全局数据分析、长期模型训练，管的是战略级的决策。边缘计算是扎根在工厂车间，管实时、管本地的即时决策。举个实打实的例子：冲压车间的压力传感器检测到异常压力，边缘计算在本地1毫秒就能输出停机指令，直接控制执行机构动作。要是把数据传到云端再等指令回来，几百毫秒过去，价值几十万的模具已经撞废了。这笔账，算得过来吧。
问：那中小加工厂买不起几十万的边缘服务器，是不是就玩不起边缘计算？
答：还真不是。现在主流的工业网关本身就集成了轻量化边缘计算能力，几千块到几万块就能搞定基础的异常检测、本地控制，成本比常年拉专线传原始数据低多了。我上个月拜访的一家一百来人的汽配厂，就是花三万多换了八台带边缘计算的网关，先把六条核心生产线的预测性维护跑起来了，今年上半年已经避免了三次意外停机，算下来省了小一百万。
现在做3C、汽车零部件，对缺陷检测的速度和精度要求极高。原来把图像传去云端算，一分钟最多检测几十个零件，用边缘计算在本地做推理，一分钟能测两三百个，漏检率还能降10%-30%。机器人协同控制更不用说，低延迟是硬性要求，只有边缘计算能满足。
✅
工厂里的机床、电机、压缩机这些核心设备，最怕突发停机。边缘计算能在本地实时处理振动、温度这些数据，不用传云就能提前预判故障，该换件换件，该停机停机，不会影响整条线的生产。
✅
很多给外资主机厂做配套的工厂，或者涉及敏感数据的军工、医疗零部件生产，要求数据不能出工厂、不能出园区。边缘计算可以直接在本地完成数据处理，只把脱敏后的汇总结果传到云端，既满足合规要求，又不耽误全局分析。
很多厂商上来就推销全套边缘计算平台，开口几十万，其实你工厂只是要解决冲压线的异常停机问题，买几台带边缘计算能力的网关就够了，几万块就能解决问题。我见过不少工厂，花大价钱上了全平台，最后一半功能从来没用过，纯纯浪费。
❗
国内大量工厂还有不少服役十年以上的老设备，全换成本太高。其实边缘计算的优势之一就是适配性强，大部分老设备通过加装网关就能接入，不用拆了重装。先挑一两条核心老生产线试手，跑通了再逐步替换，压力小很多。
不过话说回来，就算是新工厂，也别想着一步到位把所有生产线都上边缘。先跑通一条，验证了效益，拿到了实际的数据，再往全厂推，没人会说你慢。
❗
很多人觉得边缘就是完全脱离云自己干，不对。边缘做的是实时推理和决策，模型的训练更新还是要靠云的全局大数据。要是你选的边缘方案没法和云端对接，用一段时间模型老化了，准确率掉下来，你想更都更不了，最后只能废掉重新搞，太亏了。
今年跑市场，明显感觉出来，边缘计算不再是大厂玩的概念，中小工厂都能用得起了。很多工控厂商推出的轻量化方案，就是冲着中小工厂的数字化需求来的。与其花大价钱上一套全云化的方案天天卡，不如先从边缘计算切进来，小投入换看得见的效益，这不比追概念实在？
免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：工业制造中的边缘计算：它从来不是云的备胎 https://www.dachanpin.com/a/tg/68431.html
