上个月跑长三角调研,见了一家做新能源汽车结构件的工厂老板,一坐下就开始吐槽。上云花了大几十万,产线IoT设备装了一大堆,结果现在数据传都传不动。高峰时段带宽卡成狗,设备预警延迟个好几秒,真出问题连刹车都赶不上。
现在的智能工厂,一条冲压产线配十几个摄像头、几十组传感器,一天下来产生的数据能顶得上一个小型网站一个月的流量。全往云上传,别说带宽成本扛不住,就算带宽够,来回传输的延迟也摆在这里。
工业场景对延迟的苛刻,很多没接触过的人根本想象不到。冲压设备的异常预警要毫秒级响应,AGV小车的路径调度刷新不能超过100毫秒,AI视觉在线检测要跟着产线走,一分钟过六十个工件,哪等得起云的来回传输?
这时候雾计算(工业)就派上用场了。把计算、存储、数据处理的能力,下沉到云和工厂设备之间的网络边缘,形成一层覆盖厂区的分布式计算节点,就近处理现场数据,需要归档分析的再传云,既省带宽又降延迟。
问:雾计算和大家常说的边缘计算到底有什么区别?很多人说这是换概念炒冷饭?
答:还真不是。边缘计算更多偏向单台设备侧的本地计算,而雾计算是成网的——整个厂区的多个雾节点可以互相协同,处理分布式的工业数据,还能统一对接上层云平台,分工更清晰。简单说,边缘是单点,雾是组网,这就是核心区别。
问:中小工厂上一套工业雾计算,会不会成本高到承受不起?
答:早几年可能是,现在完全不一样。现在主流方案都是模块化的,不需要你一下子改造整个工厂,哪条产线有需求就先上哪条,一条产线的雾节点改造几万块就能搞定,比起几百万的整厂改造,试错成本低太多了。很多厂商还支持按年付服务费,对中小厂太友好了。
现在很多工厂用AI检测工件表面的划痕、凹坑,原来把图像传去云端推理,一张图来回要两三百毫秒,产线速度快一点就漏检。把推理模型放雾节点本地跑,十几毫秒就能出结果,直接触发打标分拣,不良率直接降了一大截。
风机、机床这些核心设备,传感器一秒要采好几次振动、温度数据,全传云的话,带宽90%都浪费在无效数据上。雾节点本地就能做初步异常筛选,只有数据超出阈值的时候,才把异常数据传给云平台做进一步分析,一年下来带宽成本能省80%以上,还能在本地直接触发设备降速预警,不用等云发指令。
几千平的仓库,几十台AGV同时跑,原来调度系统放云端,一旦厂区wifi信号波动,就容易堵车甚至撞车。雾节点本地做调度,路径更新延迟控制在50毫秒以内,信号稍微波动一点也不影响,稳定性提升太多了。
💡 第一个坑:为了概念而上,所有数据都放雾算
我去年见过一个老板,听了厂商的忽悠,花几百万把全厂所有数据都扔雾节点处理,结果大部分非实时的月度报表、财务统计根本不需要本地处理,纯纯浪费钱。说实话,雾就是干本地实时活的,非实时的大数据分析,交给云就好了,分工明确才省钱。
第二个坑:不提前做设备兼容性测试
很多老工厂的设备是五湖四海攒出来的,有十年前的老PLC,也有刚装的新传感器,协议乱七八糟。选方案的时候一定要先拿一条产线做测试,确认所有设备都能对接上,别付了钱才发现连不上,进退两难。
第三个坑:忽略雾节点的安全防护
很多人觉得云才需要防黑客,雾节点在厂区内网,没问题?我跟工业安全的朋友聊过,现在很多攻击都是从分散的边缘雾节点切入的,毕竟雾节点放在车间,物理防护都不一定到位,一定要给每个节点做身份认证,数据传输要加密,别给人留后门。
不过话说回来,现在国内新能源、汽车零部件这些行业的新产线,工业雾计算基本已经成了标配,确实解决了云解决不了的问题。只要别瞎跟风,找对自己的痛点,小步试错,就能拿到实实在在的降本增效。
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:雾计算(工业):破解工厂数字化的带宽与延迟痛点 https://www.dachanpin.com/a/tg/69824.html