近年来，随着工业云及物联网的迅猛发展，边缘终端设备的数量迅速增加，同时边缘终端设备所产生的数据量已达到泽字节（ZB）级别。集中式数据处理已经不能有效处理边缘终端设备所产生的数据。随着万物互联的广泛应用，数据中心的集中式处理时代已逐渐转入以万物互联为核心的边缘计算时代。
2015年大规模边缘设备应用已开始加速，未来5-10年内会进入边缘设备应用爆发期。据IDC数据统计，到2020年将有超过500亿的终端与设备联网。边缘端数据规模的不断增大，对数据处理性能、能耗等方面的需求不断提高。为了解决面向数据传输、计算和存储过程中的计算负载和数据传输带宽不足问题,未来超过50%的数据需要在网络边缘侧分析、处理与存储，同时移动边缘计算（Mobile Edge Computing, MEC）也随之成为新兴技术。伴随着工业云和物联网等技术的不断发展，电信运营商在移动边缘计算方面的研究逐步深入。
移动边缘计算技术备受关注
移动边缘计算是将传统云计算平台的部分或全部计算任务迁移到接入域，并将传统工业服务与互联网业务进行深度融合，减少传统工业服务交付的端到端时延，进而建立全新的工业产业链及生态圈。MEC的基本特点包括低计算负载、业务本地化、高工业数据处理效率、低工业数据隐私泄露风险。
欧洲电信标准协会（ETSI）于2014年成立移动边缘计算规范工作组（ETSI Mobile Edge Computing Industry Specification Group），开始推动相关标准化工作。ETSI于2016年将移动边缘计算概念扩展为多接入边缘计算（Multi Access Edge Computing），将边缘计算能力从电信蜂窝网络进一步延伸至其他无线接入网络。
同时，移动边缘云的相关技术也不断受到来自学术界和工业界的关注，而代表性边缘计算系统实例主要包含Cloudlet、ParaDrop、Firework，其中的Cloudlet相对成熟。Cloudlet是卡内基梅隆大学研究小组的一个项目，其目标是通过引入移动计算和云计算多层次结构使得移动计算和云计算的融合更靠近用户和物联网设备的位置。Cloudlet可以实现可信且资源丰富的主机或机群部署在网络边缘，访问移动设备并提供服务，即将原两层架构“移动设备-云”变为三层架构“移动设备-Cloudlet-云”。Cloudlet适用于计算密集型及延迟敏感型移动应用场景（如人脸识别等），主要用于解决移动设备计算资源、电量受限而无法高效完成计算密集型任务完成问题。
移动工业边缘云技术架构及应用
传统工业数据中心的集中式处理模式在万物互联时代存在诸多问题及需求：工业设备和传感器数量巨大，要实现海量设备的接入和管理，必须依靠移动工业边缘云平台；在工业流程各阶段会产生海量数据，传统工业数据中心架构是无法承载的，必须依靠工业边缘云平台的存储汇聚及分析能力；工业边缘终端设备涉及协议众多，设备的协议转换会产生较大生产成本，需要以边缘云平台的方式实现；工业大数据的处理能力必须依赖于海量数据的积累与汇聚，需要移动工业边缘云平台承载。
基于工业云、物联网的移动边缘计算技术对传统的垂直行业既带来冲击也带来机遇。移动工业边缘云平台可以实现海量设备的接入和管理，提供存储汇聚及分析能力，实现工业边缘终端设备协议统一转换；同时能较好地保护工业隐私数据，降低工业边缘终端敏感数据隐私泄露的风险。因此，移动工业边缘云技术研究工作具有重要意义。
l 移动工业边缘云技术架构
基于边缘计算的移动工业边缘云技术架构图如图1所示，移动工业通信管理、制造设备控制管理、制造能耗监控、工业数据管理、制造流程管理、故障及运维管理主要完成对消费者、协作企业的移动工业边缘云服务需求进行分析。
图1 移动工业边缘云技术架构图
移动工业边缘云服务提供功能架构采用分层结构，其基于IT通用硬件平台构建的IT物理资源，IT物理资源包含物理计算、存储和网络资源。移动工业边缘云服务提供功能架构提供各类移动工业边缘云应用，如移动工业通信管理、制造设备控制管理、制造能耗监控、工业数据管理、制造流程管理、故障及运维管理等。
移动工业边缘云服务技术架构总共分为七个层次：数据采集及边缘云接入层、运营商边缘网络传输层、移动工业边缘云网关接入层、移动工业边缘云平台层、移动工业边缘云分析层、移动工业边缘云服务提供层、基础设施层。
其中数据采集及边缘云接入层包含电气、动力、智能控制、智能节能的智能制造终端设备，可以接收传感器数据、机器运行数据、工厂管理数据、企业经营数据等海量数据，实现底层数据的汇聚处理，并实现底层数据向移动工业边缘云服务提供层的集成；运营商边缘网络传输层包含运营商微基站，可以实现运营商边缘网络的传输与接入；移动工业边缘云网关接入层包含移动边缘网关和协议转换，可以实现移动工业边缘云平台层的接入与网关控制及多源异构数据的归一化；移动工业边缘云平台层包含移动边缘服务器，可以基于高性能计算芯片、实时操作系统、边缘分析算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用，提升操作响应灵敏度，消除网络堵塞，并与云端分析形成协同；移动工业边缘云分析层包含数据路由及分析和工业管理数据库，分别实现根据数学统计、机器学习、人工智能的算法对移动工业数据进行历史数据、实时数据的聚类、关联和预测分析和路由，工业数据库数据管理；移动工业边缘云服务提供层包含移动工业通信管理、制造设备控制管理、制造能耗监控、工业数据管理、制造流程管理、故障及运维管理等，实现消费者、协作企业的移动工业边缘云服务需求，实现对移动工业通信管理、制造设备的智能控制管理、制造平台的视频监控、工业数据的管理、制造流程的管理、制造设备故障及运行维护的管理，工业数据管理通过分布式文件系统、NoSQL数据库、关系数据库、时序数据库等不同的数据管理引擎实现海量工业数据的分区选择、存储、编目与索引，并满足海量数据的批处理和流处理计算需求，运用数据冗余剔除、异常检测、归一化等方法对原始数据进行清洗，为后续存储、管理与分析提供高质量数据来源，制造能耗监测基于预先设计的能耗监测模型，对车间能耗数据进行解读、分析和实时控制反馈，并进行长期管理；基础设施层包含边缘计算虚拟资源管理、IT虚拟资源、IT物理资源，分别实现计算、存储和网络的物理及虚拟资源管理。移动工业边缘云技术架构将数据管理与工业制造原理结合，帮助工业制造企业构建海量工业数据分析能力，实现数据深度挖掘。
l 移动工业边缘云应用
本文基于边缘计算的移动工业边缘云应用场景如图2所示。
图2 基于边缘计算的移动工业边缘云应用场景图
如图2所示，基于边缘计算的移动工业边缘云应用场景主要分5个层面：1.数据采集及边缘云接入层，包含电气、动力、智能控制、智能节能等设备；2.运营商边缘网络传输层，包含运营商微基站；3.移动工业边缘云网关接入层，由若干移动边缘网关及协议转换设备组成；4.移动工业边缘云平台层，由若干移动边缘服务器组成；5.移动工业边缘云分析层，由若干数据路由及分析器和工业管理数据库组成，实现消费者、协作企业的移动工业边缘云服务需求的核心处理，实现低时延、低流量成本、实时的优势。
图2中，共有10个实现流程，具体如下：
1.数据采集及边缘云接入层的电气、动力、智能控制、智能节能等工业边缘设备通过运营商边缘网络传输层的运营商微基站接入到运营商边缘网络传输层，并传送工业边缘设备的数据处理请求；
2.运营商边缘网络传输层的运营商微基站接入移动工业边缘云网关接入层的移动边缘网关及协议转换设备，并传送工业边缘设备的数据处理请求及转换上传的数据；
3.移动边缘网关接入到移动工业边缘云平台层的移动边缘服务器，并根据传送的数据处理请求及转换后的数据获取相应智能制造等服务；
4&5&6.相应智能制造等服务通过运营商边缘网络、运营商微基站提供给电气、动力、智能控制、智能节能等设备；
7.由消费者和协作企业访问移动工业边缘云分析层，并提交业务定制请求；
8.数据路由及分析器处理业务定制请求，并从工业管理数据库中提取所需工业管理数据；
9.数据路由及分析器将业务定制请求处理成功结果返回给消费者和协作企业；
10．数据路由及分析器将处理后的业务定制请求方案传送给移动边缘服务器。
结语
本文提出的移动工业边缘云技术架构及应用，充分利用了移动边缘计算海量数据分析低时延、流量成本低、实时处理等优点，智能学习机制的近似最优算法，在研究移动边缘计算技术的基础上，实现了一个低时延、低流量成本且实时的移动工业边缘云技术架构和优智能学习机制，有效降低了工业基础设施成本性支出和工业设备运营及运维成本，并使得工业业务的定制及部署具有较高的灵活性和弹性，有效增强了工业业务创新能力。
