过程控制与自动化的下一站智能化：边缘AI

图片来源：CEChina

作者 | Vikas Maurya

边缘AI在提升过程控制与自动化操作效率及弹性的过程中具有重要价值，尤其是在远程站点或云连接可能受到受限的地方。

在云上训练的人工智能（AI）和机器学习（ML）算法，可以在网络边缘的本地计算设备上执行，从而使工厂能够在生产和使用地点安全、实时地处理和分析数据。

作为数字化转型战略的核心要素，人工智能的变革力量已渗透至几乎所有行业。从过程控制与自动化的视角来看，AI在支持分析和处理现代工业设施中数以千计的互联设备、系统及流程所产生海量数据方面，展现出巨大潜力。

在典型的工业环境中应用AI技术，可助力优化控制流程的效率、可靠性与安全性。它能够减少人类在繁琐或常规任务中的干预需求，并最终在降低运营成本的同时，提高工厂的运行时间。在实现这些目标的过程中，AI也为工厂全面自动化运营这一长期愿景铺平了道路。

基于多年实际运行数据驱动的AI算法，可通过机器学习进行训练以识别人类工程师通常难以察觉的趋势与异常。这些洞察可用于预警传感器的潜在故障，或为特定流程的精细化调整提供建议以提升能效。

有效决策的关键在于确保及时获取准确、相关的数据，并具备快速分析与解读信息的能力。在过程控制领域，正是这种“深度挖掘数据价值”的迫切需求，将AI的应用聚焦于最具价值的场景——即运营数据产生与使用的同一物理空间。

边缘AI的优势

边缘人工智能（Edge AI），通常是指在联网设备上实时或近乎实时地执行任务的AI应用。为AI引擎决策提供依据的数据可能远程存储于云端，也可能就近驻留于设备本身所在的网络边缘。

虽然边缘计算的起源可以追溯到千禧年之交，但是在网络边缘部署AI模型是一个相对较新的现象。得益于CPU算力的提升与电路的微型化发展，如今紧凑型硬件设备已具备十年前堪比超级计算机的数据处理能力。

高速的5G连接还允许从成千上万或数百万个物联网（IoT）设备中收集数据，为云端或远程数据中心托管的日益复杂的AI/ML模型提供数据。在用更多设备和更多数据对这些模型进行训练后，经过不断迭代，它们会变得更智能、更准确、更可靠。

将AI算力迁移到网络边缘会带来一些显著的优势。它大大降低了在基于现场的设备和云端之间传输大量数据所需的带宽要求和相关成本。在本地执行应用，而不是在远程位置执行，还可以缩短系统延迟——数据来源点和处理地点之间的往返时间。无论是身处无人驾驶汽车中，还是为另一大洲的患者实施机器人手术，即使仅百毫秒的输入输出延迟也可能引发灾难性后果。

将计算资源部署在数据产生和使用的地方，可以减少通过互联网将站点连接到远程数据中心可能存在的网络安全风险。虽然私有云和公共云具有高度的内在安全性，但能始终将商业敏感数据保存在本地，不会发生未经授权的泄露和审查，从而确保对数据的最终所有权和控制权。

关键任务的应用场景

边缘计算在关键任务应用中也极具吸引力，因为它不依赖于持续的互联网连接来处理数据。这就确保了应用的高可用性，否则这些应用可能会受到网络中断的影响，或者在连接不畅或时有时无的远程站点受到影响。

正是因为有了这些好处，在很多工业过程控制和自动化环境中，边缘计算发挥变革性作用也就不足为奇了。作为现场设备和云之间的智能桥梁，它允许资产所有者从工业物联网设备和控制系统收集更多的数据，并将这些数据用于广泛的生产过程。

所有工厂的运营人员都面临着优化工厂正常运行时间、效率、安全性、可持续性和盈利能力的挑战。其中关键在于从数千个传感器、子系统和其它来源产生的大量运营、IT和工程技术数据中及时提取可操作的见解。在远离移动宽带覆盖的偏远地区或难以进入的环境，如矿山、化工厂、海上风电场或石油平台，这可能尤其困难。从业务角度来看，通过边缘和云计算赋能的AI分析技术，有望帮助工业资产所有者从当前未被利用的约80%生产数据中释放实际价值。

从定义上看，边缘和云模式有着根本的不同，不过，它们被广泛视为互补技术，将边缘计算的即时性、安全性和弹性与云的无限规模和存储容量相结合能为制造企业带来很多好处。

以某化学加工厂的过程优化模型为例。该模型由现场IIoT设备大规模收集、并由云托管的生产数据提供支持，然后利用边缘AI在现场实时执行。该模型输出的结果可确保设备和系统能够更快、更准确地响应其环境需求。

赋能工业的强大工具

边缘AI还可以作为赋能工业的强大工具来支持制造企业的其他应用，例如基于状态的资产健康和性能监控。从网络边缘的传感器、执行器和其它设备收集的数据，可以用作基于状态监控的基础。经过训练的AI算法，可以发现所连接设备或子系统的数据签名中的潜在异常，将行为与数万个其它类似设备的历史数据进行交叉引用。通过向工厂人员发送自动通知，它可以提前警告潜在的系统故障，否则这些故障可能会影响工厂或过程性能，并导致代价高昂的计划外停机。

未来，边缘计算将在广泛的工业自动化应用中带来变革性影响。结合工业物联网技术和AI驱动的分析，边缘计算可与云端存储及应用形成互补，从而助力过程工业领域充分释放生产数据的全部价值。

关键概念：

■ 边缘AI降低了延迟和带宽需求，可以在工业生产现场直接进行安全、实时的数据处理和分析。

■ AI通过发现工厂设施中的异常和优化过程来提高效率和安全性，减少人为干预，并增加正常运行时间。

思考一下：

边缘AI可以通过那种方式帮助您的设施改善运营？

- END -