自动化事实上是一个以“控制”为核心。控制是基于“信号”的，而“计算”则是基于数据进行的，更多意义是指“策略”、“规划”。因此，它更多聚焦于在“调度、优化、路径”。就像对全国的高铁进行调度的系统一样，每增加一个车次减少都会引发调度系统的调整，它是基于时间和节的运筹与规划问题。边缘计算在工业领域的应用更多是这类“计算”。

    在智慧研发阶段中，必须要建立产品的数字样机，用来支持总体设计、结构设计，工艺设计等协同设计工作，支持项目团队进行并行产品开发。

    建立数字样机的主要作用包括分析数字样机模型具有正确的公差尺寸，干涉检查等，同时还有重量特性分析、运动分析和人机功效分析。同时，数字样机还能够提供产品装配分析的数据信息，这包括装配单元信息、装配层次信息等，以保证对产品的装配顺序、装配路径、装配时的人机性、装配工序和工时等进行仿真。数字样机还可以进行工艺性评估，包括加工方法、加工精度、刀路轨迹等，实现对样机的CAM仿真和基于三维数字样机的工艺规划。在基于数字化样机的基础上，企业还可以建立虚拟样机进行系统集成和仿真验证，可以通过仿真减少实物试验，降低研发成本，缩短研发周期，完成仿真驱动设计。同时还可以将仿真技术与试验管理结合起来，提高仿真结果的置信度。

一、边缘计算是CPS核心

    据IDC(互联网数据中心)数据统计，到2020年将有超过500亿的终端与设备联网。未来超过50%的数据需要在网络边缘侧分析、处理与储存。边缘计算正是充分利用物联网终端的嵌入式计算能力，并与云计算结合，通过云端的交互协作，实现系统整体的智能化。

    其实在工业内网中，在离工业现场最近的地方，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，是满足制造企业数字化转型中提出的快速联接、实时业务、数据优化、应用智能、安全保护等方面的关键需求。

    有专家认为，“工业4.0”的核心是CPS(信息物理系统)，而融合了网络、计算、存储、应用核心能力的边缘计算，显然又是CPS的核心。边缘计算与工业控制系统有密切的关系，具备工业互联网接口的工业控制系统本质上就是一种边缘计算设备，解决工业控制高实时性要求与互联网服务质量的不确定性的矛盾。

    例如，目前规模以上冶金企业，信息化已经颇有成效，但缺少的是终端的智能。冶金的物流跟踪是典型的CPS，物理与化学形态经常发生改变，控制过程有一定难度。边缘计算在其中发挥着重要作用，是工业物联网技术的有效补充。

   在目前普遍采用的基于PLC、DCS、工控机和工业网络的控制系统中，位于底层、嵌于设备中的计算资源，或多或少都是边缘计算的资源。只是目前这些资源比较纷杂、独立、低效，未能充分实现互联、互通、互操作，未能充分标准化和平台化。当然，这也就难以满足现代应用场景在实时、安全、大容量、高速度、自适应计算和通信等方面对它的要求。

二、边缘计算是小型专家系统

     作为边缘计算的具体表现形式，工业CPS在底层通过工业服务适配器，将现场设备封装成web服务;在基础设施层，通过工业无线和工业SDN网络将现场设备以扁平互联的方式联接到工业数据平台中;在数据平台中，根据产线的工艺和工序模型，通过服务组合对现场设备进行动态管理和组合，并与MES等系统对接。工业CPS系统能够支撑生产计划灵活适应产线资源的变化，旧的制造设备快速替换与新设备上线。

      目前的工业互联网平台已经能够接入不同类型的数据。尤其是一些流程复杂的业务系统，在工业互联网边缘端形成的小型专家系统已经是一个数据库。通常在实际的大型工业现场，会有几千张数据表，数据之间的关联关系十分复杂，通过数据地图的“血缘关系”，掌握海量数据的关联，实现数据治理和统一管控。

     工业互联网的边缘计算不局限于对数据的处理，一直从事工业互联网研究的GE也在做工业的边缘计算，随着边缘终端的增多、智能的增强，工业现场对边缘计算的需求是成为一个小型的工业专家系统。

三、实现边缘“专家化”

 

    严格来讲工业互联网平台不仅仅是用户平台，更是一个开发者平台，几个企业、几个专家是不可能把工业互联网平台做大的，现在为什么要很突出地将工业互联网加以定义，是因为它与传统的工业云有一个重要区别——微服务架构。而微服务架构完全可以通过程序层面的API接口支持不同的开发者，而容器技术可以支持多种语言。

    通过微服务架构，一个机床领域的专家可以靠比较简单的“拖拉拽”的鼠标点击方式，把自己的经验数据上传，用已经封装好的机器学习算法对数据和算法做训练，做出一个预测机床性能的程序，可以应用在边缘，判断现场情况。

    目前做边缘计算平台的企业也在尽量降低对垂直行业专家的IT要求。近几年各大国际云计算厂商纷纷布局边缘计算平台，包括Predix Machine，AWS Greengrass，Azure IoT Edge等。今年3月份，阿里计划在2018年战略投入“边缘计算”。边缘计算平台并不只负责数据的收集转发，更重要的是提供智能化运算，并产生可操作额决策反馈，控制设备端。容器化技术成为边缘计算平台的底层标准技术，是技术发展的必然选择。

    工业互联网的边缘计算应用场景非常复杂。边缘计算平台并不是传统意义的只负责数据收集转发的网关，边缘计算平台需要提供智能化运算能力，而且能产生可操作的决策反馈，用来反向控制设备端。过去，这些运算只能在云端完成。现在需要将云端的计算框架通过裁剪、合并等简化手段，迁移至边缘计算平台，使得能在边缘计算平台上运行云端训练后的智能分析算法。因此，边缘计算平台需要一种技术在单台计算机或者少数几台计算机组成的小规模集群环境中隔离主机资源，实现分布式计算框架的资源调度。

有赖于物联网、云计算技术的发展，通过对产品上安装传感器，就可以基于物联网收集的产品运行数据，对产品进行性能、质量进行实时监控，工程技术人员将更加了解当前产品的软硬件运行状况。