實現工業物聯網：惡劣的環境亟需堅固的邊緣節點

儘管企業領導者急於利用工業物聯網(IIoT)，但還是很難想像到2020年將有500億台設備相互連接[1]。 對於工業人士來說，這個數字可以打個折扣，因為它包含了智能手機和健身追蹤器等消費類技術。 不過，據估計，在2015年至2025年之間，在部署的這些新連接設備中，工業領域將佔近一半[2]。

http://www.eepw.com.cn/article/201802/375370.htm

這意味著工程師和科學家在工廠、測試實驗室、電網、煉油廠和基礎設施之間部署IIoT時處於主導地位。 全球加工行業是最早採用IIoT的行業之一，其中的原因顯而易見。 非計劃性的資產停機每年花費200億美元，而其中80%是可以預防的[3]。

然而，IIoT不僅僅給全球加工行業帶來了明顯的好處。 在商業領導者中，有95%的人希望他們的公司在未來的36個月內使用IIoT，87%的人相信這將有助於長期的就業增長[4]。

1實現IIoT的價值

說到IIoT，我們可以期望獲得三個關鍵的好處：

· 通過預防性維護增加正常運行時間;

· 通過邊緣控制提升性能;

· 通過互聯的真實數據，優化產品設計和製造。

第一個好處是顯然是通過預測性維護增加正常運行時間。 目前，重要資產的正常運行時間往往依賴於幾個領域專家的人工檢查。 但是，這類人才越難越難找，而且手動監測無法擴展到所有資產設備。 據估計，目前僅有5%的採集得到分析[5]。 IIoT開啟了使用分析和機器學習來預測資產剩餘使用壽命的可能，以及在發生代價高昂的故障之前安排維護的可能。

第二個好處是提高和優化性能。 部署在生產線或現場的智能機器必須能夠根據從其他上游機器收到的信息來調整參數，例如溫度或吞吐量。 提高這些系統性能的最理想方法是讓機器或資產擁有充分的自主權。 在這種情況下，如果機器可以學習其他機器或根據自己的經驗進行學習，就可以調整控制參數並更好地適應周圍的環境。

IIoT的最後一個好處是改進產品的設計和生產。 這有時稱為研發物聯網。在這種情況下，真實數據(如使用數據)會反饋到工程開發中，以改進下一代產品的產生。 但是，我們不僅要獲取數據，還要有效地管理數據，以便獲得有價值的信息。 以捷豹路虎為例。 該公司有數百名工程師，每天會生成500 GB的時間序列數據。 使用以前的解決方案時，他們只分析了10%的數據。 在部署IIoT解決方案後，他們將測試覆蓋率提高到了95%，使他們能夠在相同的時間內解決更多的設計問題。

這些結果取決於幾項核心技術，但關鍵的共同點是邊緣側的智能需求。 例如，實時處理大量感測器數據的能力對於實現自主機器的複雜控制至關重要。 但這不僅限於自主機器。 據估計，所有物聯網創建的數據中至少有40%將存儲在邊緣側進行處理、分析和操作[6]。 實際上，這很可行。 如果邊緣節點傳輸的僅僅是「可用壽命」值，而不是將原始振動數據傳輸回中央數據中心，那麼部署整個IIoT系統將會更容易。 為了最大限度地提高性能並減少不必要的數據傳輸，決策必須在設備處或靠近設備的邊緣節點做出。

圖1 到2019年，所有物聯網創建的數據中至少有40%將存儲在邊緣側進行處理、分析和操作

但是，如果邊緣節點要進行局部分析和控制，就必須滿足特定的要求。 這些邊緣節點必須足夠堅固以便放置在感測器附近，同時具有高處理能力，以進行大量數據的在線分析和控制。 另外，這些節點還必須能夠在整個系統中進行同步，並能夠無縫集成到現有的基礎設施中。

然而，隨著感測器總數的增加，另一個新趨勢是相機的使用。 預計到2022年，全球機器視覺市場將達到147.2億美元，2015年至2022年的複合年增長率為8.9%[7]。 這並不奇怪，因為視覺提供了其他感測器所無法提供的生產和機械信息。 例如，我們都看到了相機在汽車中大規模集成，以支持先進的駕駛輔助功能，如盲點監控或避免碰撞。 這些嵌入式相機提高了車輛了解周圍世界的能力。

同樣，在檢測系統和智能機器中添加更多的相機，可以讓您更深入地了解產品的質量或機器的健康和生產力。 雖然製造工程師希望在生產線上完成更多的質量檢驗任務，但需要確保在線處理的速度不會影響生產線的產量。

2 IIoT堅固邊緣節點的演進

NI認識到，IIoT部署需要在邊緣側進行更加堅固和高端的處理，同時需要更多地使用視覺。 因此，NI最新推出的NI工業控制器系列為邊緣處理提供了堅固性和性能的完美結合。 IC-3173是NI公司發布的功能最強大的工業控制器。 它包括一個2.20 GHz Intel Core i7雙核處理器和Kintex-7 160T FPGA，通過提供自定義I/O定時、同步和控制以及圖像協處理來提高系統性能。 然而，這款工業控制器的獨特之處在於其堅固性。 該控制器在具有CompactRIO平台的堅固性的基礎，增加了IP67的防護等級(IP)，確保了在有灰塵和水的情況下可以根據IEC 60529標準可靠地運行。這使得該產品非常適合製造、測試單元或戶外應用等噴塗和較髒的環境，而且不需要額外的外殼。

圖2 IC-3173(IP67)是第一款防塵防水的工業控制器，非常適合在噴塗和較髒的環境中進行高性能計算

隨著越來越多子系統(包括複雜的視覺系統)的加入，將這些子系統集成在一起的需求愈加凸顯。 由於系統變得越來越複雜，管理不同子系統的集成(每個子系統使用各自的工具和編程環境)和工業網路的固有延遲變得具有挑戰性和昂貴。 由於NI工業控制器具有強大的處理能力和靈活性，因此可以將子系統納入一個功能強大的集成數據採集和控制平台，從而實現更簡化的測量和控制系統。 NI客戶已經體驗到將多個子系統集成到一個平台所帶來的成本和效率優勢。

「NI工業控制器擁有一套強大的I/O資源，我們只需使用一個控制器就能滿足各種自動化需求，包括測試、視覺、運動控制和數字I/O。」Federal-Mogul Powertrain製造工程師Jordan Larson表示， 「而且，對於運動和調理I/O，我們使用了內置的EtherCAT主節點，大大減少了我們自行開發的自動化機器的布線和調試時間。 使用工業控制器系列產品後，與以前用於機器視覺的其他相機相比，每台相機的成本大大降低了。 藉助NI的工業控制器，我們減少了機器內部的部件數量，並將所有的控制軟體集成到一個平台上，這是我們以前無法做到的。」

3專為機器視覺而設計

儘管NI工業控制器可用於從數據採集到控制等各種應用，但其連接選項和獨特的設計使其尤其適用於機器視覺應用。 這些控制器具有專用帶寬，可支持GigE Vision和USB3 Vision標準，因此您可以選擇滿足您應用需求的任何一款相機，而無需擔心兼容性問題。 此外，工業控制器採用了結合CPU和FPGA的異構架構，可實現先進的圖像處理。 使用FPGA作為機器視覺應用的協處理器，可以顯著減少特定演算法的處理時間。 由於FPGA在本質上是大規模並行的，因此對於某些演算法來說，它們可以提供比CPU高得多的性能，在某些情況下甚至達到10倍以上。

圖3.在FPGA協處理中，圖像使用CPU進行採集後，通過DMA發送到FPGA，然後由FPGA對圖像進行處理。

4簡單的分布和同步

調試分散式數據採集和控制系統最複雜的部分之一是確保整個系統的同步測量和控制。 為了使這個任務更加容易，NI工業控制器通過集成時間敏感網路(TSN)功能來利用最新的技術。 TSN是乙太網標準的升級版，通過一條乙太網電纜實現跨分散式網路的時間共享概念，從而最大限度地減少昂貴的布線並簡化複雜的同步架構。 此功能內置於編程API的底層，這樣您無需額外開發即可獲得TSN同步功能。

除了使用TSN實現控制器間通信外，該控制器還可結合NI2017年年初發布的基於TSN的CompactDAQ機箱，實現分散式數據採集。

工業控制器還內置了對硬體定時IEEE 1588精確時間協議(PTP)的支持，可實現多個設備間的亞微秒級同步。 此外，由於獨特的設計，這個時基還可以與用戶可編程FPGA共享，使得網路中可以包含I/O和非IEEE 1588設備，例如USB3 Vision相機。 最後，工業控制器支持IEEE 802.1AS和IEEE 1588，因此它可以充當時間敏感網路和更傳統的IEEE 1588網路之間的橋樑。 這種跨多種技術實現設備同步的能力提供了最大的系統靈活性。

IIoT的不斷出現需要功能強大的邊緣節點來存儲、處理、分析和處理邊緣側的感測器數據。 NI工業控制器滿足了業界對強大、堅固耐用的邊緣節點的需求，並針對分散式數據採集和機器視覺進行了優化。

參考文獻：

[1]Cisco, The Internet of Things: How the Next Evolution of the Internet Is Changing Everything, 2011.

[2]IHS Markit, IoT Trend Watch 2017.

[3]ARC Advisory Group, Passing the Insurance Acid Test With APM, March 17, 2011.

[4]Accenture, Connected Business Transformation: How to Unlock Value From the Industrial Internet of Things, 2017 .

[5]IDC—The Digital Universe of Opportunities: Rich Data and the Increasing Value of the Internet of Things.

[6]IDC FutureScape: Worldwide Internet of Things 2017 Predictions .

[7]Stratistics MRC: Machine Vision—Global Market Outlook.

作者：Leah Langston NI公司DAQ & Control產品市場工程師

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！