智造讲堂：数控机床大数据处理技术

引自：《新一代智能化数控系统》（作者：陈吉红，杨建中，周会成）

该书已出版，详细信息请见文末~

根据数据实时性或数据量等需求，数控机床大数据的处理方式一般有两种：云端数据处理和边缘数据处理，图1展示了云计算和边缘计算数据处理的典型架构。其中，云端数据处理是指各种底层设备（如数控机床、机器人、AGV小车等）通过网络连接将数据上传至云端，并在云端对数据进行存储和分析；边缘数据处理是指各种底层设备通过网络连接直接把数据存储于边缘端，以低延迟的方式对数据进行就近处理，从而及时向控制设备反馈处理结果。如果从仿生的角度来理解云端处理和边缘处理，可以做这样的类比：云端处理相当于通过人的大脑发送指令，边缘计算相当于人的神经末端直接进行控制，当针刺到手时总是下意识的收手，然后大脑才会意识到针刺到了手，因为将手收回的过程是由神经末端直接处理的非条件反射，这种非条件反射加快人的反应速度，避免受到更大的伤害，同时让大脑专注于处理高级智慧。

 

云端计算与边缘计算体系架构

「 1.云端数据处理方式 」

---

云端数据处理方式伴随着云计算技术的提出与发展得到了更加广泛的应用。云计算是一种“云—管—端”的计算模型，利用分布式计算和虚拟资源管理技术，通过网络将分散的计算资源（包括计算与存储服务器、应用运行平台、软件等）集中起来形成共享的资源池，并以动态按需和可度量的方式向用户提供服务。数控机床大数据的云端处理方式就是利用云数据中心超强的计算能力来集中式解决计算和存储问题，轻松实现不同机床设备间的数据与应用共享，具有集中管理、按需分配、扩展性、支持海量数据等优势。

在现有工业领域中，基于云计算的大数据处理平台的典型代表主要有MindSphere和Predix。其中，MindSphere是西门子推出的基于云的开放式物联网操作系统，其智能网关可广泛地连接第三方设备，支持系统集成商把企业资源计划（ERP）、制造执行系统（MES）等涉及生产、物流或业务运营的不同系统的数据汇集到云端，在云端实现全面的系统集成和数据融合。制造商通过MindSphere网关可快速、高效地采集海量数据并挖掘数据中的价值，以最少的投入大幅提高生产设备的性能和可用性。Predix是全球第一个专为工业数据采集与分析而开发的操作系统，由美国通用电气公司（GE）推出，它不仅能实时监控包括飞机引擎、涡轮、核磁共振仪在内的各类机器设备，还能捕捉飞机在运行过程中高速产生的海量数据，对这些数据进行分析和管理，实现对机器的实时监测、调整和优化，从而提升运营效率。目前，Predix平台连接着以“数据湖泊”系统形式存储的逾300 万次飞行数据和其它形式存储的大数据，为海量的工业设备提供着基于云端的数据分析服务。例如，在中国华能集团有限公司的云南大理龙泉风电项目中，每台智能风机均安装有传感器，并将数据传出至GE平台进行分析和管理。此外， 海尔集团的COSMOPlat平台利用RFID物联网技术，在云端提供数据分析、判断、指令下达等一系列服务。华为推出的OceanConnect IoT平台在云端提供设备连接、设备数据采集与存储、设备维护等功能。例如，中国第一汽车集团公司通过OceanConnect IoT 平台实现了对千万级车辆的有效管理，可并发处理百万车辆的信息。

云计算技术在机床控制上的应用还处于探索阶段，主要体现为通过应用云计算技术的控制系统，以有偿的形式向机床提供技术服务；在营销服务体系上，与物联网相结合，对产品的流动进行全面掌控，增强商品信息的存储和库存的管理；从产品的原材料到产品出厂，进行企业级的云管理控制，注重不同设备和不同部件的无缝连接，减少部件转运过程中的时间。中国移动于2014年发布了OneNET平台，探索将在其数字技术和通信技术领域的优势与工业场景相结合，支持基于数字孪生实现智能制造。通过机床通信和加装传感设备获取机床实时数据，并通过4G移动蜂窝网络直接上传OneNET云端。OneNET平台对采集上传的数据进行存储，并对生产设备及流程进行建模，实现数控加工过程的数字孪生功能，监测机床的实时状态，对产品质量进行实时控制与分析，对车间能耗进行优化与预测。华中数控推出的iNC-Cloud平台是专门面向数控系统的工业互联网平台，支持工业设备的快速接入，并基于云端数据分析服务，为数控机床提供智能优化、智能决策、智能维护等功能。

「 2．边缘数据处理方式 」

---

随着数控系统采集能力和采集频率的不断提高，数控机床产生的数据量成几何倍增加，这对数控机床大数据的传输带宽提出了更高的要求，推动了边缘计算在工业数据处理中的应用。中国边缘计算产业联盟定义：边缘计算是指靠近物或者数据源头的网络边缘侧，融合了网络、计算、存储、应用等核心能力的开放平台，就近提供边缘智能服务，满足行业数字在敏捷联接、实时业务、数据优化、应用智能、安全隐私等方面的关键需求。通俗来说，边缘计算就是将云端的计算存储能力下沉到网络边缘，用分布式的计算与存储在本地直接处理或解决特定的业务需求，从而满足不断出现的新业态对于网络高带宽、低延迟的硬性要求。边缘计算的主要特征可以总结为以下几个方面：

（1）在边缘进行数据的计算处理，可以减少边缘设备和数据中心的数据传输量和带宽压力，从而减少数控生产中由网络、数据中心计算和存储带来的成本；

（2）在靠近数据生产者处做数据处理，不需要通过网络请求云计算中心的响应，大大减少系统延迟，增强服务响应能力。

（3）边缘计算将用户隐私数据存储在网络边缘设备，可以避免数据向云数据中心传输导致的数据暴露等安全隐私问题，减少数据泄露的风险，保护用户设备数据安全。

目前，边缘处理在机械加工领域正在得到深入应用。研华科技公司推出设备边缘智能联网解决方案——IoT边缘智能服务器（EIS），在边缘端对数据进行采集与处理，并做出实时反馈。西门子即插即用数据接入网关NanoBox和Nanopanel利用边缘计算设备来分析传感器数据，并借助人工智能分析机器运行参数，实时监测生产过程中的异常，判断未来出现故障的可能性。华中数控在2019年第十六届中国国际机床展览会展出了基于AI芯片的边缘计算方案。

边缘计算与云计算在数据应用中呈现出不同的优势与局限性，边缘与云端之间进行协同，构建边云协同的海量数据采集与分析应用的服务体系是数控机床大数据处理的最佳有效方式。边云协同可合理优化任务分配策略，拆解智能算法，利用云端强大的计算能力承担公共的计算任务，减轻边缘的计算压力，并基于边缘计算的实时响应能力，为数控机床提供实时反馈。

——————————————————————