当边缘计算用在定位设备

什么是边缘计算?

边缘计算是个比较高大上的概念,在这里就不提众多官方与非官方的定义了,只说说自己的理解。

边缘计算就是在最靠近物理设备的使用现场,利用有限的硬件资源,完成设备层数据采集、协议转换、数据上传、数据存储、数据分析等操作的软硬件一体的解决方案。

边缘计算在智能制造技术架构中的位置

首先,我们看一下the Industrial Internet Consortium (IIC)发布的《The Industrial Internet of Things Volume G1: Reference Architecture》中的工业物联网的三层架构。

边缘计算

边缘层使用邻近网络从边缘节点收集数据。 在边缘层内,边缘网关(Edge Gateway)具有两方面的作用,一方面与物理实体交互以获取数据,另一方面通过接入网络与平台层连接。在一般情况下,边缘网关是承担边缘计算的载体。

平台层接收、处理和转发从企业层到边缘层的控制命令。 平台层整合流程并分析来自边缘层和其他层的数据流,为设备和资产提供管理功能。 平台层还提供一些通用的服务,如数据查询和分析。

企业层实现特定领域的应用程序、决策支持系统,并为最终用户提供人机交互界面。 企业层从边缘和平台层接收数据流。 它还向平台层和边缘层发出控制命令。

边缘计算在智能制造中所发挥的作用

  • 连接与协议转换:通过协议转换,实现IT与OT的融合,完成设备层与信息系统之间的数据交互。工业现场的设备种类繁多,所采用的协议也是五花八门。因此,边缘计算单元的首要任务是作为翻译官,将设备的工业自动化语言翻译成信息系统能够听懂的IT语言,也就是完成设备层众多OT协议的转换,将其转化为IT协议。

  • 数据存储:作为边缘计算载体的边缘网关应有一定的数据存储能力,对来自设备层的实时状态数据,以及报警、故障等信息做一定时间长度的存储。由于边缘网关的硬件条件的限制,存储容量不会太大。而且所采用的数据库一般为实时数据库,这种数据库能够在有限的硬件资源条件下,有效应对生产现场设备状态的海量实时流数据的存储,边缘网关会不断用新的数据覆盖原有的超过一定时间周期的数据。边缘侧存储的数据中,只有必要的数据才会上传到平台层,这样能够节省大量的数据传输成本。同时,边缘侧虽然存储数据量有限,但是仍然可以作为黑匣子,用于设备发生故障后的原因分析。

  • 实时分析:由于硬件配置的限制(如CPU的计算能力、内存的容量等等),边缘层所进行的分析更多是简单直接的数据处理与分析,例如原始值向工程值的转换、报警规则的设置、对数据进行过滤后只将重要数据上传到云平台或后端数据中心,减少对网络带宽的压力。

  • 实时监控:外接显示器、触摸屏等,作为现场操作站,用于现场工作人员对设备状态的及时查看以及操作。边缘智能节点还能够将实时分析的结果在生产现场做实时展示。

  • 反馈控制:在人为授权的情况下,边缘网关在采集到生产现场数据后,能够根据预置的规则对设备的运行进行自动反馈控制。由此在边缘层形成一个闭环------从数据采集,到分析,再到控制。在边缘侧进行的这种闭环反馈控制能够充分保证实时性。

当定位胸卡和U-beacon用上了边缘计算

· gnss、UWB、蓝牙、气压计等多种定位技术,通过边缘计算,在定位卡里完成了统一坐标系,室内外切换定位丝滑流畅,通过算法控制奇怪的漂移现象

· 对接友商的业务软件,直接输出标准808协议,无需定位引擎

真泰2号U-Beacon

传统UWB基站的安装需要对场地环境、技术要求等多方面进行分析和评估,从而选择合适的安装方案,并通过实际操作进行调试和优化,往往需要工程师反复调试。振道技术ZD-ZT2-UWB信标,针对基站安装困难的问题,通过边缘计算将复杂的算法从服务器移至定位卡,在实际安装过程中,无线UWB信标只需要保持四个呈矩形分布部署,即可实现高精度定位。在错综复杂的环境里,UWB信标可根据遮挡情况,快速便捷地调整位置,大大提高安装效率,降低部署成本。

边缘计算在定位胸卡应用中的使用是一个非常典型的例子,能够展示边缘计算如何有效地提高效率和响应速度。定位胸卡,例如在大型活动、工业环境或医院等场合使用,可以帮助实时监控人员的位置,确保安全与效率。

边缘计算如何优化定位胸卡的使用:

实时数据处理:

  • 在定位胸卡中集成边缘计算功能,可以使得设备实时处理位置数据,无需等待数据发送到远程服务器并返回结果。这种即时处理能够快速反应,例如在医疗紧急情况或安全事故中迅速定位相关人员。

减少网络延迟和带宽使用:

  • 由于数据在本地处理,只有处理后的重要信息(如警报或特定事件的数据)需要发送到中心系统。这不仅减少了网络延迟,也优化了带宽的使用,避免了在网络拥堵时导致的数据传输问题。

提高数据安全和隐私:

  • 在胸卡设备本地处理数据可以减少敏感位置信息的外传,降低数据泄露的风险。同时,本地处理数据也意味着即使在网络被攻击的情况下,敏感数据也更加安全。

增强系统的可靠性和韧性:

  • 在网络不稳定或断开的情况下,具备边缘计算能力的定位胸卡仍然可以继续进行数据处理和记录,保证了系统的连续运作和监控的不间断。

应用场景示例:

  • 工业环境:在大型工厂或施工现场,通过边缘计算的定位胸卡可以实时监控工人的位置,及时响应事故或避免危险区域的进入。

  • 医疗场所:在医院中使用定位胸卡监测医护人员和患者的位置,可以优化资源分配,快速响应紧急医疗需求。

通过将边缘计算集成到定位胸卡中,不仅可以提升位置监控的效率和安全性,还能在关键时刻提供必要的实时数据支持。这种技术的应用是物联网和边缘计算结合的典型展示,突出了在需要快速、可靠和安全的数据处理场景中的重要性。

相关推荐
中科岩创1 小时前
榆能横山煤电厂及周边建筑物爆破振动和位移自动化监测
物联网
martian6651 小时前
【人工智能数学基础篇】——深入详解多变量微积分:在机器学习模型中优化损失函数时应用
人工智能·机器学习·微积分·数学基础
人机与认知实验室2 小时前
人、机、环境中各有其神经网络系统
人工智能·深度学习·神经网络·机器学习
黑色叉腰丶大魔王2 小时前
基于 MATLAB 的图像增强技术分享
图像处理·人工智能·计算机视觉
迅易科技5 小时前
借助腾讯云质检平台的新范式,做工业制造企业质检的“AI慧眼”
人工智能·视觉检测·制造
古希腊掌管学习的神6 小时前
[机器学习]XGBoost(3)——确定树的结构
人工智能·机器学习
ZHOU_WUYI6 小时前
4.metagpt中的软件公司智能体 (ProjectManager 角色)
人工智能·metagpt
靴子学长7 小时前
基于字节大模型的论文翻译(含免费源码)
人工智能·深度学习·nlp
AI_NEW_COME8 小时前
知识库管理系统可扩展性深度测评
人工智能
海棠AI实验室8 小时前
AI的进阶之路:从机器学习到深度学习的演变(一)
人工智能·深度学习·机器学习