Edge computing в промавтоматике

Edge computing («пограничные вычисления») — архитектурный принцип распределённой обработки данных на устройствах рядом с источниками. Противоположность — централизованная обработка в облаке или в серверной.

Зачем в автоматике

Задержки

Передача данных в облако + обработка + передача команды обратно = 100-500 мс. Для управления в реальном времени (защита оборудования) — неприемлемо. Edge обрабатывает за 1-10 мс.

Нагрузка на сеть

Промышленная линия с 500 датчиками + видеокамеры = терабайты в день. Передавать всё в облако — дорого, часто невозможно. Edge фильтрует и отправляет только агрегированные/аномальные данные.

Надёжность

При обрыве связи с облаком завод не должен останавливаться. Edge продолжает работать автономно, синхронизируется при восстановлении связи.

Безопасность

Чувствительные производственные данные не покидают периметр предприятия.

Иерархия Edge-архитектуры

Edge Device (устройство)

• ПЛК с расширенной обработкой (Siemens S7-1500 с ODK, Beckhoff TwinCAT)
• IoT-шлюзы (Advantech, Moxa, Siemens IOT2050)
• Промышленные ПК (IPC)
• Специализированные Edge-AI устройства (NVIDIA Jetson, Intel NUC)

Edge Server (локальный сервер)

Промышленный сервер в серверной цеха. Собирает данные со всех устройств, выполняет тяжёлую обработку, кэширование.

Fog Layer (туманный слой)

Промежуточный уровень между Edge и облаком. Данные нескольких заводов агрегируются в региональном центре.

Cloud

Долгосрочное хранение, глобальная аналитика, ML-обучение, визуализация для топ-менеджмента.

Типовые задачи на Edge

Фильтрация данных

Из 1 млн измерений в секунду в облако отправляется только 1000 важных (превышения порогов, аномалии).

Инференс ML-моделей

Обученная в облаке модель переносится на Edge для работы в реальном времени (например, обнаружение дефектов продукции по видео).

Протокольный шлюз

Преобразование Modbus RTU → MQTT, OPC UA → REST API для интеграции разнородных систем.

Локальная аналитика

OEE, расчёт КПД, выявление аномалий — выполняются на Edge, в SCADA передаются уже обработанные показатели.

Технологии

• ОС — Linux (Ubuntu Core, Yocto), Windows IoT
• Контейнеризация — Docker, Kubernetes (K3s)
• Протоколы — MQTT, OPC UA, Modbus TCP
• Платформы — Siemens Industrial Edge, GE Predix Edge, AWS IoT Greengrass, Azure IoT Edge, российские (Цифра AIST)
• ML-фреймворки для Edge — TensorFlow Lite, ONNX Runtime, OpenVINO

Пример: Edge на насосной станции

• Edge-устройство — промышленный ПК в шкафу автоматики, Linux + Docker
• Контейнеры: MQTT-брокер (Mosquitto), ML-модель прогноза вибрации (TF Lite), локальная БД (SQLite)
• Функция: вибродатчики 10 кГц → FFT на Edge → признаки → ML-модель → прогноз здоровья подшипника → тревога в SCADA только при аномалии
• Облако: раз в сутки отправляется суточная статистика

РУБИКОН

Для крупных автоматизируемых объектов (ЦТП, промышленные компрессорные) рекомендуем архитектуру с Edge-шлюзом: ПЛК + промышленный ПК + MQTT. Это снижает нагрузку на серверы заказчика и обеспечивает автономность.