4、定制化制造中的边缘智能：技术解析与应用架构

定制化制造中的边缘智能：技术解析与应用架构

1. 边缘智能概述

在定制化制造领域，随着网络终端设备数量的快速增长以及它们所产生的数据量的激增，单纯基于云的人工智能暴露出了一些不足。边缘智能应运而生，它将人工智能部署在边缘网络，强调靠近数据源以减少智能云计算服务交付的延迟，实现无线态势智能感知、智能快速决策和实时响应。

边缘智能旨在将边缘计算与人工智能等应用相结合，把基于云计算的数据处理能力同步到边缘节点，为定制化制造边缘网络提供高级数据分析、场景感知、实时决策等服务功能。在定制化制造中，边缘智能主要具备以下六个功能：
- 数据收集 ：传感器是定制化制造中边缘智能应用系统的前端组件。结合传感器技术，边缘设备能高效获取数据。例如，智能无源传感器（SPSs）可监测温度、压力等参数；iDAR集成了低光相机和AI算法，能实时感知周围动态环境。不过，边缘传感器设备可能受能源、带宽或原始计算能力的限制。理想情况下，传感器应仅发送必要信息，关键数据能立即用于关键决策。此外，小型、不显眼的边缘传感器可轻松部署在空间受限的环境中。
- 数据通信 ：定制化制造边缘网络中收集的大量数据对数据传输能力构成了巨大挑战，因此出现了许多面向边缘的通信技术。设备到设备（D2D）方法用于提供实时数据传输和共享等服务，在边缘智能框架中发挥着关键作用。与传统的以网络为中心的数据传输模式不同，D2D通信技术开启了以设备为中心的通信方向，能有效增加边缘网络的通信容量，为边缘智能提供必要的数据传输和信息共享能力。为了给边缘系统带来更多智能，深度强化学习技术和联邦学习框架已被集成用于优化边缘计算、缓存和通信。
- 数据计算