7、智能制造中边缘计算的资源调度与认知能力提升

智能制造中边缘计算的资源调度与认知能力提升

1. 智能制造边缘计算资源调度策略

目前，智能制造计算框架面临诸多挑战，缺乏融合计算历史遗产的有效框架和资源调度策略，难以保证低延迟要求。为此，提出了一种混合计算框架，并设计了智能资源调度策略，以满足边缘计算支持下智能制造的实时需求。

1.1 系统架构

传统框架中，计算任务由雾/边缘和云两层完成，但难以满足实时需求，尤其是边缘服务器任务排队时。引入智能网络节点、计算能力有限的代理设备、云计算服务器和雾计算服务器后，传统智能制造系统转变为混合计算架构。

该混合架构从任务节点（如制造设备）角度包含四个部分：
1. 设备计算层 ：主要负责传感和控制工作。
2. 边缘计算层 ：边缘计算服务器用于完成实时的AI工作。
3. 云服务器 ：用于解决计算密集型任务，基于不同信息和大数据开发AI模型。
4. SDN层 ：用于控制和协调不同计算层。

所有这些元素通过工业网络（有线/无线网络）收集。

制造计算的工作过程中，所有计算任务在现场设备（如生产机器、无线网络节点和移动元素）上创建，任务通常需实时处理。调度任务时需考虑计算能力、排队时间和数据通信延迟三个因素，根据这些因素计算任务在特定时间窗口的延迟，AI任务可根据实时需求定位到混合计算系统的不同计算层。

对于边缘计算层，计算能力和排队时间是决定任务完成时间的重要因素。不同服务器处理任务的复杂度不同，排队时间也不同。该架构考虑了计算