边缘计算参考架构0

《边缘计算参考架构0》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、边缘计算参考架构2.0边缘计算产业联盟工业互联网产业联盟联合发布2017年11月29目录目录2一、迎接行业智能时代3（一）行业智能时代已来3（二）行业智能2.0面临的挑战4（三）边缘计算使能行业智能2.05（四）边缘计算产业化当前进展6二、边缘计算6（一）边缘计算概念7（二）基本特点和属性7（三）边缘计算CROSS价值7（四）边缘计算与云计算协同8三、边缘计算参考架构8（一）模型驱动的参考架构8（二）多视图呈现9（三）概念视图101、边缘计算节点、开发框架与产品实现102、边缘计算领域模型11（四）功能设计视图121、ECN122、业务Fab

2、ric163、联接计算Fabric164、开发服务框架（智能服务）185、部署运营服务框架（智能服务）196、管理服务207、数据全生命周期服务208、安全服务21（五）部署视图23四、ECC产业发展与商业实践24（一）ECC产业发展总体概况241、ECC产业组织合作242、ECC标准组织合作24（二）边缘计算的商业实践251、从理论到实践252、从水平到垂直253、从需求到实践，从实践到需求2929一、迎接行业智能时代（一）行业智能时代已来全球已经掀起行业数字化转型的浪潮，数字化是基础，网络化是支撑，智能化是目标。通过对人、物、环境、过程等

3、对象进行数字化产生数据，通过网络化实现数据的价值流动，以数据为生产要素，通过智能化为各行业创造经济和社会价值。智能化是以数据的智能分析为基础，从而实现智能决策和智能操作，并通过闭环实现业务流程的持续智能优化。以大数据、机器学习、深度学习为代表的智能技术已经在语音识别、图像识别、用户画像等方面得到应用，在算法、模型、架构等方面取得了较大的进展。智能技术已经率先在制造、电力、交通、医疗、农业等行业开始应用，对智能技术提出了新的需求与挑战。行业智能时代已经来临。行业智能分为1.0和2.0两个发展阶段：1）行业智能1.0行业智能1.0是面向市场线索、

4、营销、采购、物流、售后等商业过程，将用户、应用和商业流程的行为和状态数字化，基于多维度数据分析和场景感知，建立行业的信息图谱，为行业用户提供个性化的资源配置和服务。行业智能1.0的快速发展得到了ICT创新技术的支撑，包括：l泛在网络联接使能数据的快速流动；l云计算按需提供低成本的基础设施服务应对业务负载变化；l大数据挖掘、分析和管理海量数据，提升企业的商业决策能力；l算法+数据+算力，释放了行业智能的潜在价值。2）行业智能2.0面向产品规划、设计、制造、运营等生产过程，产品、生产装备、工艺流程等已经逐步数字化和网络化，行业智能2.0已经具备了

5、基础条件。这里所指的产品、装备具有广义的概念，既包括制造业所生产的产品和制造产线等，也包括能源、交通、农业、公共事业等行业提供服务时所依赖的资产，如电表、交通工具、农业机械、环境监测仪器等。行业智能2.0需要达成如下目标：l提升生产与服务过程敏捷性和协作性l提升资源共享和减少能耗l降低生产运行和运营不确定性l与行业智能1.0协作，建立生产、销售和服务的端到端行业智能。行业智能2.0时代需要行业发生四个关键转变：29l物理世界与数字世界从割裂转变为协作融合；l运营决策从模糊的经验化转变为基于数字化、模型化的科学化；l流程从割裂转变基于数据的全流

6、程协同；l从企业单边创新转变为基于产业生态的多边开放创新。（二）行业智能2.0面临的挑战从DIKW模型视角看，行业智能2.0面临了四大挑战：lOT和ICT跨界协作挑战OT（OperationTechnology）与ICT（InformationandCommunicationTechnology）关注重点不同，OT关注物理和商业约束、人身安全，ICT关注商业约束、信息安全；OT与ICT在行业语言、知识背景、文化背景存在较大差异，相互理解困难；OT技术体系碎片化、专用化与标准化、开放性的ICT技术体系集成协作存在挑战困难；OT与ICT的融合协作

7、也将带来安全方面的挑战。OT与ICT的跨界协作需要建立物理世界和数字世界的联接与融合。l信息难以有效流动与集成目前业界有超过6种以上的工业实时以太网技术，超过40种工业总线，缺少统一的信息与服务定义模型。烟囱化的系统导致数据孤岛，使信息难以有效流动与交互。信息有效流动与集成是支持数据创新、服务创新的基础，需要建立数据全生命周期管理。l知识模型化是巨大挑战知识模型（KnowledgeModel）主要解决知识的表示、组织与交互关系，知识的有序化以及知识处理模型，是将知识进行形式化和结构化的抽象。知识模型不是知识，是知识的抽象，以便于计算机理解与处

8、理。知识模型输入存在信息不完整、不准确和不充分的挑战；知识模型处理的算法与建模还需持续改进与优化；知识模型输出的应用场景有限需要持续积累。知识模型化是高效、低成本实