边缘-云协同的工业 AI 运维 MLOps 参考架构

gkket

目录
1 需求：OT 严苛环境倒逼“边缘原生”
2 架构总览：四层两线
2.1 边缘推理节点（IEC 61499 函数块封装）
2.2 边缘训练节点（KubeEdge+Volcano 混部）
2.3 云侧特征中心（DeltaLake+Feature Store）
2.4 云侧重训工厂（Ray 2.9+GPU 池）
3 数据双主线：OT 时序线 vs IT 元数据线
4 安全：零信任+OPC UA 内置加密
5 案例：光伏切片车间 1200 台边缘网关落地
6 未来：把 MLOps 压缩到 16 MB 闪存，实现“单片机级”更新


边缘-云协同的工业 AI 运维 MLOps 参考架构

1 需求：OT 严苛环境倒逼“边缘原生”
2025 年工厂现场出现“三高一限”——高粉尘、高电磁、高温及带宽受限。传统“云端集中训练+下发模型”模式在 200 ms 以内闭环场景频频失效，倒逼 MLOps 必须原生扎根边缘。
2 架构总览：四层两线
我们把整条管线拆成“边缘推理-边缘训练-云特征中心-云重训工厂”四层，同时维护“OT 时序数据”与“IT 元数据”两条主线，实现模型全生命周期可管、可控、可回滚。
2.1 边缘推理节点（IEC 61499 函数块封装）

• 硬件：Intel Core i7-13800HE + 32 GB LPDDR5，-40 ℃~70 ℃无风扇
• 推理引擎：OpenVINO™ 2025.0，INT8 量化后 YOLOv8n 仅 3.4 MB
• OT 集成：功能块符合 IEC 61499，可直接拖进 CODESYS 运行，PLC 程序员无感调用 AI
  

2.2 边缘训练节点（KubeEdge+Volcano 混部）

• 轻量 k8s：KubeEdge 1.19 裁剪版，内存占用 < 1 GB
• 调度：Volcano 提供 GPU/CPU 混部，白天推理、夜晚训练，GPU 利用率从 22% 提升到 68%
• 数据：只上传“不确定性>0.7”的难例，带宽节省 85%
  

2.3 云侧特征中心（DeltaLake+Feature Store）

• 存储：DeltaLake 3.2，支持 ACID，方便数据版本与回滚
• 特征：统一 Protobuf Schema，OT 时序与 MES 质量标签自动对齐
• 血缘：OpenLineage 0.42，实现“特征→模型→服务”全链路追踪
  

2.4 云侧重训工厂（Ray 2.9+GPU 池）

• 框架：Ray Train 做分布式微调，Llama-3-8B 增量训练 3 小时完成
• 发布：模型经 MLflow 注册→ONNX→加密签名→OTA 下发，边缘校验 SHA-256 后热加载，零停机
  

3 数据双主线：OT 时序线 vs IT 元数据线

• OT 线：MQTT over TLS 1.3，单点 10 kHz 振动流通过 MQTT 5 共享订阅，毫秒级到达边缘节点
• IT 线：REST/gRPC 拉取 MES、CMMS 元数据，用于标签对齐与因果推理
  两线在云侧“时间对齐服务”按 1 ms 粒度拼接，解决“OT 时钟漂移”顽疾
  

4 安全：零信任+OPC UA 内置加密

• 设备证书：X.509 短周期证书，24 h 自动轮转
• 零信任：每次 RPC 调用携带 JWT+设备指纹，非法设备即使拿到 IP 也无法建连
• OPC UA：算法模型作为“方法节点”挂载，调用前需经过 Role-Based 授权
  

5 案例：光伏切片车间 1200 台边缘网关落地
2025-01 在某头部光伏企业上线，场景为 0.08 mm 硅片裂纹检测。

• 数据：单台相机 2048×1536@150 fps，每天产生 2.3 TB 图像，全部本地推理
• 成效：
  – 模型更新周期从 7 天缩至 16 h
  – 边缘-云难例上传流量由 280 Mbps 降至 42 Mbps
  – 裂纹过检率 ↓38%，每年节省硅料 210 万元
  

6 未来：把 MLOps 压缩到 16 MB 闪存，实现“单片机级”更新
正在探索“权重剪枝+知识蒸馏”双压缩，目标把 8 MB 模型+8 MB 运行时装进 Cortex-M7 单片机，直接部署在 IO-Link 微型网关，让每一颗传感器都拥有“自学习”能力。