国外物联网平台（7）：FogHorn
——FogHorn
马智
引言：
据外媒在本月20日报道，硅谷初创公司FogHorn正在与谷歌合作以简化工业物联网应用的部署。本文对FogHorn的技术、产品、应用和生态进行了分析。
FogHorn总部位于加州山景城，成立于2014年，专注于工业物联网和消费物联网领域，其前四大垂直领域是制造业、油气、交通和智能城市/智能建筑。该公司在2017年经历了强劲的增长，部分原因是由于英特尔投资和沙特阿美石油能源风险投资公司领导的3000万美元B轮融资。
FogHorn是"边缘计算"这个快速兴起的领域的领先者，通过将高性能处理、数据分析和异构应用部署在现场控制系统和传感器，FogHorn的创新性解决方案可实现边缘设备的智能优化。这有助于工业客户在制造业、石油和天然气、水电、运输、采矿、可再生能源、智慧城市等领域的大数据实时处理。
技术架构
随着对可靠性、安全性、数据隐私、实时分析和应用程序快速开发的需求不断增加，许多工业场景越来越依赖于独特的边缘智能模型。FogHorn的解决方案可以实现高性能边缘处理、优化分析和异构应用程序，尽可能靠近遍布工业基础设施中的控制系统和传感器。该解决方案有效地实现了边缘智能的闭环设备优化。
FogHorn微型化的软件平台专门为PLC、网关和工业PC等资源受限的边缘设备提供实时工业级分析的功能。
FogHorn技术架构
FogHorn提供了一个高效且高度可扩展的边缘分析平台，可实现工业机器传感器数据的现场实时流处理。
大多数现有的"边缘计算"解决方案支持将传感器数据存入本地，并支持将未处理的数据发布到云平台进行离线分析。其实质上提供了"存储转发"或某种形式的基本过滤功能。然而，许多工业环境和设备缺乏互联网连接，导致该解决方案无法使用但即使在互联网连接的情况下，生成的大量数据也很容易超过可用带宽，或者成本太高，无法发送到云端。另外，当数据上传到云端，在数据中心处理后并将结果传回到边缘设备再执行任何命令可能为时已晚。
FogHorn通过由高度微型化的复杂事件处理（CEP）引擎（也称为分析引擎和机器学习ML）组成的一整套边缘计算解决方案来解决这个难题，该解决方案有助于实时获得边缘洞察能力，还提供了一种功能强大且具有表现力的业务专用语言（DSL），用于定义故障条件并检测海量传感器数据流中的复杂事件，及时防止代价高昂的机器故障或停机。它也支持输入合适的ML算法，以增强对异常或故障条件的检测和预测。总之，FogHorn的技术将提升工业操作和实时处理的整体效率和安全性。
技术特点
- 微型化
FogHorn平台使用极低的配置提供了包括CEP引擎、实时分析和机器学习在内的大量功能，支持受限设备上的小型计算和本地处理，FogHorn的Lightning平台可以在业界最广泛的工业设备和处理器上无缝运行。
- 友好的操作界面
FogHorn技术专为运维人员设计，其以有效的方式实现运维人员所期望的流程优化，易于从收集和整合经验中获得知识，并转化为对其机器操作有意义的分析和见解。FogHorn简单实用的拖拽式界面工具使得运维人员无需设备编程技术，即可轻松快速定义分析算法，其算法表达式的设计模型都是基于PLC风格的操作。
- 现场部署和云平台无关性
FogHorn Lightning 机器学习平台可以完全在现场运行或连接到任何私有云或公有云环境。这为客户在IT基础架构、安全策略和成本方面选择最佳部署方式提供了最大的灵活性。
- 边缘机器学习
FogHorn的微型化平台EdgeML在边缘设备上提供机器学习能力。它支持执行客户私有机器学习模型，也提供行业标准算法，并能够无缝集成到实时数据流中。
产品功能
通过将边缘智能和雾计算直接嵌入到小型边缘设备中，FogHorn为工业物联网带来了开创性的技术。 Foghorn核心平台是世界上最紧凑、最先进和功能最丰富的复杂事件处理器（CEP），它正在为工业物联网带来革命性的变化。该软件的运行开销极低，因此可以将其嵌入到各种边缘设备和高度受限的环境中，以实现最高的效率和速度。
FogHorn的Lightning产品部署在工业物联网的边缘设备中，极大地丰富了任何网关、可编程逻辑控制器（PLC）、工业PC、HMI设备和其它边缘系统的功能，以前所未有的低延迟提供现场数据处理、实时分析、机器学习和AI功能。
EdgeML是FogHorn最新的软件版本，具有强大的机器学习功能，此版本包含在FogHorn Lightning的标准版和迷你版中。
FogHorn Lightning EdgeML机器学习平台
- Lightning EdgeML以三种开创性的方式将机器学习功能带进边缘设备
- 利用现有的模型和算法：借助Lightning EdgeML，工业用户可以在物理资产和工业控制系统实时生成的数据流上无缝插入和执行私有算法和机器学习模型。
- 降低机器学习操作门槛：非技术人员可以使用FogHorn的工具生成强大的机器学习结果，无需依赖内部或第三方数据科学家。
- 运行开销极低：Lightning EdgeML使复杂的机器学习模型能够在高度受限的计算设备上运行，如PLC、Raspberry Pi系统、微型工业网关、工业PC和服务器。即使增加了先进的机器学习功能，LightningML平台的Micro版本的内存空间需求也少于256MB。
- FogHorn的Lightning产品的价值
- 利用现有的数据分析和机器学习算法，并将其嵌入现场设备，以实现实时操作和最低的延迟
- 兼容小型计算资源，包括PLC、嵌入式系统和小型IoT网关
- 提供以运维为中心的工具，使运维人员能够轻松创建监控和预测性维护条件，而无需编程经验
- 云平台无关性 – 可与任何现有的云平台协同运行
- 从根本上减少或消除了大量数据的回传。
- 包含用户友好的运维界面，用于识别和配置数据流、数据表征、数据清洗以及创建算法脚本
- 为根据计算资源、实际运维环境和目标提供可扩展的选项
- 将零散知识转化为实时分析算法，持续总结运营经验和智慧。
- 有助于传感器实时数据流、资产状态统计数据和边缘分析结果的可视化和反应动作
- 工业环境的高级仿真以验证生产配置
FogHorn Lightning版本分类
FogHorn Lightning提供标准版和迷你版，主要区别在于它们的运行环境。标准版包含迷你版中的所有功能，并支持更大的处理平台，并提供以下工具。
- 这两个版本的功能包括：
- 世界级的微型实时数据流CEP引擎，包括易于使用的VEL语言和数百种内置函数
- 高速数据采集
- 高级数据预处理、转换和富集化
- 机器学习功能，包括推理、实时数据训练和模型应用
- 使用FogHorn SDK开发应用程序
- 管理、监控边缘设备的配置
- 拖拽式的分析算法创建工具
- 先进的仿真工具，可以在任何协议和任何频率下模拟传感器数据
- 可扩展的边缘设备管理功能
两个FogHorn Lightning版本都包括FogHorn Manager（FHM）功能，用于远程管理、监控和配置边缘节点。
- 所有管理、监控和配置功能均可从一个界面访问
- 每个边缘节点的健康状况、指标和系统状态
- 事件和警报的消息日志
- 可扩展的配置复用
- 编写和部署分析算法
- 部署和配置定制化的应用程序或FogHorn提供的标准应用程序
远程管理、监控、配置界面
应用场景
从最大限度地发挥大型风力发电机的能量输出效率到防止工业泵的灾难性故障，FogHorn的边缘计算解决方案将自动化控制系统部署到最艰难和最偏远的工业环境中。
- 制造业
从半导体生产到组装巨型工业机器，边缘计算通过实时监控诊断、机器学习和操作优化提高了产量和效率。边缘计算的即时性使制造过程中的自动反馈以及预测性维护成为可能，从而最大限度地延长设备和装配线的正常运行时间和使用寿命。
- 油气
石油和天然气开采是高风险、技术驱动型的运营活动，依靠现场实时智能计算提供主动监控，并防止设备故障和环境影响。由于这些运维工作发生在非常偏远的地方，缺乏对数据中心的高速可靠访问，因此边缘计算可在现场提供高级分析能力，实现即时响应以确保最大产量和安全。
- 矿业
偏远地区的采矿活动面临极端的环境条件，很少或根本无法访问互联网。因此，采矿作业越来越依赖边缘计算进行实时、现场监测诊断、警报管理和预测性维护，以最大限度地提高安全生产、运营效率，并最大限度降低成本和停机时间。
- 运输
作为工业互联网崛起的一部分，火车、巴士、飞机和船舶都配备了新一代设备和传感器，可生成PB级数据，这将需要更强的智能分析能力和实时响应能力。边缘计算可以在本地处理这些数据，以实现资产实时监控和管理，从而最大限度降低运营风险和停机时间。它还可以用来监控和控制发动机空转时间，以减少排放，节省燃油并实现利润最大化。
- 水电
发电厂的意外故障可能会对下游电网造成重大干扰。如果配水设备和水泵在没有警告的情况下失效，情况也是如此。为了避免这种情况，边缘计算可以实现预测性维护和主动实时响应，它还能够在源端而不是云端获取传感器数据并对其进行分析，从而减少延迟和带宽成本。
- 再生能源
太阳能、风能和水能是非常有前途的清洁能源，然而不断变化的天气条件对预测和向电网提供可靠的电力供应提出了重大挑战。边缘计算能实时调整以最大限度地提高发电量，通过高级分析功能实现精确的能源预测和交付。
- 卫生保健
在医疗保健行业，新的诊断设备、患者监测工具和操作技术提供了前所未有的护理水平，同时还提供了大量高度敏感的患者数据。通过在源头处理和分析数据，医疗机构可以优化供应链运作、并以更低的成本改善患者服务和隐私状况。
- 零售
为了与网购竞争，零售商必须降低成本，同时创造良好的客户体验和网店无法比拟的服务水平。边缘计算可通过提供全方位定制化和优化供应链来丰富用户体验。它还支持面部识别等新技术，提供更高水平的个性化和安全性。
- 智能建筑
智能建筑技术的许多优点包括能耗更低、安全性更高、舒适性和安全性更高，以及更好地利用建筑资产和服务。智能建筑不是将大量建筑数据发送到云中进行分析，而是使用边缘计算来实现敏捷自动化，同时降低带宽成本和延迟。
- 智能城市
整合各种市政系统（例如街道照明、交通信息、停车场、公共安全等）数据以进行交互式管理和社区访问，是智慧城市举措的共同愿景。然而，生成的大量数据需要太多的带宽和云端处理能力。边缘计算提供了一种更有效的解决方案，可将数据处理和分析分配到传感器和数据源所在的位置。
- 车联网
车联网技术通过将车辆操作和控制扩展到驾驶员以外的外部网络和系统，这为交通工具增添了全新的视角。边缘计算和雾计算将实现分布式道路服务，如交通管制、车辆速度管理、收费、辅助停车等。
生态系统
FogHorn不断扩大的合作伙伴生态系统涵盖了整个工业物联网领域，包括全球领先的工业集成商、云服务提供商、系统集成商和网关解决方案。
FogHorn的合作伙伴分为以下几类：
-
工业解决方案提供商
-
GE
-
Bosch
-
Yokogawa
-
Wind River
-
-
工业物联网咨询机构和系统集成商
-
PwC
-
Tech Mahindra
-
Infosys
-
UNIADEX
-
NEC
-
Energia Communications
-
OGIS-RI
-
-
工业物联网网关提供商
-
DELL
-
HP Enterprise
-
Stratus Technologies
-
Axiomtek
-
Cisco
-
-
工业物联网半导体开发商
-
Intel Internet of Things Group—IoTG
-
ARM
-
Xilinx
-
Cavium
-
-
云基础设施和人工智能/机器学习提供商
-
GE Predix
-
Amazon AWS
-
Microsoft Azure
-
Google Cloud
-
SAP HANA
-
MapR
-
Cloudera
-
-
行业协会
-
Industrial Internet Consortium
-
OpenFog Consortium
-
eF@ctory Alliance
-
EdgeX Foundry
-
