工业物联网中复杂事件处理与微型机器学习的协同

聚焦全面联网、大数据与人工智能，工业物联网(IIoT)提升了工厂运行的效率与鲁棒性。各类传感器与现场设备发挥核心作用，因为它们生成大量实时数据，可洞察制造过程。近年来，复杂事件处理(CEP)与机器学习(ML)的协同在 IIoT 中被积极开发，以识别异构数据流中的模式并将原始数据融合为可感事实。在传统以计算为中心的范式中，原始现场数据被持续发送至云端并集中处理。随着 IIoT 设备日益普及与泛在，此类数据传输能耗高、易被截获且存在高延迟，引发担忧。以数据为中心的范式可通过赋予 IIoT 在设备端执行去中心化 ML 与 CEP、使数据主要留存于边缘设备并最小化通信来从根本上解决这些问题。然而这并非易事，因为多数 IIoT 边缘设备被设计为算力受限且低功耗。本文提出一种在分布式传感器网络的边缘利用 ML 与 CEP 协同的框架。通过借助 tiny ML 与 micro CEP，我们将计算从云端转移至功耗受限的 IIoT 设备，并允许用户灵活即时地适配设备端 ML 模型与 CEP 推理逻辑，而无需重新上传整个程序。最后，我们评估了所提方案，并通过机器安全监控的工业用例展示了其有效性与可行性。