自動化早已不是那個自動化

轉載自貝加萊工業(yè)自動化
隨著工業(yè)互聯(lián)網(wǎng)的熱炒,使得自動化在其中扮演了一個越發(fā)有意思的角色,一些缺乏對制造現(xiàn)場了解的人總是會把PLC理解為就是做邏輯控制的,而且提起現(xiàn)場總線總是CAN、Modbus等,似乎自動化是一個“傳統(tǒng)產(chǎn)業(yè)”,一個已經(jīng)過去的時代,人們喜歡用自動化、信息化、智能化來為智能制造進行“斷代”來闡述其關系,然而,事實卻并非如此—因為,自動化是一個不斷在進步的領域,而且,它是一個純粹的應用產(chǎn)業(yè),它所有的創(chuàng)新源泉來自于“客戶需求”。
今天,我們有必要重新梳理自動化——它不僅是控制、也包括了邊緣計算的融合、數(shù)字孿生、機器學習的融合,成為整個制造的基礎與核心構成。
1、開放互聯(lián)
開放互聯(lián)成為必然趨勢,在經(jīng)歷了現(xiàn)場總線、實時以太網(wǎng),自動化的開放互聯(lián)正邁入OPC UA over TSN的時代。
工業(yè)互聯(lián)網(wǎng)遇到的最大的挑戰(zhàn)在于“連接”問題,復雜的現(xiàn)場總線和各種協(xié)議使得IT訪問OT變得異常困難,不經(jīng)濟,成為了推進工業(yè)互聯(lián)網(wǎng)的第一大障礙。
OPC UA是一個推行“普通話”的過程,它使得各家不同廠商的控制器可以被采用統(tǒng)一語言,而TSN則扮演著“同聲傳譯”的角色。

目前整個自動化行業(yè)的主流廠商、ICT廠商如華為、CISCO等均以開發(fā)了基于TSN的解決方案,即將進入批量運營階段。
如圖1所示,OPC UA為整個智能工廠提供了在上下游供應鏈、車間橫向設備間的集成,也完成從傳感器到云端的垂直連接,更為重要在于OPC UA信息模型為軟件的高效開發(fā)提供了保障,大幅降低工業(yè)互聯(lián)的工程成本。
2.柔性制造
無論談論智能制造、工業(yè)4.0還是所謂的工業(yè)物聯(lián)網(wǎng)/互聯(lián)網(wǎng),其實,本質都是通過信息的采集,實現(xiàn)全局的制造效率提升,響應“大規(guī)模定制”中的高品質、低成本要求。
但是,在底層執(zhí)行中,會遇到一個“機械”的剛性連接障礙,因此,為了解決這個問題,各家主流自動化廠商均推出了柔性電驅輸送系統(tǒng),如圖2的ACOPOStrak,它帶來的改變在于:
(1)傳統(tǒng)的產(chǎn)線復雜性、精度、柔性問題被解決;
(2)滿足個性化定制的生產(chǎn)需求。

3.邊緣計算
邊緣計算主要聚焦于進行數(shù)據(jù)的采集、連接,并在邊緣側實現(xiàn)對產(chǎn)線、工廠的實時任務調度、優(yōu)化、策略問題的解決,自動化廠商在原有架構上融合新的Web技術、云連接技術,將這些任務以分布式形式實現(xiàn)統(tǒng)一的構架。

自動化廠商積極的融合IT技術,解決現(xiàn)場的問題,作為一個銜接制造現(xiàn)場和IT的中間層,邊緣計算解決了本地的設備集成、OEE計算、能源計量、運營維護、品質管理的功能。
通過OPC UA,自動化系統(tǒng)可以與來自開放世界的各種邊緣計算實現(xiàn)開放連接,發(fā)揮各自的能力,包括與云端服務的對接,自動化可以為其提供基礎的制造現(xiàn)場數(shù)據(jù),以及預先處理好的結構化信息。
4.機器學習
今天,我們討論機器人工智能,然而,工程本身就是數(shù)學問題,在1931年,科爾莫哥洛夫發(fā)表了統(tǒng)計學和隨機過程方面的《概率論中的分析方法》,它奠定了馬爾科夫過程的理論基礎—它成為信息論、人工智能和機器學習的基礎科學工具,然而,數(shù)問題可以轉換為軟件問題,首先在數(shù)學工具上可行,那么軟件才具有可行性,接著是實現(xiàn)—是否有足夠的計算能力,以及如何與對象結合。
事實上,在早期的控制器即可以實現(xiàn)復雜的控制,例如,貝加萊在90年代初即推出基于pSOS+定性分時多任務的操作系統(tǒng),已經(jīng)可以支持高級語言的編程,今天的PLC已經(jīng)可以直接運行基于C/C++等高級語言開發(fā)的程序,基于PC架構的控制器可以通過多種形式來實現(xiàn)機器學習、人工智能的算法運行。

實際上,機器學習并非那么神秘,簡單說,自動化系統(tǒng)最大的優(yōu)勢在于已有的機器控制模型,在這個模型上加一個觀測器,采用成本函數(shù)對其進行約束,在非線性階段對其進行“學習”,而學習是一個數(shù)學意義上的概念,只要數(shù)學上有模型,即可編程,并運行于控制器上。對于更為復雜的學習,其同樣是可以在控制器上編程的,很多人理解的PLC是邏輯控制,但是,像貝加萊的控制器早已可以采用高級語言編程—這件事情20多年前就可以了。
對于一些簡單的機器學習而言直接在PLC上即可運行,同時,在貝加萊新的Hypervisor技術,可以將PCI標準的AI加速卡插入,由Windows對其進行處理,并同時并行運行RTOS來與物理被控對象連接,可以直接在一個架構下實現(xiàn)學習與對象的直接交互。
5.軟件定義智能
自動化的確正在成為一個軟件行業(yè),因為,智能通過軟件來實現(xiàn),簡單的修改即可實現(xiàn)復用,而且,軟件本身在智能制造中的角色也變得更為復雜,我們會驚奇的發(fā)現(xiàn),自動化行業(yè)里無所不在的軟件,無論是RTOS還是集成開發(fā)環(huán)境如Automation Studio,還是針對行業(yè)應用的標準化PLCopen庫、以及為了實現(xiàn)開放互聯(lián)的Web服務器集成。

軟件正在成為自動化行業(yè)的核心競爭力—數(shù)十年于各個領域知識的積累,并且在未來,這些積累的控制對象與模型成為知識集成的基礎,也為數(shù)據(jù)分析與人工智能奠定基礎。
6.機器視覺
隨著生產(chǎn)的集成,自動化正在將視覺系統(tǒng)也納入到其架構中,在2018年,貝加萊即推出“集成視覺”,這個視覺系統(tǒng)將機器的邏輯、運動控制與視覺感知在統(tǒng)一架構下進行編程開發(fā),實現(xiàn)最為直接的同步,并且,解決由于傳統(tǒng)視覺與自動化系統(tǒng)之間的“通信連接”、“配置”、“編程”的壁壘,這帶來很多好處:
?無需復雜的網(wǎng)絡配置;
?可以無縫的軟件變量耦合;
?可以最高級別的實現(xiàn)同步關系;
?避免多個軟件的銜接影響各自性能的發(fā)揮。

7.建模仿真
個性化制造最大的挑戰(zhàn)在于“開機浪費”、“測試驗證”中的浪費,這往往是一個燒錢的過程,因此,在過去的數(shù)十年里,建模仿真技術一直應用于機器與系統(tǒng)開發(fā),然而在過去,仿真后的程序又需要復雜的過程才能實現(xiàn)在控制器上的運行,而自2008年Mathworks推出基于C代碼自動生成的工具,貝加萊Automation Studio即可實現(xiàn)一鍵導入,這樣可以直接在控制器上運行自動代碼。
另外,通過與MapSim通過FMI接口,實現(xiàn)機械、電氣控制的協(xié)同仿真,這樣的方式可以讓機電一體化更為緊密的結合,在系統(tǒng)中對傳動鏈、控制邏輯與對象進行融合,并實現(xiàn)虛擬環(huán)境中的測試驗證。

建模仿真也構成了今天“數(shù)字孿生”概念的核心部分,在圖8中,通過MapSim的建模可以與控制對象的模型進行交互,并通過Scene Viewer實現(xiàn)三維呈現(xiàn),可以直接在控制器上運行并反饋現(xiàn)場實際傳感器回饋數(shù)據(jù),實現(xiàn)真正的數(shù)字與物理對象的交互,為早期驗證與虛擬調試提供便利。
建模仿真是一種創(chuàng)新性的開發(fā)方法,在今天,我們越來越多的應用這些方法來解決很多產(chǎn)業(yè)問題:
(1)早期驗證與測試,虛擬調試,最大程度降低測試驗證成本;
(2)開發(fā)可復用的軟件模塊,降低系統(tǒng)開發(fā)成本;
(3)通過自動代碼生成降低開發(fā)成本。
……
自動化顯然已經(jīng)不是那個自動化,然而,自動化永遠都是以“用戶為中心”的產(chǎn)業(yè),開放連接、集成各種領域知識,一切都是為了讓制造業(yè)的用戶體會到“質量的不斷提高”、“成本的不斷下降”、“快速交付”,以及今天更為“個性化定制”的需求。
電話:穆先生:18665021673
陳小姐:18565193790
郵箱:18565193790@163.com